AI BENCHY 对比
OpenAI: GPT-5.5 vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | GPT-5.5 GPT-5.5 low | GLM 5 Turbo GLM 5 Turbo medium |
|---|---|---|
| 分数 | 8.9 | 8.1 |
| 排名 | #6 | #20 |
| 可靠性 | 10.0 | 6.7 |
| 一致性 | 10.0 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 84.2% | 77.2% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 4.412 | 1.438 |
| 总成本 | $0.706 | $0.187 |
| ???? | $5.000 / 1M | $1.200 / 1M |
| ???? | $30.000 / 1M | $4.000 / 1M |
| 输出令牌 | 2,008 | 12,217 |
| 推理令牌 | 16,914 | 40,252 |
| 响应时间（平均） | 8.80s | 18.85s |
| 响应时间（最大） | 56.19s | 194.23s |
| 响应时间（总计） | 167.26s | 358.15s |
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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.43s | 246 | 1,011 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.82s | 362 | 3,137 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.79s | 369 | 936 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 12.26s | 332 | 3,301 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 303 | 717 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 13.88s | 390 | 2,037 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 228 | 157 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 6.19s | 577 | 3,632 |
| 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-5.5 | 5.3 | 10.0 | 33.3% | 0 | 27.57s | 69 | 11,731 | |
| GLM 5 Turbo | 2.9 | 4.4 | 22.2% | 2 | 71.07s | 9,665 | 19,279 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.14s | 146 | 170 | |
| GLM 5 Turbo | 6.1 | 3.1 | 66.7% | 1 | 10.05s | 60 | 2,216 |
| 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-5.5 | 9.9 | 10.0 | 100.0% | 0 | 2.98s | 93 | 356 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.38s | 255 | 2,183 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.94s | 274 | 895 | |
| GLM 5 Turbo | 8.7 | 7.9 | 77.8% | 1 | 5.44s | 315 | 2,702 |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 250 | 101 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 9.84s | 241 | 446 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 30 | 840 | |
| GLM 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 40.17s | 20 | 1,319 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowGemini 3 Flash PreviewnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewlowvsGLM 5 TurbomediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.1 Flash Lite PreviewnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGemini 3 PRO PreviewmediumvsGPT-5.5lowGemini 3.1 Flash LitelowvsGLM 5 TurbomediumGPT-5.3 ChatnonevsGLM 5 TurbomediumDeepSeek V4 FlashhighvsGLM 5 TurbomediumSeed-2.0-LitemediumvsGPT-5.5lowGPT-5.5lowvsQwen3.5 Plus 2026-02-15medium