AI BENCHY 对比
xAI: Grok 4.20 Multi-Agent 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 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium | GLM 5 Turbo GLM 5 Turbo none |
|---|---|---|
| 排名 | #47 | #53 |
| 分数 | 6.0 | 5.7 |
| 一致性 | 7.1 | 9.5 |
| 每个结果成本 | 97.178 | 0.467 |
| 总成本 | $4.859 | $0.028 |
| 测试正确 | ||
| 尝试通过率 | 52.1% | 39.6% |
| 不稳定测试 | 6 | 1 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 293,634 | 1,264 |
| 推理令牌 | 291,260 | 0 |
| 响应时间（平均） | 9.08s | 2.92s |
| 响应时间（最大） | 35.28s | 8.21s |
| 响应时间（总计） | 127.09s | 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 Multi-Agent Beta | 5.8 | 4.4 | 66.7% | 2 | 3.77s | 28,392 | 27,808 | |
| 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 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 Multi-Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 | |
| 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 Multi-Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 | |
| 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 Multi-Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 | |
| 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 Multi-Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 | |
| 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 Multi-Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 | |
| 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 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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
Qwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5medium免费可用vsGLM 5 TurbononeGPT-5.4nonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-27BnonevsGrok 4.20 Multi-Agent Betamediumgpt-oss-120bmedium免费可用vsGLM 5 TurbononeDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumKimi K2.5nonevsGrok 4.20 Multi-Agent Betamedium