- 排名
- #141
- 总输出令牌
- 291,229
- 响应时间(平均)
- 106.83s
- 总成本
- $1.830
Qwen4 Max (xhigh) vs GLM 5.2 (medium)
GLM 5.2 (medium) 平均分领先,为 8.2 vs 8.2。 GLM 5.2 (medium) benchmark 成本更低,为 $1.007 vs $1.830。 GLM 5.2 (medium) 更快,为 26.88s vs 106.83s,通过率为 82.6% vs 81.2%。
已对比模型
- 排名
- #137
- 总输出令牌
- 81,020
- 响应时间(平均)
- 26.88s
- 总成本
- $1.007
推荐模型
GLM 5.2 (medium)
它在这里得分最高(8.2),同时成本比Qwen4 Max (xhigh)低约 1.8 倍。
详细对比
| 指标 | Qwen4 Max Qwen4 Max xhigh | GLM 5.2 GLM 5.2 medium |
|---|---|---|
| 分数 | 8.2 | 8.2 |
| 排名 | #141 | #137 |
| 可靠性 | 9.8 | 9.6 |
| 一致性 | 9.3 | 8.1 |
| 尝试次数 | 69/69 | 66/69 |
| 测试正确 | ||
| 尝试通过率 | 82.6% | 81.2% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 69 | 66 |
| 每个结果成本 | 10.162 | 2.890 |
| 总成本 | $1.830 | $1.007 |
| 输入价格 | $1.500 / 1M | $0.153 / 1M |
| 输出价格 | $4.500 / 1M | $12.000 / 1M |
| 缓存读取价格 | $0.075 / 1M | $0.150 / 1M |
| 缓存写入价格 | $1.875 / 1M | 不适用 |
| 总输入令牌 | 345,694 | 227,164 |
| 输出令牌 | 8,170 | 20,029 |
| 推理令牌 | 283,059 | 60,991 |
| 响应时间(平均) | 106.83s | 26.88s |
| 响应时间(最大) | 595.00s | 102.40s |
| 响应时间(总计) | 2457.00s | 591.34s |
| 参数量 | ~2.4T 总计 (~95B 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.
#141 Qwen4 Max
xhigh- 成本
- $0.120
- 时间
- 456.4s
- 令牌
- 26,650 tok
#137 GLM 5.2
medium- 成本
- $0.041
- 时间
- 195.8s
- 令牌
- 9,287 tok
类别细分
快速对比
切换对比组合
Seed-2.0-LitemediumvsQwen4 MaxxhighKimi K3.1 ProhighvsQwen4 MaxxhighGrok 4.5highvsGLM 5.2mediumDeepSeek V4.1 Flash 1017maxvsGLM 5.2mediumGemini 4 ArgonlowvsQwen4 MaxxhighGemini 4 ArgonlowvsGLM 5.2mediumSeed-2.0-CodelowvsQwen4 MaxxhighQwen4 MaxxhighvsGLM 5.3 FlashX LegalhighGPT-5.6 TerramediumvsQwen4 MaxxhighKimi K3maxvsGLM 5.2mediumKimi K3.1 ProhighvsGLM 5.2mediumQwen4 MaxxhighvsGrok 4.5high