GPT-5.2 (medium) vs GLM 5.3 FlashX (max)

已对比模型

推荐模型 GLM 5.3 FlashX (max)

它在这里得分最高（8.3），同时成本比GPT-5.2 (medium)低约 2.3 倍。

指标	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11	GLM 5.3 FlashX GLM 5.3 FlashX max 发布日期: 2026-09-21

指标	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11	GLM 5.3 FlashX GLM 5.3 FlashX max 发布日期: 2026-09-21
分数	8.4	8.3
排名	#59	#63
可靠性	10.0	10.0
一致性	8.5	8.3
尝试次数	66/66	66/66
测试正确
尝试通过率	72.7%	78.8%
不稳定测试	4	5
总运行次数	66	66
每个结果成本	8.438	3.381
总成本	$1.182	$0.508
输入价格	$1.750 / 1M	$0.370 / 1M
输出价格	$14.000 / 1M	$1.250 / 1M
总输入令牌	105,013	101,211
输出令牌	9,914	6,301
推理令牌	61,338	369,433
响应时间（平均）	28.51s	41.21s
响应时间（最大）	116.86s	390.70s
响应时间（总计）	456.13s	906.52s
参数量	~1.2T 总计 (~80B 激活)	320B 总计 (18B 激活)
开放状态	闭源	闭源

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

medium

max

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 5.3 FlashX	10.0	10.0	100.0%	0		2.65s	639	301	2,210

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 5.3 FlashX	8.2	7.2	88.9%	1		24.61s	7,317	463	36,503

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 5.3 FlashX	8.2	6.9	66.7%	1		45.23s	76,431	3,485	35,762

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 5.3 FlashX	10.0	10.0	100.0%	0		3.38s	7,149	223	2,262

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		97.33s	482	42	26,812
GLM 5.3 FlashX	3.5	4.4	33.3%	2		224.00s	759	583	279,058

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 5.3 FlashX	10.0	10.0	100.0%	0		5.01s	498	209	1,290

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 5.3 FlashX	9.9	10.0	100.0%	0		2.23s	678	72	1,032

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 5.3 FlashX	8.2	7.7	77.8%	1		3.88s	672	456	2,848

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 5.3 FlashX	10.0	10.0	100.0%	0		9.39s	6,861	231	712

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 5.3 FlashX	3.0	10.0	0.0%	0		22.41s	207	278	7,756

切换对比组合