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：GLM 5 平均分领先，为 6.0 vs 5.8。 GLM 5 benchmark 成本更低，为 $0.027 vs $0.122。 GPT-5.4 更快，为 1.42s vs 4.03s，通过率为 36.5% vs 44.4%。

推荐模型: GLM 5 - 它在这里得分最高（6.0），同时成本比GPT-5.4低约 4.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05 GLM 5 GLM 5 none 发布日期: 2026-02-12
分数 5.8 6.0
排名 #112 #101
可靠性 10.0 10.0
一致性 9.2 9.7
测试正确
尝试通过率 36.5% 44.4%
不稳定测试 2 1
总运行次数 63 63
每个结果成本 1.740 0.263
总成本 $0.122 $0.027
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 34,212 37,135
输出令牌 2,417 1,989
推理令牌 0 0
响应时间（平均） 1.42s 4.03s
响应时间（最大） 2.95s 11.07s
响应时间（总计） 29.87s 56.37s

生成展示

Hamster playing table tennis

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

#112 GPT-5.4

none
成本
$0.026
时间
18.1s
令牌
1,792 tok

#101 GLM 5

none
成本
$0.007
时间
32.1s
令牌
2,023 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 3.2 8.0 8.3% 1 1.21s 606 406 0
GLM 5 4.8 10.0 25.0% 0 2.37s 510 275 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 5.5 10.0 33.3% 0 1.62s 7,305 516 0
GLM 5 4.0 7.8 11.1% 1 5.12s 7,256 428 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 3.0 10.0 0.0% 0 2.89s 11,019 291 0
GLM 5 3.0 10.0 0.0% 0 4.98s 12,812 406 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 10.0 10.0 100.0% 0 1.04s 7,140 222 0
GLM 5 10.0 10.0 100.0% 0 5.78s 7,107 203 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 5.3 7.2 44.4% 1 1.07s 723 50 0
GLM 5 3.0 10.0 0.0% 0 2.24s 643 19 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 4.4 9.9 0.0% 0 1.78s 477 184 0
GLM 5 10.0 10.0 100.0% 0 3.27s 477 103 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 6.5 10.0 50.0% 0 1.07s 660 81 0
GLM 5 10.0 10.0 100.0% 0 1.48s 636 61 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 5.6 9.8 33.3% 0 1.44s 642 381 0
GLM 5 7.7 10.0 66.7% 0 1.91s 609 261 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 10.0 10.0 100.0% 0 2.75s 5,445 246 0
GLM 5 10.0 10.0 100.0% 0 11.07s 6,899 220 0
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 990ms 195 40 0
GLM 5 3.0 10.0 0.0% 0 3.62s 186 13 0

快速对比

切换对比组合

North Mini Codemedium免费可用vsGPT-5.4noneNorth Mini Codemedium免费可用vsGLM 5noneGemini 3.1 Flash LiteminimalvsGLM 5noneQwen3.5-35B-A3BmediumvsGLM 5noneGemma 4 31Bmedium免费可用vsGLM 5noneGemini 3.1 Flash LiteminimalvsGPT-5.4noneNemotron 3 Supermedium免费可用vsGLM 5noneGemini 3.1 Flash LitelowvsGLM 5noneGPT-5.4nonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewlowvsGLM 5noneGemma 4 31Bmedium免费可用vsGPT-5.4noneNemotron 3 Supermedium免费可用vsGPT-5.4none