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

GPT-5.2 (medium) 平均分领先，为 8.4 vs 8.0。 GLM 5.2 (high) benchmark 成本更低，为 $0.296 vs $0.951。 GPT-5.2 (medium) 更快，为 22.62s vs 62.65s，通过率为 72.7% vs 71.2%。

推荐模型GPT-5.2 (medium)它在这里得分最高（8.4），同时响应速度比GLM 5.2 (high)快约 2.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	GPT-5.2 GPT-5.2 medium 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 GPT-5.2 medium 发布日期: 2025-12-11	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	8.4	8.0
排名	#21	#31
可靠性	10.0	10.0
一致性	8.5	8.6
测试正确
尝试通过率	72.7%	71.2%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	6.791	5.873
总成本	$0.951	$0.296
输入价格	$1.750 / 1M	$0.293 / 1M
输出价格	$14.000 / 1M	$0.920 / 1M
总输入令牌	105,004	83,813
输出令牌	9,914	69,688
推理令牌	44,868	225,659
响应时间（平均）	22.62s	62.65s
响应时间（最大）	102.93s	599.43s
响应时间（总计）	339.28s	1378.34s

Hamster playing table tennis

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

#21 GPT-5.2

medium

成本: $0.047
时间: 49.2s
令牌: 3,396 tok

#31 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	6.5	8.0	58.3%	1		7.81s	606	567	2,002
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	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912
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	10.0	10.0	100.0%	0		58.50s	82,056	7,304	14,693
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	10.0	10.0	100.0%	0		3.15s	7,140	234	420
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	5.9	7.2	55.6%	1		77.80s	473	42	10,342
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	3.7	9.7	0.0%	0		4.32s	477	162	269
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	9.9	10.0	100.0%	0		3.12s	660	94	614
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	7.5	7.3	77.8%	1		5.80s	642	735	924
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	4.7	1.6	66.7%	1		10.30s	5,453	239	469
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	3.0	10.0	0.0%	0		28.18s	195	26	3,223
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-5.2mediumvsGrok 4.5low GPT-5.2 ChatnonevsGLM 5.2high Step 3.7 FlashmediumvsGLM 5.2high GPT-5 MinimediumvsGLM 5.2high InklingmediumvsGLM 5.2high Kimi K3maxvsGLM 5.2high Muse Spark 1.1lowvsGPT-5.2medium Seed-2.0-LitemediumvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Qwen3.6 PlusmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high