AI BENCHY 对比
OpenAI: gpt-oss-120b vs Z.ai: GLM 5V Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-26
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | GLM 5V Turbo GLM 5V Turbo none |
|---|---|---|
| 分数 | 5.4 | 5.9 |
| 排名 | #119 | #99 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 38.6% | 40.0% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 57 | 60 |
| 每个结果成本 | 0.168 | 0.606 |
| 总成本 | $0.011 | $0.049 |
| ???? | $0.000 / 1M | $1.200 / 1M |
| ???? | $0.000 / 1M | $4.000 / 1M |
| 输出令牌 | 51,664 | 1,760 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 21.61s | 3.04s |
| 响应时间（最大） | 113.71s | 6.51s |
| 响应时间（总计） | 345.79s | 60.88s |
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 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-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 | |
| GLM 5V Turbo | 6.8 | 10.0 | 50.0% | 0 | 3.77s | 354 | 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 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-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.06s | 1,940 | 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-oss-120b | 6.0 | 7.2 | 55.6% | 1 | 8.21s | 3,982 | 0 | |
| GLM 5V Turbo | 5.3 | 10.0 | 33.3% | 0 | 2.40s | 210 | 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 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
MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用gpt-oss-120bmedium免费可用vsGLM 5V TurbononeNemotron 3 Supermedium免费可用vsGLM 5V TurbononeMistral Small 4mediumvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsElephant AlphamediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Owl AlphamediumvsGLM 5V TurbononeCobuddymedium免费可用vsGLM 5V TurbononeGPT-5 NanomediumvsGLM 5V TurbononeCobuddymedium免费可用vsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsOwl AlphamediumMiniMax M2.5medium免费可用vsGLM 5V Turbonone