导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.4 vs Z.ai: GLM 5

摘要

GPT-5.4 vs GLM 5 benchmark 对比：平均分几乎持平，为 8.5 vs 8.6。 GLM 5 benchmark 成本更低，为 $0.228 vs $1.210。 GPT-5.4 更快，为 22.35s vs 33.54s，通过率为 76.2% vs 82.5%。

推荐模型: GLM 5 - 它在这里得分最高（8.6），同时成本比GPT-5.4低约 5.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05 GLM 5 GLM 5 medium 发布日期: 2026-02-12
分数 8.5 8.6
排名 #17 #15
可靠性 10.0 10.0
一致性 8.6 8.5
测试正确
尝试通过率 76.2% 82.5%
不稳定测试 4 4
总运行次数 63 63
每个结果成本 8.640 1.668
总成本 $1.210 $0.228
输入价格 $2.500 / 1M $0.600 / 1M
输出价格 $15.000 / 1M $1.920 / 1M
总输入令牌 34,108 35,224
输出令牌 2,242 21,570
推理令牌 72,707 102,996
响应时间（平均） 22.35s 33.54s
响应时间（最大） 100.41s 99.85s
响应时间（总计） 469.29s 435.99s

生成展示

Hamster playing table tennis

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

#17 GPT-5.4

medium
成本
$0.214
时间
199.6s
令牌
14,349 tok

#15 GLM 5

medium
成本
$0.005
时间
20.7s
令牌
2,068 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 10.0 10.0 100.0% 0 23.66s 555 480 7,056
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 10.0 10.0 100.0% 0 74.30s 7,254 2,997 52,930
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 10.0 10.0 100.0% 0 28.96s 12,804 662 3,242
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 7.1 5.6 83.3% 1 8.90s 5,508 567 3,734
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 3.5 4.4 33.3% 2 0ms 260 13,176 14,137
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 6.1 3.1 66.7% 1 14.69s 477 2,020 2,248
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 10.0 10.0 100.0% 0 7.25s 636 1,001 2,129
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 10.0 10.0 100.0% 0 11.33s 609 33 4,076
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 10.0 10.0 100.0% 0 15.93s 6,935 233 994
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 3.0 10.0 0.0% 0 67.37s 186 401 12,450

快速对比

切换对比组合

GPT-5.2 ChatnonevsGLM 5mediumDeepSeek V4 FlashhighvsGPT-5.4mediumDeepSeek V4 FlashhighvsGLM 5mediumGemini 3.5 FlashlowvsGLM 5mediumGemini 3.5 FlashlowvsGPT-5.4mediumGPT-5.5lowvsGLM 5mediumClaude Opus 4.8lowvsGPT-5.4mediumClaude Opus 4.8lowvsGLM 5mediumGPT-5.4mediumvsStep 3.7 FlashlowStep 3.7 FlashlowvsGLM 5mediumDeepSeek V4 ProhighvsGPT-5.4mediumDeepSeek V4 ProhighvsGLM 5medium