导航
AI BENCHY
Advertise here

AI BENCHY 对比

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

摘要

GPT-5.3-Codex (medium) vs GLM 5.2 (high) benchmark 对比：GPT-5.3-Codex (medium) 平均分领先，为 8.9 vs 8.0。 GLM 5.2 (high) benchmark 成本更低，为 $0.554 vs $0.740。 GPT-5.3-Codex (medium) 更快，为 16.22s vs 37.09s，通过率为 82.5% vs 77.8%。

推荐模型: GPT-5.3-Codex (medium) - 它在这里得分最高（8.9），同时响应速度比GLM 5.2 (high)快约 2.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05 GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数 8.9 8.0
排名 #13 #32
可靠性 10.0 9.3
一致性 8.5 7.6
测试正确
尝试通过率 82.5% 77.8%
不稳定测试 4 6
总运行次数 63 63
每个结果成本 4.932 4.255
总成本 $0.740 $0.554
输入价格 $1.750 / 1M $0.770 / 1M
输出价格 $14.000 / 1M $2.420 / 1M
总输入令牌 34,299 34,993
输出令牌 2,357 51,575
推理令牌 46,189 166,065
响应时间（平均） 16.22s 37.09s
响应时间（最大） 100.93s 180.69s
响应时间（总计） 340.67s 778.91s

生成展示

Hamster playing table tennis

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

#13 GPT-5.3-Codex

medium
成本
$0.049
时间
54.9s
令牌
3,580 tok

#32 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

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-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
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-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
GLM 5.2 6.4 4.4 77.8% 2 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-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
GLM 5.2 10.0 10.0 100.0% 0 43.51s 12,696 711 4,267
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-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
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-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
GLM 5.2 3.5 4.4 33.3% 2 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-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
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-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
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-5.3-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
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-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
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-5.3-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701
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-5.4 MinimediumvsGLM 5.2highQwen3.5 Plus 2026-02-15mediumvsGLM 5.2highNemotron 3 Ultra 550b A55bmedium免费可用vsGLM 5.2highQwen3.7 PlusmediumvsGLM 5.2highQwen3.5-27BmediumvsGLM 5.2highClaude Sonnet 5mediumvsGLM 5.2highQwen3.6 PlusmediumvsGLM 5.2highGemini 2.5 FlashmediumvsGLM 5.2highGPT-5.6 TerramediumvsGLM 5.2highClaude Sonnet 4.6mediumvsGLM 5.2highGrok 4.5lowvsGLM 5.2highGemini 3.1 Flash Lite PreviewmediumvsGLM 5.2high