AI BENCHY 对比
Grok 4.20 Multi Agent Beta vs Z.ai: GLM 5.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-07
| 指标 | Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium | GLM 5.1 GLM 5.1 none |
|---|---|---|
| 分数 | 6.2 | 5.6 |
| 排名 | #56 | #67 |
| 一致性 | 7.2 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 54.9% | 39.2% |
| 不稳定测试 | 6 | 4 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 82.962 | 1.000 |
| 总成本 | $4.978 | $0.050 |
| ???? | $0.000 / 1M | $1.000 / 1M |
| ???? | $0.000 / 1M | $3.200 / 1M |
| 输出令牌 | 298,948 | 3,219 |
| 推理令牌 | 296,529 | 0 |
| 响应时间（平均） | 8.64s | 4.01s |
| 响应时间（最大） | 35.28s | 32.57s |
| 响应时间（总计） | 129.64s | 68.23s |
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 Multi Agent Beta | 6.9 | 5.8 | 75.0% | 2 | 3.46s | 33,706 | 33,077 | |
| GLM 5.1 | 4.0 | 6.3 | 25.0% | 2 | 2.11s | 305 | 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 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 5.1 | 2.8 | 2.1 | 33.3% | 1 | 32.57s | 2,129 | 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 Multi Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 1.08s | 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 Multi Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 | |
| GLM 5.1 | 2.9 | 7.2 | 11.1% | 1 | 1.99s | 24 | 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 Multi Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 | |
| GLM 5.1 | 5.0 | 10.0 | 0.0% | 0 | 790ms | 39 | 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 Multi Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 | |
| GLM 5.1 | 8.3 | 10.0 | 50.0% | 0 | 1.58s | 66 | 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 Multi Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 | |
| GLM 5.1 | 5.7 | 10.0 | 33.3% | 0 | 1.48s | 152 | 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 Multi Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 5.1 | 10.0 | 10.0 | 100.0% | 0 | 10.68s | 300 | 0 |
快速对比
切换对比组合
Gemma 4 26B A4Bnone免费可用vsGrok 4.20 Multi Agent BetamediumMistral Small 4mediumvsGLM 5.1noneDeepSeek V3.2nonevsGrok 4.20 Multi Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi Agent BetamediumGrok 4.20 Multi Agent BetamediumvsMiMo-V2-OmninoneMiniMax M2.5medium免费可用vsGLM 5.1noneGrok 4.20 Multi Agent BetamediumvsGLM 5V TurbononeSeed-2.0-LitenonevsGrok 4.20 Multi Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi Agent Betamediumgpt-oss-120bmedium免费可用vsGLM 5.1noneHunter AlphanonevsGrok 4.20 Multi Agent Betamedium