AI BENCHY 对比
OpenAI: GPT-5.2 Chat vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | GPT-5.2 Chat GPT-5.2 Chat none | GLM 5 Turbo GLM 5 Turbo medium |
|---|---|---|
| 分数 | 7.9 | 8.1 |
| 排名 | #38 | #23 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.7 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 75.9% | 77.8% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.424 | 1.511 |
| 总成本 | $0.291 | $0.182 |
| ???? | $1.750 / 1M | $1.200 / 1M |
| ???? | $14.000 / 1M | $4.000 / 1M |
| 输出令牌 | 17,346 | 12,197 |
| 推理令牌 | 0 | 38,933 |
| 响应时间（平均） | 6.84s | 17.67s |
| 响应时间（最大） | 38.52s | 194.23s |
| 响应时间（总计） | 123.17s | 317.98s |
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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 8.7 | 7.9 | 91.7% | 1 | 3.40s | 1,807 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.82s | 362 | 3,137 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.97s | 1,345 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 12.26s | 332 | 3,301 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.12s | 1,243 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 13.88s | 390 | 2,037 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 980 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 6.19s | 577 | 3,632 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 5.3 | 10.0 | 33.3% | 0 | 17.78s | 7,810 | 0 | |
| GLM 5 Turbo | 2.9 | 4.4 | 22.2% | 2 | 71.07s | 9,665 | 19,279 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 4.4 | 3.0 | 33.3% | 1 | 3.20s | 335 | 0 | |
| GLM 5 Turbo | 6.1 | 3.1 | 66.7% | 1 | 10.05s | 60 | 2,216 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.5 | 6.1 | 83.3% | 1 | 5.46s | 1,528 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.38s | 255 | 2,183 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.7 | 10.0 | 66.7% | 0 | 4.42s | 1,743 | 0 | |
| GLM 5 Turbo | 7.3 | 5.8 | 55.6% | 2 | 5.44s | 315 | 2,702 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 555 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 9.84s | 241 | 446 |
快速对比
切换对比组合
HY3 Previewlow免费可用vsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewlowvsGLM 5 TurbomediumDeepSeek V3.2mediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5V TurbomediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.5-FlashmediumGemma 4 26B A4Bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5.1mediumGPT-5.2 ChatnonevsHY3 Previewmedium免费可用