AI BENCHY 对比
OpenAI: GPT-5.4 vs Z.ai: GLM 4.7 Flash
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-05
| 指标 | OpenAI: GPT-5.4 none 发布日期: 2026-03-05 | Z.ai: GLM 4.7 Flash none 发布日期: 2026-01-19 |
|---|---|---|
| 排名 | #44 | #47 |
| 平均分 | 4.6 | 3.9 |
| 测试正确 | ||
| 一致性 | 8.9 | 8.3 |
| 每个结果成本 | 1.496 | 0.064 |
| 总成本 | $0.090 | $0.003 |
| 尝试通过率 | 44.4% | 37.8% |
| 不稳定测试 | 2 | 3 |
| common.totalAttempts | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,635 | 1,721 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.46s | 3.16s |
| 响应时间（最大） | 2.89s | 7.05s |
| 响应时间（总计） | 21.86s | 25.31s |
响应时间（平均）
分数 vs 总成本
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Z.ai: GLM 4.7 Flash | 10.0 | 7.2 | 22.2% | 1 | 6.59s | 430 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Z.ai: GLM 4.7 Flash | 10.0 | 10.0 | 0.0% | 0 | 3.22s | 704 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Z.ai: GLM 4.7 Flash | 5.4 | 5.8 | 83.3% | 1 | 4.82s | 196 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Z.ai: GLM 4.7 Flash | 7.0 | 10.0 | 66.7% | 0 | 744ms | 19 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Z.ai: GLM 4.7 Flash | 5.5 | 10.0 | 50.0% | 0 | 888ms | 62 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Z.ai: GLM 4.7 Flash | 3.7 | 10.0 | 0.0% | 0 | 1.00s | 98 | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Z.ai: GLM 4.7 Flash | 10.0 | 1.6 | 33.3% | 1 | 7.05s | 212 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsGPT-5.4noneQwen3 Coder NextmediumvsGLM 4.7 FlashnoneMercury 2mediumvsGPT-5.4noneMiniMax M2.5mediumvsGLM 4.7 FlashnoneGPT-5.4nonevsQwen3.5-35B-A3BmediumGPT-5.4nonevsQwen3 Coder NextmediumGPT-5.4nonevsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsGLM 4.7 FlashnoneMercury 2mediumvsGLM 4.7 FlashnoneGPT-5 NanomediumvsGLM 4.7 FlashnoneClaude Opus 4.6mediumvsGPT-5.4noneKimi K2.5mediumvsGPT-5.4none