AI BENCHY 对比
xAI: Grok 4.20 Beta vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-15
| 指标 | Grok 4.20 Beta Grok 4.20 Beta none | GLM 5 Turbo GLM 5 Turbo none |
|---|---|---|
| 排名 | #54 | #53 |
| 分数 | 5.5 | 5.7 |
| 一致性 | 9.1 | 9.5 |
| 每个结果成本 | 2.214 | 0.467 |
| 总成本 | $0.089 | $0.028 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 39.6% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 1,511 | 1,264 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.22s | 2.92s |
| 响应时间（最大） | 6.48s | 8.21s |
| 响应时间（总计） | 19.53s | 46.72s |
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 | 4.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 0 | |
| GLM 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 3.01s | 376 | 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 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 4.89s | 144 | 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 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 2.47s | 204 | 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 5 Turbo | 5.3 | 10.0 | 33.3% | 0 | 1.97s | 25 | 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 5 Turbo | 4.2 | 9.9 | 0.0% | 0 | 2.18s | 48 | 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 5 Turbo | 6.5 | 10.0 | 50.0% | 0 | 2.13s | 65 | 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 5 Turbo | 5.5 | 7.4 | 44.4% | 1 | 2.43s | 180 | 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 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 8.21s | 222 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsGLM 5 TurbononeGrok 4.20 Multi-Agent BetamediumvsGLM 5 Turbononegpt-oss-120bmedium免费可用vsGLM 5 TurbononeMiniMax M2.5medium免费可用vsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneGrok 4.20 BetanonevsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneGPT-5 NanomediumvsGLM 5 TurbononeMercury 2mediumvsGLM 5 TurbononeQwen3 Coder NextmediumvsGLM 5 TurbononeQwen3.5-9BmediumvsGrok 4.20 BetanoneGPT-5 NanomediumvsGrok 4.20 Betanone