AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-29
| 指标 | GPT-5.4 Mini GPT-5.4 Mini none | GLM 5 Turbo GLM 5 Turbo none |
|---|---|---|
| 分数 | 5.1 | 5.5 |
| 排名 | #112 | #100 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.6 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 35.2% | 37.0% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.630 | 0.518 |
| 总成本 | $0.032 | $0.032 |
| ???? | $0.750 / 1M | $1.200 / 1M |
| ???? | $4.500 / 1M | $4.000 / 1M |
| 输出令牌 | 2,418 | 1,775 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.17s | 2.94s |
| 响应时间（最大） | 2.52s | 8.21s |
| 响应时间（总计） | 21.01s | 52.98s |
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 | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 0 | |
| GLM 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 2.84s | 382 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 1.19s | 333 | 0 | |
| GLM 5 Turbo | 5.3 | 3.4 | 33.3% | 1 | 3.93s | 505 | 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 | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 0 | |
| GLM 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 4.89s | 144 | 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 | 1.30s | 222 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 2.47s | 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 | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 0 | |
| GLM 5 Turbo | 5.3 | 10.0 | 33.3% | 0 | 1.97s | 25 | 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 | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 0 | |
| GLM 5 Turbo | 4.2 | 9.9 | 0.0% | 0 | 2.18s | 48 | 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 | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 0 | |
| GLM 5 Turbo | 6.5 | 10.0 | 50.0% | 0 | 2.13s | 65 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 0 | |
| GLM 5 Turbo | 5.5 | 7.4 | 44.4% | 1 | 2.43s | 180 | 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 | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 8.21s | 222 | 0 |
快速对比
切换对比组合
Nemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-5.4 MininoneGPT-5.4 MininonevsElephant AlphamediumMistral Small 4mediumvsGLM 5 TurbononeMiniMax M2.7mediumvsGPT-5.4 MininoneMiniMax M2.5medium免费可用vsGLM 5 TurbononeMiniMax M2.7mediumvsGLM 5 TurbononeElephant AlphamediumvsGLM 5 TurbononeNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGLM 5 Turbononegpt-oss-120bmedium免费可用vsGLM 5 TurbononeGPT-5.4 MininonevsQwen3 Coder NextmediumMistral Small 4mediumvsGPT-5.4 MininoneGPT-5.4 MininonevsGLM 4.7 Flashmedium