AI BENCHY 对比

xAI: Grok 4.5 vs Z.ai: GLM 5.2

摘要

Grok 4.5 (low) vs GLM 5.2 (high) benchmark 对比：GLM 5.2 (high) 平均分领先，为 8.0 vs 7.8。 GLM 5.2 (high) benchmark 成本更低，为 $0.554 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 37.09s，通过率为 74.6% vs 77.8%。

推荐模型: Grok 4.5 (low) - 它的得分接近这里的最高分（7.8 vs 8.0），同时响应速度比GLM 5.2 (high)快约 2.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

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

指标	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	7.8	8.0
排名	#40	#32
可靠性	10.0	9.3
一致性	9.7	7.6
测试正确
尝试通过率	74.6%	77.8%
不稳定测试	1	6
总运行次数	63	63
每个结果成本	5.061	4.255
总成本	$0.760	$0.554
输入价格	$2.000 / 1M	$0.770 / 1M
输出价格	$6.000 / 1M	$2.420 / 1M
总输入令牌	58,652	34,993
输出令牌	1,735	51,575
推理令牌	105,233	166,065
响应时间（平均）	15.48s	37.09s
响应时间（最大）	205.28s	180.69s
响应时间（总计）	324.98s	778.91s

生成展示

Hamster playing table tennis

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

#40 xAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 tok

#32 GLM 5.2

high

无效SVG

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

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		2.75s	2,991	261	3,000
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

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		13.72s	9,579	303	15,641
GLM 5.2	6.4	4.4	77.8%	2		73.03s	5,124	2,302	22,546

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	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370
GLM 5.2	10.0	10.0	100.0%	0		43.51s	12,696	711	4,267

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		3.44s	8,937	225	2,549
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275
GLM 5.2	3.5	4.4	33.3%	2		73.97s	551	46,693	90,566

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	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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		2.80s	1,857	57	1,878
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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		3.20s	2,430	217	2,590
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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		5.83s	13,394	284	871
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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		13.98s	789	15	4,806
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 4.5low GPT-5.6 TerramediumvsGrok 4.5low GPT-5.4 MinimediumvsGLM 5.2high Qwen3.6 PlusmediumvsGrok 4.5low Qwen3.5 Plus 2026-02-15mediumvsGLM 5.2high Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Gemini 3.1 Flash LitemediumvsGrok 4.5low Kimi K2.6medium免费可用vsGrok 4.5low Qwen3.5-27BmediumvsGrok 4.5low Qwen3.5-122B-A10BmediumvsGrok 4.5low