导航
AI BENCHY
Your ad here

AI BENCHY 对比

xAI: Grok 4.20 vs Z.ai: GLM 5

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-02

指标 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31 GLM 5 GLM 5 none 发布日期: 2026-02-12
分数 7.1 6.7
排名 #40 #48
一致性 8.2 10.0
测试正确
尝试通过率 66.7% 52.9%
不稳定测试 4 0
总运行次数 51 51
每个结果成本 7.358 0.201
总成本 $0.663 $0.019
???? $2.000 / 1M $0.720 / 1M
???? $6.000 / 1M $2.300 / 1M
输出令牌 1,494 1,551
推理令牌 97,078 0
响应时间（平均） 9.50s 3.77s
响应时间（最大） 29.87s 11.07s
响应时间（总计） 161.54s 37.66s

按分数排名的模型

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 8.2 7.9 83.3% 1 3.36s 280 8,476
GLM 5 4.8 10.0 25.0% 0 2.37s 275 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 10.0 10.0 100.0% 0 17.40s 232 9,556
GLM 5 3.0 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 10.0 10.0 100.0% 0 4.17s 180 5,333
GLM 5 10.0 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 5.3 10.0 33.3% 0 27.03s 375 49,339
GLM 5 3.0 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 5.8 2.8 66.7% 1 7.09s 47 4,252
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 7.3 5.9 83.3% 1 4.42s 40 5,474
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 6.4 7.7 55.6% 1 3.89s 143 8,028
GLM 5 7.7 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 3.0 10.0 0.0% 0 13.68s 197 6,620
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 5noneClaude Sonnet 4.6nonevsGrok 4.20mediumNemotron 3 Supermedium免费可用vsGLM 5noneGrok 4.1 FastmediumvsGLM 5noneHunter AlphamediumvsGLM 5noneQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGPT-5.4 MinimediumvsGLM 5noneGemma 4 31BnonevsGrok 4.20mediumMercury 2mediumvsGLM 5noneGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5 NanomediumvsGLM 5noneKimi K2.5mediumvsGLM 5none