- 排名
- #57
- 总输出令牌
- 249,808
- 响应时间（平均）
- 73.46s
- 总成本
- $1.713
Grok 4.6 (medium) vs GLM 5.3 FlashX (max)
Grok 4.6 (medium) 平均分领先，为 8.4 vs 8.3。 GLM 5.3 FlashX (max) benchmark 成本更低，为 $0.508 vs $1.713。 GLM 5.3 FlashX (max) 更快，为 41.21s vs 73.46s，通过率为 81.8% vs 78.8%。
已对比模型
- 排名
- #63
- 总输出令牌
- 375,734
- 响应时间（平均）
- 41.21s
- 总成本
- $0.508
推荐模型
GLM 5.3 FlashX (max)
它的得分接近这里的最高分（8.3 vs 8.4），同时成本比Grok 4.6 (medium)低约 3.4 倍。
详细对比
| 指标 | Grok 4.6 Grok 4.6 medium | GLM 5.3 FlashX GLM 5.3 FlashX max |
|---|---|---|
| 分数 | 8.4 | 8.3 |
| 排名 | #57 | #63 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 8.3 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 81.8% | 78.8% |
| 不稳定测试 | 4 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.703 | 3.381 |
| 总成本 | $1.713 | $0.508 |
| 输入价格 | $2.000 / 1M | $0.370 / 1M |
| 输出价格 | $6.000 / 1M | $1.250 / 1M |
| 总输入令牌 | 106,787 | 101,211 |
| 输出令牌 | 4,811 | 6,301 |
| 推理令牌 | 244,997 | 369,433 |
| 响应时间（平均） | 73.46s | 41.21s |
| 响应时间（最大） | 514.35s | 390.70s |
| 响应时间（总计） | 1616.12s | 906.52s |
| 参数量 | ~1.7T 总计 (~170B 激活) | 320B 总计 (18B 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.
#57 SpaceXAI: Grok 4.6
medium- 成本
- $0.028
- 时间
- 72.1s
- 令牌
- 4,771 tok
#63 GLM 5.3 FlashX
max- 成本
- $0.046
- 时间
- 251.3s
- 令牌
- 36,769 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 10.84s | 2,991 | 78 | 6,335 | |
| GLM 5.3 FlashX | 10.0 | 10.0 | 100.0% | 0 | 2.65s | 639 | 301 | 2,210 |
| 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 4.6 | 8.2 | 7.2 | 88.9% | 1 | 120.05s | 9,579 | 351 | 64,226 | |
| GLM 5.3 FlashX | 8.2 | 7.2 | 88.9% | 1 | 24.61s | 7,317 | 463 | 36,503 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 62.66s | 68,060 | 3,687 | 21,366 | |
| GLM 5.3 FlashX | 8.2 | 6.9 | 66.7% | 1 | 45.23s | 76,431 | 3,485 | 35,762 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 11.46s | 8,937 | 225 | 4,400 | |
| GLM 5.3 FlashX | 10.0 | 10.0 | 100.0% | 0 | 3.38s | 7,149 | 223 | 2,262 |
| 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 4.6 | 5.3 | 7.2 | 44.4% | 1 | 304.33s | 2,523 | 15 | 127,702 | |
| GLM 5.3 FlashX | 3.5 | 4.4 | 33.3% | 2 | 224.00s | 759 | 583 | 279,058 |
| 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 4.6 | 4.1 | 2.7 | 33.3% | 1 | 17.27s | 1,077 | 47 | 2,052 | |
| GLM 5.3 FlashX | 10.0 | 10.0 | 100.0% | 0 | 5.01s | 498 | 209 | 1,290 |
| 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 4.6 | 9.8 | 10.0 | 100.0% | 0 | 12.75s | 1,857 | 57 | 4,500 | |
| GLM 5.3 FlashX | 9.9 | 10.0 | 100.0% | 0 | 2.23s | 678 | 72 | 1,032 |
| 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 4.6 | 8.7 | 7.7 | 88.9% | 1 | 16.30s | 2,430 | 123 | 5,799 | |
| GLM 5.3 FlashX | 8.2 | 7.7 | 77.8% | 1 | 3.88s | 672 | 456 | 2,848 |
| 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 4.6 | 10.0 | 10.0 | 100.0% | 0 | 12.83s | 8,544 | 216 | 1,068 | |
| GLM 5.3 FlashX | 10.0 | 10.0 | 100.0% | 0 | 9.39s | 6,861 | 231 | 712 |
| 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 4.6 | 3.0 | 10.0 | 0.0% | 0 | 46.88s | 789 | 12 | 7,549 | |
| GLM 5.3 FlashX | 3.0 | 10.0 | 0.0% | 0 | 22.41s | 207 | 278 | 7,756 |
快速对比
切换对比组合
Muse Spark 1.2lowvsGrok 4.6mediumInkling SmallhighvsGLM 5.3 FlashXmaxSeed 2.1 TurbomediumvsGLM 5.3 FlashXmaxMuse Spark 1.1lowvsGLM 5.3 FlashXmaxDeepSeek V4.1 FlashhighvsGrok 4.6mediumDeepSeek V4.1 FlashlowvsGrok 4.6mediumQwen3.8 27BhighvsGLM 5.3 FlashXmaxQwen3.8 27BhighvsGrok 4.6mediumGPT-5.2mediumvsGLM 5.3 FlashXmaxGrok 4.5lowvsGLM 5.3 FlashXmaxInkling SmallhighvsGrok 4.6mediumClaude Fable 5.1mediumvsGLM 5.3 FlashXmax