AI BENCHY 对比
xAI: Grok 4.20 Multi-Agent Beta vs Z.ai: GLM 5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-17
| 指标 | Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium | GLM 5 GLM 5 none |
|---|---|---|
| 排名 | #44 | #40 |
| 分数 | 6.2 | 6.7 |
| 一致性 | 7.2 | 10.0 |
| 每个结果成本 | 82.962 | 0.201 |
| 总成本 | $4.978 | $0.019 |
| 测试正确 | ||
| 尝试通过率 | 54.9% | 52.9% |
| 不稳定测试 | 6 | 0 |
| 总运行次数 | 51 | 51 |
| 输出令牌 | 298,948 | 1,551 |
| 推理令牌 | 296,529 | 0 |
| 响应时间（平均） | 8.64s | 3.77s |
| 响应时间（最大） | 35.28s | 11.07s |
| 响应时间（总计） | 129.64s | 37.66s |
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 | 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 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| 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 Multi-Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 | |
| 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 Multi-Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 | |
| 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 Multi-Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 | |
| 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 Multi-Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 | |
| 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 Multi-Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 | |
| 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 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| 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 5noneDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumNemotron 3 Super 120b A12bmedium免费可用vsGLM 5noneGrok 4.1 FastmediumvsGLM 5noneHunter AlphamediumvsGLM 5noneSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumGPT-5.4 MinimediumvsGLM 5noneMercury 2mediumvsGLM 5none