- 排名
- #72
- 总输出令牌
- 236,627
- 响应时间（平均）
- 62.57s
- 总成本
- $1.046
Inkling (high) vs GLM 5.2 (high)
Inkling (high) 平均分领先，为 8.0 vs 8.0。 Inkling (high) benchmark 成本更低，为 $1.046 vs $1.721。 Inkling (high) 更快，为 62.57s vs 69.86s，通过率为 77.3% vs 69.7%。
已对比模型
- 排名
- #76
- 总输出令牌
- 364,655
- 响应时间（平均）
- 69.86s
- 总成本
- $1.721
推荐模型
Inkling (high)
它在这里得分最高（8.0），同时成本比GLM 5.2 (high)低约 1.6 倍。
详细对比
| 指标 | Inkling Inkling high | GLM 5.2 GLM 5.2 high |
|---|---|---|
| 分数 | 8.0 | 8.0 |
| 排名 | #72 | #76 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 77.3% | 69.7% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.968 | 6.849 |
| 总成本 | $1.046 | $1.721 |
| 输入价格 | $1.000 / 1M | $1.400 / 1M |
| 输出价格 | $4.050 / 1M | $4.400 / 1M |
| 总输入令牌 | 86,755 | 83,822 |
| 输出令牌 | 6,057 | 72,040 |
| 推理令牌 | 230,570 | 292,615 |
| 响应时间（平均） | 62.57s | 69.86s |
| 响应时间（最大） | 327.51s | 599.43s |
| 响应时间（总计） | 1376.46s | 1536.98s |
| 参数量 | 975B 总计 (41B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 开源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#72 Thinking Machines: Inkling
high- 成本
- $0.005
- 时间
- 32.2s
- 令牌
- 1,275 tok
#76 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
快速对比
切换对比组合
DeepSeek V4 Flash 0731lowvsInklinghighDeepSeek V4 Flash 0731lowvsGLM 5.2highInklingmediumvsGLM 5.2highMuse Glimmer 30BxhighvsInklinghighGPT-5 MinimediumvsInklinghighQwen3.8 2.4T A95BlowvsInklinghighKimi K3maxvsGLM 5.2highGPT-5.2 ChatnonevsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2highMuse Glimmer 30BxhighvsGLM 5.2highGPT-5 MinimediumvsGLM 5.2highQwen3.8 27BlowvsGLM 5.2high