Grok 4.5 (high) vs GLM 5.2 (medium)

已对比模型

排名: #82
总输出令牌: 333,632
响应时间（平均）: 72.50s
总成本: $2.571

排名: #83
总输出令牌: 81,020
响应时间（平均）: 26.88s
总成本: $0.398

推荐模型 GLM 5.2 (medium)

它在这里得分最高（8.2），同时成本比Grok 4.5 (high)低约 6.5 倍。

详细对比

指标	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17

指标	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08	GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数	8.2	8.2
排名	#82	#83
可靠性	10.0	9.6
一致性	8.9	8.1
尝试次数	69/69	66/69
测试正确
尝试通过率	82.6%	81.2%
不稳定测试	3	4
总运行次数	69	66
每个结果成本	15.123	2.890
总成本	$2.571	$0.398
输入价格	$2.000 / 1M	$0.325 / 1M
输出价格	$6.000 / 1M	$3.990 / 1M
总输入令牌	342,124	227,164
输出令牌	7,135	20,029
推理令牌	326,497	60,991
响应时间（平均）	72.50s	26.88s
响应时间（最大）	676.83s	102.40s
响应时间（总计）	1667.51s	591.34s
参数量	~1.7T 总计 (~170B 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.

#82 SpaceXAI: Grok 4.5

high

成本: $0.015
时间: 29.7s
令牌: 2,737 tok

#83 GLM 5.2

medium

成本: $0.041
时间: 195.8s
令牌: 9,287 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 4.5	5.0	10.0	0.0%	0		76.95s	189,949	1,480	7,690
GLM 5.2	10.0	10.0	100.0%	0		102.40s	189,965	7,768	11,491

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 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545
GLM 5.2	10.0	10.0	100.0%	0		5.89s	639	497	2,634

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 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752
GLM 5.2	8.2	7.2	88.9%	1		40.96s	7,317	1,475	17,123

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 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004
GLM 5.2	5.0	5.0	50.0%	0		51.96s	12,696	458	4,531

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 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888
GLM 5.2	10.0	10.0	100.0%	0		13.44s	7,149	348	2,345

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 4.5	4.1	4.4	44.5%	2		301.27s	2,523	6	173,117
GLM 5.2	4.1	4.4	44.5%	2		45.47s	551	8,188	11,606

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 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899
GLM 5.2	10.0	10.0	100.0%	0		17.39s	498	54	1,842

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 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154
GLM 5.2	9.9	10.0	100.0%	0		7.90s	678	94	1,518

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 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312
GLM 5.2	8.2	7.2	88.9%	1		13.13s	672	536	4,822

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 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901
GLM 5.2	10.0	10.0	100.0%	0		20.41s	6,861	230	550

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 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235
GLM 5.2	3.0	10.0	0.0%	0		34.25s	138	381	2,529

快速对比

切换对比组合

Qwen3.7 PlusmediumvsGrok 4.5high GPT-5.6 TerramediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high GPT-6 LunamediumvsGrok 4.5high Kimi K3maxvsGrok 4.5high Kimi K3maxvsGLM 5.2medium Seed-2.0-LitemediumvsGrok 4.5high Gemini 3.5 FlashhighvsGLM 5.2medium GPT-5.6 TerrahighvsGLM 5.2medium Seed-2.0-CodelowvsGLM 5.2medium Seed-2.0-CodelowvsGrok 4.5high DeepSeek V4 Flash 0731highvsGLM 5.2medium