AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs Z.ai: GLM 5V Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-02
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | GLM 5V Turbo GLM 5V Turbo none |
|---|---|---|
| 分数 | 7.1 | 6.0 |
| 排名 | #41 | #55 |
| 一致性 | 7.2 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 68.6% | 41.2% |
| 不稳定测试 | 6 | 0 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 3.610 | 0.588 |
| 总成本 | $0.289 | $0.042 |
| ???? | $0.750 / 1M | $1.200 / 1M |
| ???? | $4.500 / 1M | $4.000 / 1M |
| 输出令牌 | 1,708 | 1,388 |
| 推理令牌 | 58,019 | 0 |
| 响应时间（平均） | 15.66s | 2.97s |
| 响应时间（最大） | 102.91s | 6.51s |
| 响应时间（总计） | 266.14s | 50.57s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 | |
| GLM 5V Turbo | 4.8 | 10.0 | 25.0% | 0 | 3.13s | 281 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 | |
| GLM 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 6.51s | 276 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 3.81s | 204 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.09s | 24 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 | |
| GLM 5V Turbo | 4.6 | 10.0 | 0.0% | 0 | 2.22s | 114 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 7.4 | 6.5 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| GLM 5V Turbo | 6.5 | 10.0 | 50.0% | 0 | 1.97s | 60 | 0 |
| Puzzle Solving | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 6.8 | 7.9 | 55.6% | 1 | 4.33s | 271 | 2,449 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.22s | 207 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.86s | 222 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsGLM 5V TurbononeMiniMax M2.5medium免费可用vsGLM 5V TurbononeClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGrok 4.20 Multi Agent BetamediumvsGLM 5V TurbononeGPT-5 NanomediumvsGLM 5V TurbononeMercury 2mediumvsGLM 5V TurbononeGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneGemma 4 31BnonevsGPT-5.4 MinimediumGPT-5.4 MinimediumvsGLM 5noneMistral Small 4mediumvsGLM 5V TurbononeGPT-5.4 MinimediumvsMiMo-V2-OmninoneGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 Minimedium