Grok 4.3 (medium) vs GLM 5.1

已对比模型

排名: #199
总输出令牌: 232,542
响应时间（平均）: 44.53s
总成本: $0.989

排名: #196
总输出令牌: 20,076
响应时间（平均）: 11.10s
总成本: $0.311

推荐模型 GLM 5.1

它在这里得分最高（6.5），同时成本比Grok 4.3 (medium)低约 3.2 倍。

详细对比

指标	Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01	GLM 5.1 GLM 5.1 none 发布日期: 2026-04-07

指标	Grok 4.3 Grok 4.3 medium 发布日期: 2026-05-01	GLM 5.1 GLM 5.1 none 发布日期: 2026-04-07
分数	6.5	6.5
排名	#199	#196
可靠性	10.0	10.0
一致性	8.3	8.2
尝试次数	69/69	69/69
测试正确
尝试通过率	63.8%	47.8%
不稳定测试	5	5
总运行次数	69	69
每个结果成本	8.235	3.478
总成本	$0.989	$0.311
输入价格	$1.250 / 1M	$0.965 / 1M
输出价格	$2.500 / 1M	$3.032 / 1M
总输入令牌	325,471	258,956
输出令牌	14,867	20,076
推理令牌	217,675	0
响应时间（平均）	44.53s	11.10s
响应时间（最大）	216.69s	107.19s
响应时间（总计）	1024.25s	255.39s
参数量	~1.5T 总计 (~150B 激活)	744B 总计 (40B 激活)
开放状态	闭源	开源

模型生成展示

Hamster playing table tennis

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

#199 SpaceXAI: Grok 4.3

medium

成本: $0.009
时间: 19.0s
令牌: 3,661 tok

#196 GLM 5.1

none

Reached the allocated time limit (300 seconds) without receiving showcase output.

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

类别:

智能体任务	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 4.3	3.9	9.6	0.0%	0		51.61s	185,227	1,128	5,510
GLM 5.1	10.0	10.0	100.0%	0		107.19s	134,737	5,683	0

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 4.3	10.0	10.0	100.0%	0		8.83s	2,010	88	8,207
GLM 5.1	4.0	6.3	25.0%	2		2.11s	555	305	0

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 4.3	5.9	7.7	44.4%	1		41.23s	8,340	1,028	31,226
GLM 5.1	3.9	9.7	0.0%	0		4.96s	7,256	525	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）	输入令牌	输出令牌	推理令牌
Grok 4.3	6.5	10.0	50.0%	0		55.07s	108,468	11,992	21,601
GLM 5.1	2.8	1.8	33.3%	2		46.88s	99,907	12,768	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）	输入令牌	输出令牌	推理令牌
Grok 4.3	10.0	10.0	100.0%	0		18.97s	7,761	180	9,546
GLM 5.1	10.0	10.0	100.0%	0		1.08s	7,107	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）	输入令牌	输出令牌	推理令牌
Grok 4.3	3.5	4.4	33.3%	2		158.01s	1,977	14	95,783
GLM 5.1	5.3	7.2	44.4%	1		2.27s	697	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）	输入令牌	输出令牌	推理令牌
Grok 4.3	5.4	2.5	66.7%	1		24.70s	825	70	5,020
GLM 5.1	5.0	10.0	0.0%	0		790ms	477	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）	输入令牌	输出令牌	推理令牌
Grok 4.3	9.8	10.0	100.0%	0		18.58s	1,362	57	8,713
GLM 5.1	9.8	10.0	100.0%	0		1.98s	636	66	0

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 4.3	5.9	7.2	55.6%	1		22.52s	1,689	128	14,468
GLM 5.1	7.7	10.0	66.7%	0		1.45s	609	151	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）	输入令牌	输出令牌	推理令牌
Grok 4.3	10.0	10.0	100.0%	0		17.66s	7,263	168	4,615
GLM 5.1	10.0	10.0	100.0%	0		10.68s	6,789	300	0

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 4.3	3.0	10.0	0.0%	0		44.47s	549	14	12,986
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

快速对比

切换对比组合

KAT-Coder-Pro V2.5highvsGrok 4.3medium Grok 4.3mediumvsGLM 5.2none KAT-Coder-Pro V2.5highvsGLM 5.1none Laguna XS 2.1medium免费可用vsGLM 5.1none Qwen3.5-122B-A10BnonevsGrok 4.3medium Grok 4.3mediumvsGLM 5.3low Mercury 2.5highvsGLM 5.1none Gemini 3 Flash PreviewnonevsGrok 4.3medium Qwen3.5 Plus 2026-02-15nonevsGrok 4.3medium Mercury 2.5highvsGrok 4.3medium Mercury 2.5 PreviewhighvsGLM 5.1none Mercury 2.5 PreviewhighvsGrok 4.3medium