AI BENCHY 对比
OpenAI: GPT-5.5 vs Z.ai: GLM 5V Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | GPT-5.5 GPT-5.5 none | GLM 5V Turbo GLM 5V Turbo none |
|---|---|---|
| 分数 | 6.7 | 6.0 |
| 排名 | #74 | #89 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 59.7% | 42.1% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 1.961 | 0.546 |
| 总成本 | $0.197 | $0.044 |
| ???? | $5.000 / 1M | $1.200 / 1M |
| ???? | $30.000 / 1M | $4.000 / 1M |
| 输出令牌 | 1,928 | 1,739 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.99s | 3.06s |
| 响应时间（最大） | 5.56s | 6.51s |
| 响应时间（总计） | 37.87s | 58.10s |
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 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 213 | 0 | |
| GLM 5V Turbo | 4.8 | 10.0 | 25.0% | 0 | 3.13s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 426 | 0 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.30s | 336 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.56s | 300 | 0 | |
| GLM 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 6.51s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 1.18s | 222 | 0 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 3.81s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 52 | 0 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.09s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 124 | 0 | |
| GLM 5V Turbo | 4.6 | 10.0 | 0.0% | 0 | 2.22s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 81 | 0 | |
| GLM 5V Turbo | 6.5 | 10.0 | 50.0% | 0 | 1.97s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 7.7 | 10.0 | 66.7% | 0 | 1.36s | 245 | 0 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.22s | 207 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.90s | 247 | 0 | |
| GLM 5V Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.86s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 18 | 0 | |
| GLM 5V Turbo | 3.0 | 10.0 | 0.0% | 0 | 2.23s | 15 | 0 |
快速对比
切换对比组合
Owl AlphamediumvsGLM 5V TurbononeGPT-5.5nonevsQwen3.6 27BmediumNemotron 3 Supermedium免费可用vsGLM 5V TurbononeKimi K2.5mediumvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsGPT-5.5noneGPT-5.5nonevsGrok 4.20mediumDeepSeek V4 ProhighvsGPT-5.5noneCobuddymedium免费可用vsGLM 5V TurbononeGPT-5 NanomediumvsGLM 5V TurbononeGPT-5.5nonevsGrok 4.1 Fastmediumgpt-oss-120bmedium免费可用vsGLM 5V TurbononeMercury 2mediumvsGLM 5V Turbonone