AI BENCHY 对比
xAI: Grok 4.20 Beta vs Z.ai: GLM 4.7 Flash
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 none | GLM 4.7 Flash GLM 4.7 Flash medium |
|---|---|---|
| 排名 | #52 | #62 |
| 平均分 | 4.4 | 3.1 |
| 一致性 | 9.1 | 6.4 |
| 每个结果成本 | 2.214 | 1.040 |
| 总成本 | $0.089 | $0.042 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 41.7% |
| 不稳定测试 | 2 | 7 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 1,511 | 38,682 |
| 推理令牌 | 0 | 64,952 |
| 响应时间（平均） | 1.22s | 36.84s |
| 响应时间（最大） | 6.48s | 174.55s |
| 响应时间（总计） | 19.53s | 331.58s |
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 | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 0 | |
| GLM 4.7 Flash | 4.0 | 4.5 | 55.6% | 2 | 27.09s | 1,085 | 5,597 |
| 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 | 0.0% | 0 | 6.48s | 282 | 0 | |
| GLM 4.7 Flash | 10.0 | 2.1 | 33.3% | 1 | 65.57s | 2,585 | 20,648 |
| 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 | 601ms | 197 | 0 | |
| GLM 4.7 Flash | 5.0 | 10.0 | 50.0% | 0 | 1.51s | 584 | 2,755 |
| 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 | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 0 | |
| GLM 4.7 Flash | 10.0 | 4.4 | 33.3% | 2 | 174.55s | 33,000 | 25,394 |
| 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 | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 0 | |
| GLM 4.7 Flash | 10.0 | 9.7 | 0.0% | 0 | 18.14s | 18 | 2,138 |
| 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 | 4.5 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 | |
| GLM 4.7 Flash | 5.0 | 5.8 | 66.7% | 1 | 2.97s | 388 | 2,181 |
| 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 | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 0 | |
| GLM 4.7 Flash | 10.0 | 7.2 | 11.1% | 1 | 12.90s | 798 | 5,225 |
| 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 | 100.0% | 0 | 4.79s | 189 | 0 | |
| GLM 4.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 15.95s | 224 | 1,014 |
快速对比
切换对比组合
Grok 4.1 FastnonevsGLM 4.7 FlashmediumMiMo-V2-FlashnonevsGLM 4.7 FlashmediumMercury 2nonevsGLM 4.7 FlashmediumQwen3.5-9BnonevsGLM 4.7 FlashmediumMiniMax M2.5mediumvsGrok 4.20 BetanoneNemotron 3 Super 120b A12bnone免费可用vsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextnonevsGLM 4.7 FlashmediumGPT-4o-mininonevsGLM 4.7 FlashmediumQwen3 Coder NextmediumvsGrok 4.20 BetanoneKimi K2.5nonevsGLM 4.7 Flashmedium