导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.5 vs Z.ai: GLM 4.7 Flash

摘要

GPT-5.5 vs GLM 4.7 Flash benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 4.3。 GLM 4.7 Flash benchmark 成本更低，为 $0.054 vs $0.907。 GPT-5.5 更快，为 9.76s vs 35.10s，通过率为 85.7% vs 33.3%。

推荐模型: GPT-5.5 - 它在这里得分最高（9.3），同时响应速度比GLM 4.7 Flash快约 3.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 GLM 4.7 Flash GLM 4.7 Flash medium 发布日期: 2026-01-19
分数 9.3 4.3
排名 #4 #162
可靠性 10.0 6.7
一致性 10.0 6.8
测试正确
尝试通过率 85.7% 33.3%
不稳定测试 0 8
总运行次数 63 63
每个结果成本 5.035 1.337
总成本 $0.907 $0.054
输入价格 $5.000 / 1M $0.060 / 1M
输出价格 $30.000 / 1M $0.400 / 1M
总输入令牌 34,209 37,206
输出令牌 2,046 43,754
推理令牌 22,460 89,079
响应时间（平均） 9.76s 35.10s
响应时间（最大） 56.19s 174.55s
响应时间（总计） 204.92s 456.24s

生成展示

Hamster playing table tennis

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

#4 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 tok

#162 GLM 4.7 Flash

medium
无效SVG
成本
$0.000
时间
186.2s
令牌
12,112 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
GLM 4.7 Flash 4.7 5.9 41.7% 2 14.95s 555 1,122 6,110
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
GLM 4.7 Flash 3.2 7.4 11.1% 1 55.33s 3,106 4,981 22,387
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
GLM 4.7 Flash 2.8 2.1 33.3% 1 65.57s 17,185 2,585 20,648
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
GLM 4.7 Flash 6.3 10.0 50.0% 0 1.51s 7,107 584 2,755
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
GLM 4.7 Flash 3.5 4.4 33.3% 2 174.55s 643 33,000 25,394
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
GLM 4.7 Flash 3.6 9.7 0.0% 0 18.14s 318 18 2,138
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
GLM 4.7 Flash 6.2 5.8 66.7% 1 2.97s 636 388 2,181
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
GLM 4.7 Flash 2.9 7.2 11.1% 1 12.93s 521 781 5,255
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
GLM 4.7 Flash 10.0 10.0 100.0% 0 15.95s 6,949 224 1,014
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
GLM 4.7 Flash 3.0 10.0 0.0% 0 11.13s 186 71 1,197

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumGrok 4.20nonevsGLM 4.7 FlashmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGranite 4.1 8BnonevsGLM 4.7 Flashmediumgpt-oss-120bnone免费可用vsGLM 4.7 FlashmediumMercury 2nonevsGLM 4.7 FlashmediumLing-2.6-1TnonevsGLM 4.7 FlashmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5low