Thinking Machines: Inkling vs Z.ai: GLM 5.2

Inkling (high) 平均分领先，为 8.0 vs 7.8。 GLM 5.2 (medium) benchmark 成本更低，为 $0.068 vs $1.006。 GLM 5.2 (medium) 更快，为 23.28s vs 64.16s，通过率为 77.3% vs 80.3%。

推荐模型GLM 5.2 (medium)它的得分接近这里的最高分（7.8 vs 8.0），同时成本比Inkling (high)低约 14.9 倍。

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

指标	Inkling Inkling high 发布日期: 2026-07-18	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	Inkling Inkling high 发布日期: 2026-07-18	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	8.0	7.8
排名	#28	#38
可靠性	9.8	9.5
一致性	8.9	8.0
测试正确
尝试通过率	77.3%	80.3%
不稳定测试	3	4
总运行次数	66	63
每个结果成本	6.704	2.159
总成本	$1.006	$0.068
输入价格	$1.000 / 1M	$0.293 / 1M
输出价格	$4.050 / 1M	$0.920 / 1M
总输入令牌	86,746	37,199
输出令牌	6,055	12,261
推理令牌	220,791	49,500
响应时间（平均）	64.16s	23.28s
响应时间（最大）	327.51s	101.36s
响应时间（总计）	1411.59s	488.94s

Hamster playing table tennis

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

#28 Thinking Machines: Inkling

high

成本: $0.005
时间: 32.2s
令牌: 1,275 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
Inkling	10.0	10.0	100.0%	0		12.68s	702	455	7,204
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
Inkling	8.5	10.0	66.7%	0		148.36s	7,374	430	78,982
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
Inkling	7.3	5.8	83.3%	1		63.78s	61,296	3,854	19,895
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
Inkling	10.0	10.0	100.0%	0		8.19s	7,068	216	2,349
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
Inkling	7.7	10.0	66.7%	0		186.39s	683	59	76,777
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
Inkling	10.0	10.0	100.0%	0		6.53s	501	182	1,151
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
Inkling	9.8	10.0	100.0%	0		7.00s	708	93	2,098
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
Inkling	6.9	4.9	77.8%	2		10.69s	714	429	4,623
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
Inkling	3.0	10.0	0.0%	0		6.52s	7,481	307	601
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
Inkling	3.0	10.0	0.0%	0		153.57s	219	30	27,111
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

Step 3.7 FlashmediumvsInklinghigh GPT-5.2 ChatnonevsInklinghigh GPT-5 MinimediumvsInklinghigh Claude Opus 4.8lowvsGLM 5.2medium Kimi K3maxvsInklinghigh GPT-5.6 TerrahighvsGLM 5.2medium Kimi K3maxvsGLM 5.2medium GPT-5.6 LunahighvsGLM 5.2medium Seed-2.0-LitemediumvsInklinghigh DeepSeek V4 FlashhighvsGLM 5.2medium Qwen3.7 PlusmediumvsInklinghigh DeepSeek V4 ProhighvsGLM 5.2medium