AI BENCHY 对比
xAI: Grok 4.20 Beta vs Z.ai: GLM 5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Grok 4.20 Beta Grok 4.20 Beta medium | GLM 5 GLM 5 none |
|---|---|---|
| 排名 | #24 | #33 |
| 平均分 | 7.0 | 6.0 |
| 一致性 | 9.0 | 10.0 |
| 每个结果成本 | 5.989 | 0.200 |
| 总成本 | $0.599 | $0.018 |
| 测试正确 | ||
| 尝试通过率 | 70.8% | 56.3% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 1,481 | 1,548 |
| 推理令牌 | 86,628 | 0 |
| 响应时间（平均） | 8.89s | 4.03s |
| 响应时间（最大） | 24.21s | 11.07s |
| 响应时间（总计） | 142.18s | 36.30s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 4.20 Beta | 7.0 | 7.2 | 88.9% | 1 | 3.19s | 262 | 6,289 | |
| GLM 5 | 4.0 | 10.0 | 33.3% | 0 | 3.39s | 272 | 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 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 20.93s | 227 | 12,212 | |
| GLM 5 | 10.0 | 10.0 | 0.0% | 0 | 4.98s | 406 | 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 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 4.01s | 180 | 5,281 | |
| GLM 5 | 9.9 | 10.0 | 100.0% | 0 | 5.78s | 203 | 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 4.20 Beta | 4.0 | 10.0 | 33.3% | 0 | 21.33s | 251 | 40,255 | |
| GLM 5 | 10.0 | 10.0 | 0.0% | 0 | 2.24s | 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 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 72 | 3,440 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 3.27s | 103 | 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 4.20 Beta | 9.0 | 10.0 | 50.0% | 0 | 4.97s | 57 | 7,107 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 1.48s | 61 | 0 |
| Puzzle Solving | 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 4.20 Beta | 7.0 | 7.2 | 88.9% | 1 | 3.85s | 249 | 6,660 | |
| GLM 5 | 7.0 | 10.0 | 66.7% | 0 | 2.05s | 264 | 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 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 12.39s | 183 | 5,384 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 11.07s | 220 | 0 |
快速对比
切换对比组合
GPT-5 MinimediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumHunter AlphamediumvsGLM 5noneGrok 4.1 FastmediumvsGLM 5noneGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumNemotron 3 Super 120b A12bmedium免费可用vsGLM 5noneGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumKimi K2.5mediumvsGLM 5noneGPT-5.2 ChatnonevsGrok 4.20 BetamediumGPT-5.2mediumvsGLM 5none