OpenAI: GPT-5.6 Terra vs Z.ai: GLM 5.2

平均分几乎持平，为 7.8 vs 7.8。 GLM 5.2 (medium) benchmark 成本更低，为 $0.184 vs $0.676。 GPT-5.6 Terra (medium) 更快，为 7.11s vs 23.28s，通过率为 69.7% vs 80.3%。

推荐模型GLM 5.2 (medium)它在这里得分最高（7.8），同时成本比GPT-5.6 Terra (medium)低约 3.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	7.8	7.8
排名	#46	#45
可靠性	10.0	9.5
一致性	9.3	8.0
测试正确
尝试通过率	69.7%	80.3%
不稳定测试	2	4
总运行次数	66	63
每个结果成本	4.825	2.159
总成本	$0.676	$0.184
输入价格	$2.500 / 1M	$0.793 / 1M
输出价格	$15.000 / 1M	$2.491 / 1M
总输入令牌	79,175	37,199
输出令牌	4,878	12,261
推理令牌	26,952	49,500
响应时间（平均）	7.11s	23.28s
响应时间（最大）	41.68s	101.36s
响应时间（总计）	156.42s	488.94s

Hamster playing table tennis

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

#46 GPT-5.6 Terra

medium

成本: $0.035
时间: 16.3s
令牌: 2,418 tok

#45 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

类别:

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 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657
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 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527
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 Terra	10.0	10.0	100.0%	0		11.10s	55,976	3,212	2,122
GLM 5.2	5.0	5.0	50.0%	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 Terra	10.0	10.0	100.0%	0		872ms	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 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327
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 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144
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 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261
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 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462
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 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246
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 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206
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

Claude Opus 4.8lowvsGPT-5.6 Terramedium Claude Opus 4.8lowvsGLM 5.2medium GPT-5.6 TerrahighvsGLM 5.2medium Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.6 Terramedium GPT-5.6 LunahighvsGLM 5.2medium DeepSeek V4 FlashhighvsGPT-5.6 Terramedium DeepSeek V4 FlashhighvsGLM 5.2medium DeepSeek V4 ProhighvsGPT-5.6 Terramedium DeepSeek V4 ProhighvsGLM 5.2medium GPT-5.6 TerramediumvsGLM 5.2high GPT-5.2 ChatnonevsGLM 5.2medium