AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Z.ai: GLM 5.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro none | GLM 5.1 GLM 5.1 none |
|---|---|---|
| 分数 | 6.0 | 5.6 |
| 排名 | #95 | #113 |
| 可靠性 | 8.1 | 10.0 |
| 一致性 | 8.9 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 40.0% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.564 | 0.941 |
| 总成本 | $0.046 | $0.057 |
| ???? | $0.435 / 1M | $0.980 / 1M |
| ???? | $0.870 / 1M | $3.080 / 1M |
| 输出令牌 | 5,347 | 3,749 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 13.48s | 4.16s |
| 响应时间（最大） | 58.65s | 32.57s |
| 响应时间（总计） | 269.56s | 83.23s |
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 5.1 | 4.0 | 6.3 | 25.0% | 2 | 2.11s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.4 | 6.8 | 33.3% | 1 | 8.27s | 527 | 0 | |
| GLM 5.1 | 4.3 | 9.5 | 0.0% | 0 | 6.33s | 519 | 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 5.1 | 2.8 | 2.1 | 33.3% | 1 | 32.57s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 8.8 | 10.0 | 100.0% | 0 | 30.54s | 170 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 1.08s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 5.3 | 10.0 | 33.3% | 0 | 3.17s | 18 | 0 | |
| GLM 5.1 | 2.9 | 7.2 | 11.1% | 1 | 1.99s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 4.3 | 9.9 | 0.0% | 0 | 3.75s | 132 | 0 | |
| GLM 5.1 | 5.0 | 10.0 | 0.0% | 0 | 790ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.3 | 10.0 | 50.0% | 0 | 8.23s | 64 | 0 | |
| GLM 5.1 | 9.8 | 10.0 | 100.0% | 0 | 1.58s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 7.6 | 7.2 | 77.8% | 1 | 19.72s | 175 | 0 | |
| GLM 5.1 | 6.1 | 7.8 | 44.4% | 1 | 1.48s | 152 | 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 5.1 | 10.0 | 10.0 | 100.0% | 0 | 10.68s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.0 | 10.0 | 0.0% | 0 | 15.59s | 1,427 | 0 | |
| GLM 5.1 | 3.0 | 10.0 | 0.0% | 0 | 2.34s | 11 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsGLM 5.1noneDeepSeek V4 PrononevsGPT-5 NanomediumDeepSeek V4 PrononevsNemotron 3 Supermedium免费可用MiniMax M2.5medium免费可用vsGLM 5.1noneCobuddymedium免费可用vsGLM 5.1noneMistral Small 4mediumvsGLM 5.1noneDeepSeek V4 PrononevsOwl AlphamediumElephant AlphamediumvsGLM 5.1noneDeepSeek V4 PrononevsMercury 2mediumOwl AlphamediumvsGLM 5.1noneCobuddymedium免费可用vsDeepSeek V4 PrononeNemotron 3 Supermedium免费可用vsGLM 5.1none