导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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 7.2 vs 7.1。 DeepSeek V4 Pro benchmark 成本更低，为 $0.034 vs $0.292。 DeepSeek V4 Pro 更快，为 6.41s vs 33.67s，通过率为 52.4% vs 68.3%。

推荐模型: DeepSeek V4 Pro - 它在这里得分最高（7.2），同时成本比GLM 5.1低约 8.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 DeepSeek V4 Pro DeepSeek V4 Pro none 发布日期: 2026-04-24 GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07
分数 7.2 7.1
排名 #58 #64
可靠性 9.9 6.7
一致性 8.8 8.3
测试正确
尝试通过率 52.4% 68.3%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 0.333 2.496
总成本 $0.034 $0.292
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 53,558 32,995
输出令牌 11,424 11,655
推理令牌 0 75,421
响应时间（平均） 6.41s 33.67s
响应时间（最大） 30.09s 172.60s
响应时间（总计） 134.66s 673.41s

生成展示

Hamster playing table tennis

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

#58 DeepSeek V4 Pro

none
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#64 GLM 5.1

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
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 3.2 6.1 16.7% 2 4.02s 540 1,168 0
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 5,122
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 5.6 10.0 33.3% 0 13.38s 7,275 5,500 0
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
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 9.5 10.0 100.0% 0 23.74s 27,529 2,235 0
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 4,206
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 10.0 10.0 100.0% 0 4.61s 7,568 200 0
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 4,552
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 5.3 10.0 33.3% 0 3.72s 666 24 0
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 11,314
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 5.0 10.0 0.0% 0 2.05s 471 126 0
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 2,875 2,875
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 6.3 5.8 66.7% 1 4.12s 627 713 0
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 1,617
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 10.0 10.0 100.0% 0 3.61s 594 442 0
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 5,730
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 7.40s 8,105 328 0
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0 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 5.76s 183 688 0
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumDeepSeek V4 PrononevsGemma 4 26B A4Bmedium免费可用Qwen3.7 PlusnonevsGLM 5.1mediumDeepSeek V4 PrononevsStep 3.7 FlashhighGemini 3.5 FlashnonevsGLM 5.1mediumClaude Opus 4.8nonevsGLM 5.1mediumDeepSeek V4 PrononevsKimi K2.7 CodemediumDeepSeek V4 PrononevsGrok 4.20mediumGemini 3 Flash PreviewnonevsGLM 5.1mediumDeepSeek V4 PrononevsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsGLM 5.1mediumQwen3.7 MaxnonevsGLM 5.1medium