AI BENCHY 对比
OpenAI: gpt-oss-120b vs Z.ai: GLM 4.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | GLM 4.7 Flash GLM 4.7 Flash medium |
|---|---|---|
| 分数 | 5.2 | 4.5 |
| 排名 | #129 | #148 |
| 可靠性 | 10.0 | 8.3 |
| 一致性 | 8.7 | 6.7 |
| 测试正确 | ||
| 尝试通过率 | 36.8% | 35.0% |
| 不稳定测试 | 3 | 8 |
| 总运行次数 | 57 | 60 |
| 每个结果成本 | 0.201 | 1.337 |
| 总成本 | $0.011 | $0.054 |
| ???? | $0.000 / 1M | $0.060 / 1M |
| ???? | $0.000 / 1M | $0.400 / 1M |
| 输出令牌 | 51,505 | 43,771 |
| 推理令牌 | 0 | 89,049 |
| 响应时间（平均） | 21.86s | 35.09s |
| 响应时间（最大） | 113.71s | 174.55s |
| 响应时间（总计） | 349.78s | 456.18s |
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-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 8,676 | 0 | |
| GLM 4.7 Flash | 4.7 | 5.9 | 41.7% | 2 | 14.95s | 1,122 | 6,110 |
| 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-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 | |
| GLM 4.7 Flash | 3.4 | 6.0 | 16.7% | 1 | 55.33s | 4,981 | 22,387 |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 4.7 Flash | 2.8 | 2.1 | 33.3% | 1 | 65.57s | 2,585 | 20,648 |
| 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-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 | |
| GLM 4.7 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.51s | 584 | 2,755 |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 | |
| GLM 4.7 Flash | 3.5 | 4.4 | 33.3% | 2 | 174.55s | 33,000 | 25,394 |
| 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-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 0 | |
| GLM 4.7 Flash | 3.6 | 9.7 | 0.0% | 0 | 18.14s | 18 | 2,138 |
| 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.10s | 1,982 | 0 | |
| GLM 4.7 Flash | 6.2 | 5.8 | 66.7% | 1 | 2.97s | 388 | 2,181 |
| 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-oss-120b | 4.4 | 4.5 | 44.5% | 2 | 9.51s | 3,781 | 0 | |
| GLM 4.7 Flash | 2.9 | 7.2 | 11.1% | 1 | 12.90s | 798 | 5,225 |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 4.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.95s | 224 | 1,014 |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 11.13s | 71 | 1,197 |
快速对比
切换对比组合
GPT-5.4 NanononevsGLM 4.7 FlashmediumLing-2.6-1TnonevsGLM 4.7 FlashmediumMiMo-V2-FlashnonevsGLM 4.7 FlashmediumMercury 2nonevsGLM 4.7 FlashmediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Qwen3.5-9BnonevsGLM 4.7 Flashmediumgpt-oss-120bnone免费可用vsElephant AlphamediumMistral Small 4mediumvsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Trinity Large PreviewnonevsGLM 4.7 FlashmediumMiMo-V2.5nonevsGLM 4.7 FlashmediumGranite 4.1 8BnonevsGLM 4.7 Flashmedium