导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.4 Mini vs Z.ai: GLM 5.2

摘要

GPT-5.4 Mini (medium) vs GLM 5.2 (high) benchmark 对比：平均分几乎持平，为 8.0 vs 8.0。 GPT-5.4 Mini (medium) benchmark 成本更低，为 $0.526 vs $0.554。 GPT-5.4 Mini (medium) 更快，为 22.34s vs 37.09s，通过率为 73.0% vs 77.8%。

推荐模型: GPT-5.4 Mini (medium) - 它在这里得分最高（8.0），同时响应速度比GLM 5.2 (high)快约 1.7 倍。

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

指标 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数 8.0 8.0
排名 #33 #32
可靠性 10.0 9.3
一致性 8.0 7.6
测试正确
尝试通过率 73.0% 77.8%
不稳定测试 5 6
总运行次数 63 63
每个结果成本 4.381 4.255
总成本 $0.526 $0.554
输入价格 $0.750 / 1M $0.770 / 1M
输出价格 $4.500 / 1M $2.420 / 1M
总输入令牌 34,116 34,993
输出令牌 2,181 51,575
推理令牌 108,937 166,065
响应时间（平均） 22.34s 37.09s
响应时间（最大） 138.75s 180.69s
响应时间（总计） 469.20s 778.91s

生成展示

Hamster playing table tennis

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

#33 GPT-5.4 Mini

medium
成本
$0.056
时间
95.5s
令牌
12,464 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-5.4 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
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-5.4 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
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-5.4 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
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-5.4 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
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-5.4 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
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-5.4 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
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-5.4 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
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-5.4 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
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-5.4 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
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-5.4 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174
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

Qwen3.5 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 5.2highGPT-5.4 MinimediumvsGrok 4.5lowGemini 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