xAI: Grok 4.5 vs Z.ai: GLM 5.2

Grok 4.5 (medium) 平均分领先，为 8.3 vs 8.0。 GLM 5.2 (high) benchmark 成本更低，为 $0.929 vs $1.928。 Grok 4.5 (medium) 更快，为 61.71s vs 62.65s，通过率为 78.8% vs 71.2%。

推荐模型GLM 5.2 (high)它的得分接近这里的最高分（8.0 vs 8.3），同时成本比Grok 4.5 (medium)低约 2.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Grok 4.5 Grok 4.5 medium 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 medium 发布日期: 2026-07-08	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	8.3	8.0
排名	#22	#30
可靠性	10.0	10.0
一致性	8.9	8.6
测试正确
尝试通过率	78.8%	71.2%
不稳定测试	3	3
总运行次数	66	66
每个结果成本	12.049	5.873
总成本	$1.928	$0.929
输入价格	$2.000 / 1M	$0.919 / 1M
输出价格	$6.000 / 1M	$2.887 / 1M
总输入令牌	122,146	83,813
输出令牌	5,514	69,688
推理令牌	275,053	225,659
响应时间（平均）	61.71s	62.65s
响应时间（最大）	436.38s	599.43s
响应时间（总计）	1357.56s	1378.34s

Hamster playing table tennis

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

#22 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 tok

#30 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

类别:

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		23.50s	2,991	147	4,018
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	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634
GLM 5.2	6.4	8.6	33.3%	0		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	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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		6.29s	8,937	225	3,657
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	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922
GLM 5.2	3.7	6.5	22.2%	1		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	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384
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		6.06s	1,857	57	2,728
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		7.75s	2,430	254	3,641
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		6.57s	8,544	192	968
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		74.44s	789	13	14,921
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

GPT-5.2 ChatnonevsGLM 5.2high Step 3.7 FlashmediumvsGLM 5.2high GPT-5 MinimediumvsGLM 5.2high Muse Spark 1.1lowvsGrok 4.5medium Kimi K3maxvsGLM 5.2high Seed-2.0-LitemediumvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Qwen3.6 PlusmediumvsGLM 5.2high GPT-5.6 TerramediumvsGLM 5.2high Gemini 2.5 FlashmediumvsGLM 5.2high Claude Sonnet 4.6mediumvsGLM 5.2high Muse Spark 1.1lowvsGLM 5.2high