OpenAI: GPT-5.2 Chat vs Z.ai: GLM 5.2

平均分几乎持平，为 8.0 vs 8.0。 GPT-5.2 Chat benchmark 成本更低，为 $0.604 vs $0.929。 GPT-5.2 Chat 更快，为 7.65s vs 62.65s，通过率为 74.2% vs 71.2%。

推荐模型GPT-5.2 Chat它在这里得分最高（8.0），同时成本比GLM 5.2 (high)低约 1.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17

指标	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	8.0	8.0
排名	#29	#30
可靠性	10.0	10.0
一致性	8.6	8.6
测试正确
尝试通过率	74.2%	71.2%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	4.308	5.873
总成本	$0.604	$0.929
输入价格	$1.750 / 1M	$0.919 / 1M
输出价格	$14.000 / 1M	$2.887 / 1M
总输入令牌	101,248	83,813
输出令牌	30,424	69,688
推理令牌	0	225,659
响应时间（平均）	7.65s	62.65s
响应时间（最大）	38.52s	599.43s
响应时间（总计）	168.39s	1378.34s

Hamster playing table tennis

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

#29 GPT-5.2 Chat

none

成本: $0.010
时间: 15.3s
令牌: 797 tok

#30 GLM 5.2

high

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

类别:

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
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

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
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	0
GLM 5.2	6.4	8.6	33.3%	0		73.03s	5,124	2,302	22,546

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
GPT-5.2 Chat	7.3	5.8	83.3%	1		13.91s	78,055	7,923	0
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0
GLM 5.2	3.7	6.5	22.2%	1		73.97s	551	46,693	90,566

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
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	0
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

快速对比

切换对比组合

GPT-5.2 ChatnonevsStep 3.7 Flashmedium Step 3.7 FlashmediumvsGLM 5.2high Muse Spark 1.1highvsGPT-5.2 Chatnone GPT-5 MinimediumvsGLM 5.2high Kimi K3maxvsGLM 5.2high Kimi K3maxvsGPT-5.2 Chatnone Seed-2.0-LitemediumvsGLM 5.2high Seed-2.0-LitemediumvsGPT-5.2 Chatnone Qwen3.7 PlusmediumvsGLM 5.2high GPT-5.2 ChatnonevsQwen3.7 Plusmedium Qwen3.6 PlusmediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGPT-5.2 Chatnone