AI BENCHY 对比

OpenAI: GPT-5.5 vs Z.ai: GLM 5.2

摘要

GPT-5.5 vs GLM 5.2 benchmark 对比：GPT-5.5 平均分领先，为 9.0 vs 7.1。 GLM 5.2 benchmark 成本更低，为 $0.076 vs $3.679。 GLM 5.2 更快，为 6.34s vs 37.98s，通过率为 87.3% vs 60.3%。

推荐模型: GLM 5.2 - 它提供了最佳整体取舍：得分有竞争力（7.1），成本低于GPT-5.5，响应时间也较均衡。

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

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	GLM 5.2 GLM 5.2 none 发布日期: 2026-06-17

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	GLM 5.2 GLM 5.2 none 发布日期: 2026-06-17
分数	9.0	7.1
排名	#9	#61
可靠性	10.0	9.9
一致性	8.9	9.6
测试正确
尝试通过率	87.3%	60.3%
不稳定测试	3	1
总运行次数	63	63
每个结果成本	21.638	0.628
总成本	$3.679	$0.076
输入价格	$5.000 / 1M	$1.400 / 1M
输出价格	$30.000 / 1M	$4.400 / 1M
总输入令牌	34,212	38,671
输出令牌	1,985	4,817
推理令牌	114,925	0
响应时间（平均）	37.98s	6.34s
响应时间（最大）	332.10s	20.69s
响应时间（总计）	797.60s	133.19s

生成展示

Hamster playing table tennis

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

#9 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 tok

#61 GLM 5.2

none

无效SVG

成本: $0.033
时间: 87.7s
令牌: 7,455 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		4.66s	606	250	1,335
GLM 5.2	8.3	10.0	75.0%	0		3.70s	567	313	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-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959
GLM 5.2	3.7	9.5	0.0%	0		7.55s	7,263	1,958	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-5.5	10.0	10.0	100.0%	0		19.29s	11,019	312	2,841
GLM 5.2	10.0	10.0	100.0%	0		20.69s	14,296	1,489	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-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593
GLM 5.2	10.0	10.0	100.0%	0		7.17s	7,113	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-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625
GLM 5.2	5.3	10.0	33.3%	0		6.50s	696	27	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-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223
GLM 5.2	6.1	3.1	66.7%	1		4.42s	480	82	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-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538
GLM 5.2	9.8	10.0	100.0%	0		3.84s	642	66	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-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225
GLM 5.2	7.7	10.0	66.7%	0		3.31s	618	265	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-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832
GLM 5.2	10.0	10.0	100.0%	0		15.76s	6,807	400	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-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754
GLM 5.2	3.0	10.0	0.0%	0		3.41s	189	13	0

快速对比

切换对比组合

Gemma 4 26B A4Bmedium免费可用vsGLM 5.2none Step 3.7 FlashhighvsGLM 5.2none Kimi K2.7 CodemediumvsGLM 5.2none Grok 4.20mediumvsGLM 5.2none Gemini 3 Flash PreviewlowvsGLM 5.2none Gemini 3.5 FlashlowvsGPT-5.5medium MiMo-V2.5-PromediumvsGLM 5.2none Seed-2.0-MinimediumvsGLM 5.2none Qwen3.5-FlashmediumvsGLM 5.2none Gemini 3.5 FlashminimalvsGLM 5.2none DeepSeek V3.2mediumvsGLM 5.2none Qwen3.6 FlashmediumvsGLM 5.2none