导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Qwen: Qwen3.7 Max vs Z.ai: GLM 5.1

摘要

Qwen3.7 Max vs GLM 5.1 benchmark 对比：GLM 5.1 平均分领先，为 7.1 vs 6.9。 Qwen3.7 Max benchmark 成本更低，为 $0.054 vs $0.395。 Qwen3.7 Max 更快，为 1.30s vs 33.67s，通过率为 66.7% vs 68.3%。

推荐模型: Qwen3.7 Max - 它的得分接近这里的最高分（6.9 vs 7.1），同时成本比GLM 5.1低约 7.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22 GLM 5.1 GLM 5.1 medium 发布日期: 2026-04-07
分数 6.9 7.1
排名 #71 #66
可靠性 10.0 6.7
一致性 10.0 8.3
测试正确
尝试通过率 66.7% 68.3%
不稳定测试 0 4
总运行次数 63 63
每个结果成本 0.744 2.496
总成本 $0.054 $0.395
输入价格 $1.250 / 1M $0.975 / 1M
输出价格 $3.750 / 1M $4.301 / 1M
总输入令牌 37,107 32,995
输出令牌 1,994 11,655
推理令牌 0 75,421
响应时间（平均） 1.30s 33.67s
响应时间（最大） 3.92s 172.60s
响应时间（总计） 27.21s 673.41s

生成展示

Hamster playing table tennis

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

#71 Qwen3.7 Max

none
成本
$0.046
时间
195.0s
令牌
12,171 tok

#66 GLM 5.1

medium
无效SVG
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

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
Qwen3.7 Max 6.5 10.0 50.0% 0 1.08s 696 242 0
GLM 5.1 10.0 10.0 100.0% 0 8.31s 555 401 5,122
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
Qwen3.7 Max 5.5 10.0 33.3% 0 1.35s 7,911 582 0
GLM 5.1 4.6 3.7 44.5% 2 109.63s 5,702 4,871 37,826
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
Qwen3.7 Max 3.0 10.0 0.0% 0 2.17s 9,549 171 0
GLM 5.1 9.5 10.0 100.0% 0 43.11s 17,298 327 4,206
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
Qwen3.7 Max 10.0 10.0 100.0% 0 1.35s 7,794 243 0
GLM 5.1 10.0 10.0 100.0% 0 9.33s 7,107 991 4,552
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
Qwen3.7 Max 7.7 10.0 66.7% 0 975ms 789 15 0
GLM 5.1 5.3 10.0 33.3% 0 29.77s 489 969 11,314
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
Qwen3.7 Max 10.0 10.0 100.0% 0 1.04s 522 120 0
GLM 5.1 10.0 10.0 100.0% 0 20.95s 477 2,875 2,875
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
Qwen3.7 Max 10.0 10.0 100.0% 0 943ms 711 72 0
GLM 5.1 6.4 5.8 66.7% 1 7.47s 634 204 1,617
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
Qwen3.7 Max 10.0 10.0 100.0% 0 1.13s 714 314 0
GLM 5.1 8.2 7.2 88.9% 1 31.64s 609 935 5,730
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
Qwen3.7 Max 10.0 10.0 100.0% 0 3.92s 8,211 222 0
GLM 5.1 3.0 10.0 0.0% 0 0ms 0 0 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
Qwen3.7 Max 3.0 10.0 0.0% 0 856ms 210 13 0
GLM 5.1 3.0 10.0 0.0% 0 29.40s 124 82 2,179

快速对比

切换对比组合

Step 3.7 FlashhighvsGLM 5.1mediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneRing-2.6-1TmediumvsQwen3.7 MaxnoneQwen3.7 PlusnonevsGLM 5.1mediumDeepSeek V4 PrononevsGLM 5.1mediumGemini 3.5 FlashnonevsGLM 5.1mediumQwen3.7 MaxnonevsMiMo-V2.5mediumClaude Opus 4.8nonevsGLM 5.1mediumKimi K2.7 CodemediumvsQwen3.7 Maxnonegpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsGLM 5.1mediumLaguna XS 2.1medium免费可用vsQwen3.7 Maxnone