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-5.4 vs Z.ai: GLM 5.2

摘要

GPT-5.4 vs GLM 5.2 benchmark 对比：GLM 5.2 平均分领先，为 8.7 vs 8.5。 GLM 5.2 benchmark 成本更低，为 $0.324 vs $1.210。 GPT-5.4 更快，为 22.35s vs 23.28s，通过率为 76.2% vs 84.1%。

推荐模型: GLM 5.2 - 它在这里得分最高（8.7），同时成本比GPT-5.4低约 3.7 倍。

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

指标 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05 GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数 8.5 8.7
排名 #17 #14
可靠性 10.0 9.5
一致性 8.6 8.4
测试正确
尝试通过率 76.2% 84.1%
不稳定测试 4 4
总运行次数 63 63
每个结果成本 8.640 2.159
总成本 $1.210 $0.324
输入价格 $2.500 / 1M $1.400 / 1M
输出价格 $15.000 / 1M $4.400 / 1M
总输入令牌 34,108 37,199
输出令牌 2,242 12,261
推理令牌 72,707 49,500
响应时间（平均） 22.35s 23.28s
响应时间（最大） 100.41s 101.36s
响应时间（总计） 469.29s 488.94s

Generation showcase

Hamster playing table tennis

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

#17 GPT-5.4

medium
Cost
$0.214
Time
199.6s
Tokens
14,349 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-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
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-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
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-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821
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

GPT-5.2 ChatnonevsGLM 5.2mediumDeepSeek V4 FlashhighvsGPT-5.4mediumDeepSeek V4 FlashhighvsGLM 5.2mediumGemini 3.5 FlashlowvsGLM 5.2mediumGPT-5.5lowvsGLM 5.2mediumGemini 3.5 FlashlowvsGPT-5.4mediumGPT-5.4mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.4mediumStep 3.7 FlashlowvsGLM 5.2mediumDeepSeek V4 ProhighvsGLM 5.2mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumGPT-5.3 ChatnonevsGLM 5.2medium