Qwen: Qwen3.7 Plus vs Z.ai: GLM 5.2

平均分几乎持平，为 7.9 vs 7.8。 GLM 5.2 (medium) benchmark 成本更低，为 $0.068 vs $0.267。 GLM 5.2 (medium) 更快，为 23.28s vs 51.51s，通过率为 75.8% vs 80.3%。

推荐模型GLM 5.2 (medium)它在这里得分最高（7.8），同时成本比Qwen3.7 Plus (medium)低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	7.9	7.8
排名	#36	#38
可靠性	10.0	9.5
一致性	8.9	8.0
测试正确
尝试通过率	75.8%	80.3%
不稳定测试	3	4
总运行次数	66	63
每个结果成本	2.072	2.159
总成本	$0.267	$0.068
输入价格	$0.320 / 1M	$0.293 / 1M
输出价格	$1.280 / 1M	$0.920 / 1M
总输入令牌	115,233	37,199
输出令牌	6,162	12,261
推理令牌	173,267	49,500
响应时间（平均）	51.51s	23.28s
响应时间（最大）	315.30s	101.36s
响应时间（总计）	1133.15s	488.94s

Hamster playing table tennis

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

#36 Qwen3.7 Plus

medium

成本: $0.018
时间: 193.2s
令牌: 10,821 tok

#38 GLM 5.2

medium

成本: $0.041
时间: 195.8s
令牌: 9,287 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

类别:

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 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065
GLM 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576
GLM 5.2	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

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 Plus	8.2	6.9	66.7%	1		190.27s	89,228	4,403	57,645
GLM 5.2	5.0	5.0	50.0%	0		51.96s	12,696	458	4,531

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 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713
GLM 5.2	10.0	10.0	100.0%	0		13.44s	7,149	348	2,345

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 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073
GLM 5.2	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998
GLM 5.2	10.0	10.0	100.0%	0		17.39s	498	54	1,842

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 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013
GLM 5.2	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312
GLM 5.2	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831
GLM 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041
GLM 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

快速对比

切换对比组合

GPT-5.6 TerrahighvsQwen3.7 Plusmedium Claude Opus 4.8lowvsGLM 5.2medium Kimi K3maxvsQwen3.7 Plusmedium GPT-5.6 TerrahighvsGLM 5.2medium Claude Opus 4.8lowvsQwen3.7 Plusmedium Kimi K3maxvsGLM 5.2medium GPT-5.6 LunahighvsGLM 5.2medium Qwen3.7 PlusmediumvsGLM 5.2high GPT-5.2 ChatnonevsQwen3.7 Plusmedium DeepSeek V4 FlashhighvsGLM 5.2medium GPT-5.6 LunahighvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsInklinghigh