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-5.6 Sol vs Z.ai: GLM 5.2

摘要

GPT-5.6 Sol (high) vs GLM 5.2 (medium) benchmark 对比：GPT-5.6 Sol (high) 平均分领先，为 9.4 vs 8.7。 GLM 5.2 (medium) benchmark 成本更低，为 $0.129 vs $0.821。 GPT-5.6 Sol (high) 更快，为 10.56s vs 23.28s，通过率为 88.9% vs 84.1%。

推荐模型: GPT-5.6 Sol (high) - 它在这里得分最高（9.4），同时响应速度比GLM 5.2 (medium)快约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09 GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数 9.4 8.7
排名 #6 #17
可靠性 10.0 9.5
一致性 8.8 8.4
测试正确
尝试通过率 88.9% 84.1%
不稳定测试 3 4
总运行次数 63 63
每个结果成本 4.824 2.159
总成本 $0.821 $0.129
输入价格 $5.000 / 1M $0.540 / 1M
输出价格 $30.000 / 1M $1.760 / 1M
总输入令牌 34,114 37,199
输出令牌 1,872 12,261
推理令牌 19,777 49,500
响应时间（平均） 10.56s 23.28s
响应时间（最大） 54.79s 101.36s
响应时间（总计） 221.69s 488.94s

生成展示

Hamster playing table tennis

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

#6 GPT-5.6 Sol

high
成本
$0.151
时间
201.9s
令牌
5,100 tok

#17 GLM 5.2

medium
成本
$0.041
时间
195.8s
令牌
9,287 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-5.6 Sol 8.7 7.9 91.7% 1 3.39s 606 171 644
GLM 5.2 10.0 10.0 100.0% 0 5.89s 639 497 2,634
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-5.6 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123
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-5.6 Sol 10.0 10.0 100.0% 0 13.68s 11,019 315 1,599
GLM 5.2 10.0 10.0 100.0% 0 51.96s 12,696 458 4,531
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-5.6 Sol 10.0 10.0 100.0% 0 1.16s 7,140 222 0
GLM 5.2 10.0 10.0 100.0% 0 13.44s 7,149 348 2,345
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-5.6 Sol 5.3 7.2 44.4% 1 39.45s 619 62 9,556
GLM 5.2 4.1 4.4 44.5% 2 45.47s 551 8,188 11,606
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-5.6 Sol 10.0 10.0 100.0% 0 4.40s 477 97 238
GLM 5.2 10.0 10.0 100.0% 0 17.39s 498 54 1,842
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-5.6 Sol 10.0 10.0 100.0% 0 2.73s 660 96 331
GLM 5.2 9.9 10.0 100.0% 0 7.90s 678 94 1,518
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-5.6 Sol 10.0 10.0 100.0% 0 4.10s 642 211 675
GLM 5.2 8.2 7.2 88.9% 1 13.13s 672 536 4,822
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-5.6 Sol 10.0 10.0 100.0% 0 7.08s 5,454 264 393
GLM 5.2 10.0 10.0 100.0% 0 20.41s 6,861 230 550
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-5.6 Sol 4.7 1.6 66.7% 1 6.97s 195 30 685
GLM 5.2 3.0 10.0 0.0% 0 34.25s 138 381 2,529

快速对比

切换对比组合

GPT-5.6 SolhighvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.6 SolhighClaude Fable 5mediumvsGPT-5.6 SolhighGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolhighGPT-5.2 ChatnonevsGLM 5.2mediumGemini 3.5 FlashmediumvsGPT-5.6 SolhighGemini 3 Flash PreviewmediumvsGPT-5.6 SolhighDeepSeek V4 FlashhighvsGLM 5.2mediumGPT-5.6 SolhighvsQwen3.6 Max PreviewmediumGPT-5.6 TerrahighvsGLM 5.2mediumClaude Opus 4.8mediumvsGPT-5.6 SolhighGemini 3.5 FlashlowvsGLM 5.2medium