导航
Advertise here

Particle-1 (high) vs GLM 5.2 (high)

平均分几乎持平,为 8.4 vs 8.4。 Particle-1 (high) benchmark 成本更低,为 $0.170 vs $4.632。 Particle-1 (high) 更快,为 26.66s vs 69.11s,通过率为 72.5% vs 71.0%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-10

已对比模型

排名
#111
总输出令牌
307,596
响应时间(平均)
26.66s
总成本
$0.170
排名
#113
总输出令牌
382,333
响应时间(平均)
69.11s
总成本
$4.632
推荐模型 Particle-1 (high)

它在这里得分最高(8.4),同时成本比GLM 5.2 (high)低约 27.3 倍。

详细对比

指标 Particle-1 Particle-1 high 发布日期: 2026-10-28 GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数 8.4 8.4
排名 #111 #113
可靠性 9.7 10.0
一致性 8.7 8.6
尝试次数 69/69 69/69
测试正确
尝试通过率 72.5% 71.0%
不稳定测试 4 3
总运行次数 69 69
每个结果成本 1.131 7.314
总成本 $0.170 $4.632
输入价格 $0.050 / 1M $0.153 / 1M
输出价格 $0.500 / 1M $12.000 / 1M
缓存读取价格 $0.003 / 1M $0.150 / 1M
缓存写入价格 不适用 不适用
总输入令牌 314,243 288,913
输出令牌 7,814 79,462
推理令牌 299,782 303,120
响应时间(平均) 26.66s 69.11s
响应时间(最大) 205.97s 599.43s
响应时间(总计) 613.21s 1589.43s
参数量 ~748B 总计 (~16B 激活) 744B 总计 (40B 激活)
开放状态 闭源 开源

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#111 Particle-1

high
成本
$0.005
时间
46.6s
令牌
9,055 tok

#113 GLM 5.2

high
Reached the allocated time limit (300 seconds) without receiving showcase output.
成本
$0.000
时间
300.0s
令牌
0 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

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
Particle-1 10.0 10.0 100.0% 0 41.83s 7,986 393 70,244
GLM 5.2 6.4 8.6 33.3% 0 73.03s 5,124 2,302 22,546

切换对比组合