- 排名
- #137
- 总输出令牌
- 249,242
- 响应时间(平均)
- 62.72s
- 总成本
- $1.238
Inkling (high) vs GLM 5.2 (high)
平均分几乎持平,为 8.4 vs 8.4。 Inkling (high) benchmark 成本更低,为 $1.238 vs $4.632。 Inkling (high) 更快,为 62.72s vs 69.11s,通过率为 78.3% vs 71.0%。
已对比模型
- 排名
- #142
- 总输出令牌
- 382,333
- 响应时间(平均)
- 69.11s
- 总成本
- $4.632
推荐模型
Inkling (high)
它在这里得分最高(8.4),同时成本比GLM 5.2 (high)低约 3.7 倍。
详细对比
| 指标 | Inkling Inkling high 免费可用 | GLM 5.2 GLM 5.2 high |
|---|---|---|
| 分数 | 8.4 | 8.4 |
| 排名 | #137 | #142 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.0 | 8.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 71.0% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 7.812 | 7.314 |
| 总成本 | $1.238 | $4.632 |
| 输入价格 | $0.950 / 1M | $0.153 / 1M |
| 输出价格 | $4.050 / 1M | $12.000 / 1M |
| 缓存读取价格 | $0.160 / 1M | $0.150 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 240,395 | 288,913 |
| 输出令牌 | 7,169 | 79,462 |
| 推理令牌 | 242,073 | 303,120 |
| 响应时间(平均) | 62.72s | 69.11s |
| 响应时间(最大) | 327.51s | 599.43s |
| 响应时间(总计) | 1442.48s | 1589.43s |
| 参数量 | 975B 总计 (41B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 开源 | 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.
#137 Thinking Machines: Inkling
high- 成本
- $0.005
- 时间
- 32.2s
- 令牌
- 1,275 tok
#142 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
类别细分
快速对比
切换对比组合
Particle-1minimalvsGLM 5.2highGemini 3.1 Pro PreviewmediumvsInklinghigh免费可用Muse Glimmer 30BxhighvsInklinghigh免费可用GPT-5 MinimediumvsInklinghigh免费可用Qwen3.8 2.4T A95BlowvsInklinghigh免费可用Particle-1minimalvsInklinghigh免费可用GPT-6.2 SollowvsInklinghigh免费可用Kimi K3maxvsGLM 5.2highGemini 3.1 Pro PreviewmediumvsGLM 5.2highMuse Glimmer 30BxhighvsGLM 5.2highGPT-5 MinimediumvsGLM 5.2highQwen3.8 2.4T A95BlowvsGLM 5.2high