- 排名
- #179
- 总输出令牌
- 487,184
- 响应时间（平均）
- 122.19s
- 总成本
- $3.582
Grok 4.7 (high) vs GLM 5.2
平均分几乎持平，为 6.7 vs 6.6。 GLM 5.2 benchmark 成本更低，为 $0.152 vs $3.582。 GLM 5.2 更快，为 11.27s vs 122.19s，通过率为 72.5% vs 63.8%。
已对比模型
- 排名
- #186
- 总输出令牌
- 17,685
- 响应时间（平均）
- 11.27s
- 总成本
- $0.152
推荐模型
GLM 5.2
它在这里得分最高（6.6），同时成本比Grok 4.7 (high)低约 23.7 倍。
详细对比
| 指标 | Grok 4.7 Grok 4.7 high | GLM 5.2 GLM 5.2 none |
|---|---|---|
| 分数 | 6.7 | 6.6 |
| 排名 | #179 | #186 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 7.7 | 9.0 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 72.5% | 63.8% |
| 不稳定测试 | 7 | 3 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 23.360 | 1.753 |
| 总成本 | $3.582 | $0.152 |
| 输入价格 | $2.000 / 1M | $0.325 / 1M |
| 输出价格 | $6.000 / 1M | $3.990 / 1M |
| 总输入令牌 | 329,276 | 247,919 |
| 输出令牌 | 8,172 | 17,685 |
| 推理令牌 | 479,012 | 0 |
| 响应时间（平均） | 122.19s | 11.27s |
| 响应时间（最大） | 573.57s | 79.65s |
| 响应时间（总计） | 2810.40s | 259.32s |
| 参数量 | ~1.7T 总计 (~170B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#179 SpaceXAI: Grok 4.7
high- 成本
- $0.110
- 时间
- 301.3s
- 令牌
- 23,143 tok
#186 GLM 5.2
none- 成本
- $0.033
- 时间
- 87.7s
- 令牌
- 7,455 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
MiniMax M3mediumvsGrok 4.7highEmber-1maxvsGrok 4.7highGPT 5.3 ChatnonevsGrok 4.7highGPT-5.6 SolnonevsGrok 4.7highSolar Pro 4lowvsGrok 4.7highQwen3.5-FlashnonevsGrok 4.7highQwen3.7 FlashmediumvsGLM 5.2noneLongCat 2.0lowvsGLM 5.2noneGrok 4.7highvsGLM 5.3 FlashlowGPT-5.5nonevsGrok 4.7highEmber-1maxvsGLM 5.2noneMiniMax M3mediumvsGLM 5.2none