AI BENCHY 对比
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：: 2026-04-04
| 指标 | Grok 4.20 Beta Grok 4.20 Beta none | GLM 4.7 Flash GLM 4.7 Flash none |
|---|---|---|
| 分数 | 5.3 | 5.6 |
| 排名 | #72 | #70 |
| 一致性 | 9.1 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 31.4% | 39.2% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 2.240 | 0.053 |
| 总成本 | $0.090 | $0.003 |
| ???? | $0.000 / 1M | $0.060 / 1M |
| ???? | $0.000 / 1M | $0.400 / 1M |
| 输出令牌 | 1,517 | 1,863 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.19s | 3.13s |
| 响应时间（最大） | 6.48s | 7.05s |
| 响应时间（总计） | 20.22s | 31.33s |
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 4.20 Beta | 4.0 | 8.4 | 16.7% | 1 | 597ms | 251 | 0 | |
| GLM 4.7 Flash | 5.2 | 7.9 | 41.7% | 1 | 5.51s | 438 | 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 | 3.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 0 | |
| 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 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 601ms | 197 | 0 | |
| 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 4.20 Beta | 3.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 0 | |
| 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 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 0 | |
| 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 4.20 Beta | 4.8 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 | |
| GLM 4.7 Flash | 6.5 | 10.0 | 50.0% | 0 | 888ms | 62 | 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 | 5.9 | 7.2 | 55.6% | 1 | 541ms | 291 | 0 | |
| GLM 4.7 Flash | 4.4 | 10.0 | 0.0% | 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 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 | |
| GLM 4.7 Flash | 2.8 | 1.6 | 33.3% | 1 | 7.05s | 212 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsGLM 4.7 FlashnoneMistral Small 4mediumvsGrok 4.20 BetanoneMiniMax M2.7mediumvsGrok 4.20 BetanoneMiniMax M2.5medium免费可用vsGLM 4.7 Flashnonegpt-oss-120bmedium免费可用vsGLM 4.7 FlashnoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneMiniMax M2.7mediumvsGLM 4.7 FlashnoneMiniMax M2.5medium免费可用vsGrok 4.20 BetanoneGrok 4.20 BetanonevsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneGrok 4.20 Multi Agent BetamediumvsGLM 4.7 FlashnoneGPT-5 NanomediumvsGLM 4.7 Flashnone