- 排名
- #109
- 总输出令牌
- 121,415
- 响应时间（平均）
- 18.14s
- 总成本
- $1.345
Grok 4.5 (low) vs GLM 5.3 (high)
平均分几乎持平，为 7.8 vs 7.8。 GLM 5.3 (high) benchmark 成本更低，为 $0.610 vs $1.345。 Grok 4.5 (low) 更快，为 18.14s vs 28.38s，通过率为 73.9% vs 75.4%。
已对比模型
- 排名
- #105
- 总输出令牌
- 68,482
- 响应时间（平均）
- 28.38s
- 总成本
- $0.610
推荐模型
GLM 5.3 (high)
它在这里得分最高（7.8），同时成本比Grok 4.5 (low)低约 2.2 倍。
详细对比
| 指标 | Grok 4.5 Grok 4.5 low | GLM 5.3 GLM 5.3 high |
|---|---|---|
| 分数 | 7.8 | 7.8 |
| 排名 | #109 | #105 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.3 | 7.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 73.9% | 75.4% |
| 不稳定测试 | 2 | 7 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 8.404 | 4.351 |
| 总成本 | $1.345 | $0.610 |
| 输入价格 | $2.000 / 1M | $1.400 / 1M |
| 输出价格 | $6.000 / 1M | $4.400 / 1M |
| 总输入令牌 | 308,068 | 219,811 |
| 输出令牌 | 9,218 | 8,811 |
| 推理令牌 | 112,197 | 59,671 |
| 响应时间（平均） | 18.14s | 28.38s |
| 响应时间（最大） | 205.28s | 159.91s |
| 响应时间（总计） | 417.21s | 652.78s |
| 参数量 | ~1.7T 总计 (~170B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#109 SpaceXAI: Grok 4.5
low- 成本
- $0.011
- 时间
- 12.4s
- 令牌
- 2,018 tok
#105 GLM 5.3
high- 成本
- $0.085
- 时间
- 362.5s
- 令牌
- 19,310 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
快速对比
切换对比组合
DeepSeek V4 Flash 0731mediumvsGrok 4.5lowGrok 4.5mediumvsGLM 5.3highQwen3.7 PlusnonevsGrok 4.5lowStep 3.7 FlashmediumvsGLM 5.3highGrok 4.6mediumvsGLM 5.3highMiMo-V2.6-FlashmediumvsGLM 5.3highStep 3.7 FlashmediumvsGrok 4.5lowQwen3.7 PlusnonevsGLM 5.3highGemini 3.5 FlashmediumvsGLM 5.3highDeepSeek V4 Flash 0731mediumvsGLM 5.3highGPT-6 LunahighvsGrok 4.5lowMuse Glimmer 30BhighvsGrok 4.5low