导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: gpt-oss-120b vs Z.ai: GLM 5.2

摘要

gpt-oss-120b vs GLM 5.2 benchmark 对比：GLM 5.2 平均分领先，为 7.1 vs 6.7。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.076。 GLM 5.2 更快，为 6.34s vs 22.28s，通过率为 52.4% vs 60.3%。

推荐模型: gpt-oss-120b - 它的得分接近这里的最高分（6.7 vs 7.1），同时成本比GLM 5.2低约 6.2 倍。

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

指标 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用 GLM 5.2 GLM 5.2 none 发布日期: 2026-06-17
分数 6.7 7.1
排名 #78 #61
可靠性 10.0 9.9
一致性 8.0 9.6
测试正确
尝试通过率 52.4% 60.3%
不稳定测试 5 1
总运行次数 63 63
每个结果成本 0.141 0.628
总成本 $0.013 $0.076
输入价格 $0.039 / 1M $1.400 / 1M
输出价格 $0.180 / 1M $4.400 / 1M
总输入令牌 39,084 38,671
输出令牌 20,013 4,817
推理令牌 50,233 0
响应时间（平均） 22.28s 6.34s
响应时间（最大） 68.16s 20.69s
响应时间（总计） 311.96s 133.19s

生成展示

Hamster playing table tennis

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

#78 gpt-oss-120b

medium
成本
$0.001
时间
26.7s
令牌
555 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-oss-120b 6.7 9.9 50.0% 0 10.21s 1,314 3,518 2,177
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-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
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-oss-120b 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
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-oss-120b 6.4 5.9 66.7% 1 1.98s 7,476 241 1,114
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-oss-120b 2.9 4.4 22.2% 2 50.92s 1,266 6,784 20,606
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-oss-120b 4.3 10.0 0.0% 0 7.90s 659 107 387
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-oss-120b 9.9 10.0 100.0% 0 7.63s 1,036 126 1,799
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-oss-120b 5.3 7.2 44.4% 1 21.71s 1,190 1,790 2,264
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-oss-120b 9.8 10.0 100.0% 0 6.91s 6,514 287 1,083
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-oss-120b 3.0 10.0 0.0% 0 26.51s 312 3,101 3,758
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 5.2noneStep 3.7 FlashhighvsGLM 5.2noneKimi K2.7 CodemediumvsGLM 5.2noneGemini 3.5 Flashminimalvsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmedium免费可用Gemini 3 Flash Previewnonevsgpt-oss-120bmedium免费可用Grok 4.20mediumvsGLM 5.2noneGemini 3 Flash PreviewlowvsGLM 5.2noneGemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash Litelowvsgpt-oss-120bmedium免费可用MiMo-V2.5-PromediumvsGLM 5.2none