AI BENCHY 对比

DeepSeek: DeepSeek V4 Pro vs Z.ai: GLM 5.1

摘要

DeepSeek V4 Pro vs GLM 5.1 benchmark 对比：DeepSeek V4 Pro 平均分领先，为 6.0 vs 5.7。 GLM 5.1 benchmark 成本更低，为 $0.058 vs $0.079。 GLM 5.1 更快，为 4.10s vs 65.21s，通过率为 52.4% vs 41.3%。

推荐模型: GLM 5.1 - 它的得分接近这里的最高分（5.7 vs 6.0），同时响应速度比DeepSeek V4 Pro快约 15.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	GLM 5.1 GLM 5.1 none 发布日期: 2026-04-07

指标	DeepSeek V4 Pro DeepSeek V4 Pro high 发布日期: 2026-04-24	GLM 5.1 GLM 5.1 none 发布日期: 2026-04-07
分数	6.0	5.7
排名	#103	#112
可靠性	9.0	10.0
一致性	7.6	8.5
测试正确
尝试通过率	52.4%	41.3%
不稳定测试	6	4
总运行次数	63	63
每个结果成本	2.869	0.843
总成本	$0.079	$0.058
输入价格	$0.435 / 1M	$0.980 / 1M
输出价格	$0.870 / 1M	$3.080 / 1M
总输入令牌	32,240	47,133
输出令牌	12,250	3,754
推理令牌	72,257	0
响应时间（平均）	65.21s	4.10s
响应时间（最大）	358.35s	32.57s
响应时间（总计）	1304.19s	86.18s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#103 DeepSeek V4 Pro

high

Cost: $0.023
Time: 257.6s
Tokens: 14,870 tok

#112 GLM 5.1

none

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	6.4	7.9	58.3%	1		16.53s	448	71	3,617
GLM 5.1	4.0	6.3	25.0%	2		2.11s	555	305	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	3.3	6.4	11.1%	1		118.23s	1,966	111	20,940
GLM 5.1	3.9	9.7	0.0%	0		4.96s	7,256	525	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		65.02s	14,016	465	5,914
GLM 5.1	2.8	2.1	33.3%	1		32.57s	22,831	2,129	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	7.3	5.9	83.3%	1		23.62s	5,633	229	1,710
GLM 5.1	10.0	10.0	100.0%	0		1.08s	7,107	204	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	2.9	7.2	11.1%	1		205.66s	430	10,529	28,089
GLM 5.1	2.9	7.2	11.1%	1		1.99s	687	24	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	6.1	3.1	66.7%	1		25.09s	314	76	1,152
GLM 5.1	5.0	10.0	0.0%	0		790ms	477	39	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		41.16s	627	205	2,416
GLM 5.1	9.8	10.0	100.0%	0		1.98s	636	66	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	5.9	7.2	55.6%	1		34.84s	544	139	4,019
GLM 5.1	7.7	10.0	66.7%	0		1.45s	609	151	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	10.0	10.0	100.0%	0		21.33s	8,079	372	593
GLM 5.1	10.0	10.0	100.0%	0		10.68s	6,789	300	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
DeepSeek V4 Pro	3.0	10.0	0.0%	0		39.14s	183	53	3,807
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

快速对比

切换对比组合