导航
AI BENCHY
Advertise here

AI BENCHY 对比

xAI: Grok 4.20 vs Z.ai: GLM 5V Turbo

摘要

Grok 4.20 vs GLM 5V Turbo benchmark 对比：Grok 4.20 平均分领先，为 7.3 vs 7.3。 GLM 5V Turbo benchmark 成本更低，为 $0.457 vs $0.609。 GLM 5V Turbo 更快，为 23.08s vs 27.68s，通过率为 63.5% vs 68.3%。

推荐模型: GLM 5V Turbo - 它提供了最佳整体取舍：得分有竞争力（7.3），成本低于Grok 4.20，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31 GLM 5V Turbo GLM 5V Turbo medium 发布日期: 2026-04-01
分数 7.3 7.3
排名 #53 #56
可靠性 10.0 10.0
一致性 8.8 7.9
测试正确
尝试通过率 63.5% 68.3%
不稳定测试 3 6
总运行次数 63 63
每个结果成本 8.309 4.151
总成本 $0.609 $0.457
输入价格 $1.250 / 1M $1.200 / 1M
输出价格 $2.500 / 1M $4.000 / 1M
总输入令牌 44,433 44,615
输出令牌 1,819 2,347
推理令牌 219,524 98,415
响应时间（平均） 27.68s 23.08s
响应时间（最大） 199.66s 95.88s
响应时间（总计） 581.26s 484.63s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#53 xAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 tok

#56 GLM 5V Turbo

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

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） 输入令牌 输出令牌 推理令牌
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
GLM 5V Turbo 7.2 6.1 75.0% 2 10.76s 555 587 7,872
编程 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） 输入令牌 输出令牌 推理令牌
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
GLM 5V Turbo 6.0 7.2 55.6% 1 63.38s 7,256 440 37,873
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） 输入令牌 输出令牌 推理令牌
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
GLM 5V Turbo 6.9 3.8 66.7% 1 15.06s 18,533 403 2,523
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） 输入令牌 输出令牌 推理令牌
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
GLM 5V Turbo 10.0 10.0 100.0% 0 9.60s 7,107 236 4,333
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） 输入令牌 输出令牌 推理令牌
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
GLM 5V Turbo 5.3 7.2 44.4% 1 38.15s 687 32 29,035
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） 输入令牌 输出令牌 推理令牌
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
GLM 5V Turbo 10.0 10.0 100.0% 0 11.09s 477 131 2,183
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） 输入令牌 输出令牌 推理令牌
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
GLM 5V Turbo 9.9 10.0 100.0% 0 3.74s 636 72 1,813
谜题求解 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） 输入令牌 输出令牌 推理令牌
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
GLM 5V Turbo 7.7 10.0 66.7% 0 10.24s 609 131 4,496
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） 输入令牌 输出令牌 推理令牌
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
GLM 5V Turbo 7.0 3.7 66.7% 1 12.53s 8,569 293 765
常识问答 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） 输入令牌 输出令牌 推理令牌
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442
GLM 5V Turbo 3.0 10.0 0.0% 0 40.96s 186 22 7,522

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Opus 4.8nonevsGrok 4.20mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5.2noneStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.20mediumStep 3.7 FlashlowvsGrok 4.20mediumGemini 3.5 FlashnonevsGrok 4.20mediumGemini 3 Flash PreviewnonevsGrok 4.20medium