导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.3 Chat vs Z.ai: GLM 5.2

摘要

GPT-5.3 Chat vs GLM 5.2 benchmark 对比：GLM 5.2 平均分领先，为 8.7 vs 7.5。 GLM 5.2 benchmark 成本更低，为 $0.324 vs $0.433。 GPT-5.3 Chat 更快，为 6.34s vs 23.28s，通过率为 66.7% vs 84.1%。

推荐模型: GLM 5.2 - 它在本次比较中得分最高（8.7），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03 GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数 7.5 8.7
排名 #45 #14
可靠性 10.0 9.5
一致性 8.1 8.4
测试正确
尝试通过率 66.7% 84.1%
不稳定测试 5 4
总运行次数 63 63
每个结果成本 3.605 2.159
总成本 $0.433 $0.324
输入价格 $1.750 / 1M $1.400 / 1M
输出价格 $14.000 / 1M $4.400 / 1M
总输入令牌 34,209 37,199
输出令牌 26,617 12,261
推理令牌 0 49,500
响应时间（平均） 6.34s 23.28s
响应时间（最大） 18.33s 101.36s
响应时间（总计） 133.13s 488.94s

Generation showcase

Hamster playing table tennis

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

#45 GPT-5.3 Chat

none
Cost
$0.008
Time
8.1s
Tokens
634 tok

#14 GLM 5.2

medium
Cost
$0.041
Time
195.8s
Tokens
9,287 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

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-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
GLM 5.2 10.0 10.0 100.0% 0 5.89s 639 497 2,634
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-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123
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-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
GLM 5.2 10.0 10.0 100.0% 0 51.96s 12,696 458 4,531
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-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
GLM 5.2 10.0 10.0 100.0% 0 13.44s 7,149 348 2,345
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-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
GLM 5.2 4.1 4.4 44.5% 2 45.47s 551 8,188 11,606
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-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
GLM 5.2 10.0 10.0 100.0% 0 17.39s 498 54 1,842
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-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
GLM 5.2 9.9 10.0 100.0% 0 7.90s 678 94 1,518
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-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
GLM 5.2 8.2 7.2 88.9% 1 13.13s 672 536 4,822
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-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
GLM 5.2 10.0 10.0 100.0% 0 20.41s 6,861 230 550
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-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0
GLM 5.2 3.0 10.0 0.0% 0 34.25s 138 381 2,529

快速对比

切换对比组合

Mercury 2mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok Build 0.1mediumDeepSeek V4 ProhighvsGPT-5.3 ChatnoneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5.2 ChatnonevsGLM 5.2medium