- 排名
- #96
- 总输出令牌
- 38,048
- 响应时间（平均）
- 14.55s
- 总成本
- $0.449
Grok 4.6 (low) vs GLM 5.3 (high)
平均分几乎持平，为 7.4 vs 7.3。 GLM 5.3 (high) benchmark 成本更低，为 $0.403 vs $0.449。 Grok 4.6 (low) 更快，为 14.55s vs 27.82s，通过率为 69.7% vs 74.2%。
- 排名
- #99
- 总输出令牌
- 63,667
- 响应时间（平均）
- 27.82s
- 总成本
- $0.403
推荐模型
Grok 4.6 (low)
它在这里得分最高（7.4），同时响应速度比GLM 5.3 (high)快约 1.9 倍。
详细对比
| 指标 | Grok 4.6 Grok 4.6 low | GLM 5.3 GLM 5.3 high |
|---|---|---|
| 分数 | 7.4 | 7.3 |
| 排名 | #96 | #99 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 7.5 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 69.7% | 74.2% |
| 不稳定测试 | 1 | 7 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 2.989 | 3.099 |
| 总成本 | $0.449 | $0.403 |
| 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 | 109,960 | 87,601 |
| 输出令牌 | 5,124 | 6,006 |
| 推理令牌 | 32,924 | 57,661 |
| 响应时间（平均） | 14.55s | 27.82s |
| 响应时间（最大） | 26.46s | 159.91s |
| 响应时间（总计） | 320.17s | 612.06s |
| 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.
#96 SpaceXAI: Grok 4.6
low- 成本
- $0.011
- 时间
- 26.0s
- 令牌
- 1,941 tok
#99 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
Claude Sonnet 4.6nonevsGLM 5.3highKAT-Coder-Pro V2.5lowvsGLM 5.3highQwen3.8 2.4T A95BhighvsGrok 4.6lowClaude Sonnet 4.6nonevsGrok 4.6lowGemini 3 Flash PreviewlowvsGLM 5.3highGemini 3.1 Flash LitemediumvsGLM 5.3highLongCat 2.0mediumvsGrok 4.6lowQwen3.7 PlusnonevsGLM 5.3highGPT-5.6 LunamediumvsGrok 4.6lowKimi K2.7 CodemediumvsGrok 4.6lowQwen3.7 MaxnonevsGrok 4.6lowDeepSeek V4 Flash 0731mediumvsGLM 5.3high