AI BENCHY 对比
Grok 4.1 Fast vs Z.ai: GLM 4.7 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Grok 4.1 Fast Grok 4.1 Fast medium | GLM 4.7 Flash GLM 4.7 Flash none |
|---|---|---|
| 分数 | 6.5 | 5.8 |
| 排名 | #84 | #104 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.3 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 61.4% | 40.4% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.644 | 0.049 |
| 总成本 | $0.058 | $0.003 |
| ???? | $0.000 / 1M | $0.060 / 1M |
| ???? | $0.000 / 1M | $0.400 / 1M |
| 输出令牌 | 2,025 | 2,498 |
| 推理令牌 | 96,679 | 0 |
| 响应时间（平均） | 24.01s | 3.13s |
| 响应时间（最大） | 121.79s | 7.05s |
| 响应时间（总计） | 288.18s | 37.60s |
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
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 8.7 | 7.9 | 91.7% | 1 | 3.81s | 108 | 4,741 | |
| GLM 4.7 Flash | 5.2 | 7.9 | 41.7% | 1 | 5.51s | 438 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 2.3 | 1.1 | 33.3% | 1 | 23.58s | 821 | 6,703 | |
| GLM 4.7 Flash | 6.4 | 9.9 | 0.0% | 0 | 5.57s | 626 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 37.64s | 261 | 12,272 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 3.22s | 704 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 10.0 | 10.0 | 100.0% | 0 | 6.63s | 180 | 5,409 | |
| GLM 4.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 4.82s | 196 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 5.8 | 4.4 | 66.7% | 2 | 121.79s | 11 | 37,657 | |
| GLM 4.7 Flash | 7.7 | 10.0 | 66.7% | 0 | 744ms | 19 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 4.2 | 9.9 | 0.0% | 0 | 16.25s | 127 | 3,456 | |
| GLM 4.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 1.59s | 134 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 6.5 | 10.0 | 50.0% | 0 | 5.30s | 55 | 3,489 | |
| GLM 4.7 Flash | 6.5 | 10.0 | 50.0% | 0 | 888ms | 62 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 5.3 | 7.2 | 44.4% | 1 | 8.08s | 187 | 6,086 | |
| GLM 4.7 Flash | 6.4 | 10.0 | 33.3% | 0 | 1.00s | 98 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 2.8 | 1.6 | 33.3% | 1 | 27.71s | 260 | 11,485 | |
| GLM 4.7 Flash | 2.8 | 1.6 | 33.3% | 1 | 7.05s | 212 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.1 Fast | 3.0 | 10.0 | 0.0% | 0 | 25.52s | 15 | 5,381 | |
| GLM 4.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 692ms | 9 | 0 |
快速对比
切换对比组合
Grok 4.1 FastmediumvsGLM 5noneCobuddymedium免费可用vsGLM 4.7 Flashnonegpt-oss-120bmedium免费可用vsGLM 4.7 FlashnoneQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemini 2.5 FlashnonevsGrok 4.1 FastmediumGemma 4 26B A4Bnone免费可用vsGrok 4.1 FastmediumOwl AlphamediumvsGLM 4.7 FlashnoneGemini 3.1 Flash LitenonevsGrok 4.1 FastmediumMiniMax M2.5medium免费可用vsGLM 4.7 FlashnoneMistral Small 4mediumvsGLM 4.7 FlashnoneGPT-5.5nonevsGrok 4.1 Fastmedium