AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Z.ai: GLM 4.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-21
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro none | GLM 4.7 Flash GLM 4.7 Flash none |
|---|---|---|
| 分数 | 6.2 | 5.8 |
| 排名 | #93 | #106 |
| 可靠性 | 8.0 | 10.0 |
| 一致性 | 8.8 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 50.9% | 40.4% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.542 | 0.049 |
| 总成本 | $0.044 | $0.003 |
| ???? | $0.435 / 1M | $0.060 / 1M |
| ???? | $0.870 / 1M | $0.400 / 1M |
| 输出令牌 | 5,330 | 2,498 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 14.09s | 3.13s |
| 响应时间（最大） | 58.65s | 7.05s |
| 响应时间（总计） | 267.72s | 37.60s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.5 | 8.0 | 16.7% | 1 | 14.02s | 704 | 0 | |
| GLM 4.7 Flash | 5.2 | 7.9 | 41.7% | 1 | 5.51s | 438 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 7.1 | 3.7 | 66.7% | 1 | 14.69s | 510 | 0 | |
| GLM 4.7 Flash | 6.4 | 9.9 | 0.0% | 0 | 5.57s | 626 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 9.5 | 10.0 | 100.0% | 0 | 25.49s | 1,911 | 0 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 3.22s | 704 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 8.8 | 10.0 | 100.0% | 0 | 30.54s | 170 | 0 | |
| GLM 4.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 4.82s | 196 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 3.17s | 18 | 0 | |
| GLM 4.7 Flash | 7.7 | 10.0 | 66.7% | 0 | 744ms | 19 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 4.3 | 9.9 | 0.0% | 0 | 3.75s | 132 | 0 | |
| GLM 4.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 1.59s | 134 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.3 | 10.0 | 50.0% | 0 | 8.23s | 64 | 0 | |
| GLM 4.7 Flash | 6.5 | 10.0 | 50.0% | 0 | 888ms | 62 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 7.6 | 7.2 | 77.8% | 1 | 19.72s | 175 | 0 | |
| GLM 4.7 Flash | 6.4 | 10.0 | 33.3% | 0 | 1.00s | 98 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 5.92s | 219 | 0 | |
| GLM 4.7 Flash | 2.8 | 1.6 | 33.3% | 1 | 7.05s | 212 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 15.59s | 1,427 | 0 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 692ms | 9 | 0 |
快速对比
切换对比组合
Cobuddymedium免费可用vsGLM 4.7 Flashnonegpt-oss-120bmedium免费可用vsGLM 4.7 FlashnoneDeepSeek V4 PrononevsGPT-5 NanomediumDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用DeepSeek V4 PrononevsMercury 2mediumDeepSeek V4 PrononevsOwl AlphamediumOwl AlphamediumvsGLM 4.7 FlashnoneMiniMax M2.5medium免费可用vsGLM 4.7 FlashnoneMistral Small 4mediumvsGLM 4.7 FlashnoneNemotron 3 Supermedium免费可用vsGLM 4.7 FlashnoneElephant AlphamediumvsGLM 4.7 FlashnoneCobuddymedium免费可用vsDeepSeek V4 Pronone