- 排名
- #107
- 总输出令牌
- 266,197
- 响应时间（平均）
- 74.77s
- 总成本
- $2.270
Grok 4.6 (medium) 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 $2.270。 GLM 5.3 (high) 更快，为 28.38s vs 74.77s，通过率为 78.3% 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 4.6 (medium)低约 3.7 倍。
详细对比
| 指标 | Grok 4.6 Grok 4.6 medium | GLM 5.3 GLM 5.3 high |
|---|---|---|
| 分数 | 7.8 | 7.8 |
| 排名 | #107 | #105 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 7.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 75.4% |
| 不稳定测试 | 4 | 7 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 14.187 | 4.351 |
| 总成本 | $2.270 | $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 | 336,351 | 219,811 |
| 输出令牌 | 6,180 | 8,811 |
| 推理令牌 | 260,017 | 59,671 |
| 响应时间（平均） | 74.77s | 28.38s |
| 响应时间（最大） | 514.35s | 159.91s |
| 响应时间（总计） | 1719.73s | 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.
#107 SpaceXAI: Grok 4.6
medium- 成本
- $0.028
- 时间
- 72.1s
- 令牌
- 4,771 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
Grok 4.5mediumvsGLM 5.3highStep 3.7 FlashmediumvsGLM 5.3highQwen3.7 PlusnonevsGrok 4.6mediumMiMo-V2.6-FlashmediumvsGLM 5.3highQwen3.7 PlusnonevsGLM 5.3highGemini 3.5 FlashmediumvsGLM 5.3highGrok 4.5lowvsGLM 5.3highDeepSeek V4 Flash 0731mediumvsGLM 5.3highQwen3.8 2.4T A95BhighvsGrok 4.6mediumQwen3.7 MaxnonevsGLM 5.3highGPT-6 LunahighvsGrok 4.6mediumMuse Glimmer 30BhighvsGrok 4.6medium