AI BENCHY 对比
OpenAI: GPT-5.4 vs Z.ai: GLM 5V Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | GPT-5.4 GPT-5.4 none | GLM 5V Turbo GLM 5V Turbo none |
|---|---|---|
| 分数 | 5.6 | 5.9 |
| 排名 | #121 | #105 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 38.3% | 40.0% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.644 | 0.606 |
| 总成本 | $0.116 | $0.049 |
| 输入价格 | $2.500 / 1M | $1.200 / 1M |
| 输出价格 | $15.000 / 1M | $4.000 / 1M |
| 总输入令牌 | 31,593 | 34,502 |
| 输出令牌 | 2,402 | 1,760 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.45s | 3.04s |
| 响应时间（最大） | 2.95s | 6.51s |
| 响应时间（总计） | 29.00s | 60.88s |
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 5V Turbo | 4.8 | 10.0 | 25.0% | 0 | 3.13s | 555 | 281 | 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 | 6.8 | 10.0 | 50.0% | 0 | 1.99s | 4,686 | 501 | 0 | |
| GLM 5V Turbo | 6.8 | 10.0 | 50.0% | 0 | 3.77s | 4,658 | 354 | 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 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 6.51s | 12,708 | 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 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 3.81s | 7,107 | 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 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.09s | 687 | 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 5V Turbo | 4.6 | 10.0 | 0.0% | 0 | 2.22s | 477 | 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 5V Turbo | 6.5 | 10.0 | 50.0% | 0 | 1.97s | 636 | 60 | 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 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.40s | 609 | 210 | 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 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.86s | 6,879 | 222 | 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 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 2.23s | 186 | 15 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsGLM 5V TurbononeNemotron 3 Supermedium免费可用vsGLM 5V TurbononeOwl AlphamediumvsGLM 5V TurbononeMiniMax M2.5mediumvsGPT-5.4noneCobuddymediumvsGLM 5V TurbononeCobuddymediumvsGPT-5.4noneDeepSeek V4 ProhighvsGLM 5V TurbononeMiniMax M2.7mediumvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5 NanomediumvsGLM 5V TurbononeGPT-5.4nonevsOwl AlphamediumGPT-5.4nonevsElephant Alphamedium