AI BENCHY 对比
Google: Gemma 4 31B vs Z.ai: GLM 5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Gemma 4 31B Gemma 4 31B medium 免费可用 | GLM 5 GLM 5 medium |
|---|---|---|
| 分数 | 8.2 | 8.1 |
| 排名 | #18 | #24 |
| 可靠性 | 6.7 | 10.0 |
| 一致性 | 9.6 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 77.2% | 80.7% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.158 | 1.379 |
| 总成本 | $0.023 | $0.180 |
| ???? | $0.120 / 1M | $0.600 / 1M |
| ???? | $0.370 / 1M | $1.920 / 1M |
| 输出令牌 | 14,426 | 20,564 |
| 推理令牌 | 37,964 | 70,787 |
| 响应时间（平均） | 28.72s | 27.34s |
| 响应时间（最大） | 90.14s | 79.09s |
| 响应时间（总计） | 488.27s | 300.78s |
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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 12.89s | 962 | 2,046 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 23.66s | 480 | 7,056 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 4.7 | 1.6 | 66.7% | 1 | 70.97s | 3,166 | 5,449 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 79.09s | 330 | 19,814 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 28.96s | 662 | 3,242 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 21.11s | 1,822 | 2,951 | |
| GLM 5 | 7.1 | 5.6 | 83.3% | 1 | 8.90s | 567 | 3,734 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 7.7 | 10.0 | 66.7% | 0 | 38.48s | 4,349 | 8,985 | |
| GLM 5 | 3.5 | 4.4 | 33.3% | 2 | 0ms | 13,176 | 14,137 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 9.57s | 105 | 888 | |
| GLM 5 | 6.1 | 3.1 | 66.7% | 1 | 14.69s | 2,020 | 2,248 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 12.76s | 533 | 2,035 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 7.25s | 1,001 | 2,129 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 9.9 | 10.0 | 100.0% | 0 | 27.63s | 1,797 | 5,596 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 15.64s | 1,694 | 4,983 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 15.93s | 233 | 994 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 90.14s | 1,692 | 10,014 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 67.37s | 401 | 12,450 |
快速对比
切换对比组合
Gemini 3.5 FlashminimalvsGLM 5mediumGemini 3 Flash PreviewnonevsGLM 5mediumGemini 3.1 Flash Lite PreviewlowvsGLM 5mediumGemini 3.1 Flash Lite PreviewnonevsGLM 5mediumGPT-5.2 ChatnonevsGLM 5mediumGemini 3.1 Flash LitelowvsGLM 5mediumGPT-5.3 ChatnonevsGLM 5mediumDeepSeek V4 Flashhigh免费可用vsGLM 5mediumGemma 4 31Bmedium免费可用vsGPT-5.2 ChatnoneGemma 4 31Bmedium免费可用vsGPT-5.5lowGemma 4 31Bmedium免费可用vsGPT-5.3 ChatnoneDeepSeek V4 Flashhigh免费可用vsGemma 4 31Bmedium免费可用