- 排名
- #81
- 总输出令牌
- 231,848
- 响应时间（平均）
- 59.02s
- 总成本
- $1.320
Grok 4.7 (low) vs GLM 5.2 (high)
GLM 5.2 (high) 平均分领先，为 8.0 vs 7.9。 GLM 5.2 (high) benchmark 成本更低，为 $0.799 vs $1.320。 Grok 4.7 (low) 更快，为 59.02s vs 69.86s，通过率为 77.3% vs 69.7%。
已对比模型
- 排名
- #78
- 总输出令牌
- 364,655
- 响应时间（平均）
- 69.86s
- 总成本
- $0.799
推荐模型
GLM 5.2 (high)
它在这里得分最高（8.0），同时成本比Grok 4.7 (low)低约 1.7 倍。
详细对比
| 指标 | Grok 4.7 Grok 4.7 low | GLM 5.2 GLM 5.2 high |
|---|---|---|
| 分数 | 7.9 | 8.0 |
| 排名 | #81 | #78 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 77.3% | 69.7% |
| 不稳定测试 | 5 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 9.422 | 6.849 |
| 总成本 | $1.320 | $0.799 |
| 输入价格 | $1.600 / 1M | $0.650 / 1M |
| 输出价格 | $4.800 / 1M | $2.042 / 1M |
| 总输入令牌 | 128,832 | 83,822 |
| 输出令牌 | 6,840 | 72,040 |
| 推理令牌 | 225,008 | 292,615 |
| 响应时间（平均） | 59.02s | 69.86s |
| 响应时间（最大） | 389.63s | 599.43s |
| 响应时间（总计） | 1298.42s | 1536.98s |
| 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.
#81 SpaceXAI: Grok 4.7
low- 成本
- $0.007
- 时间
- 15.2s
- 令牌
- 1,537 tok
#78 GLM 5.2
high
Reached the allocated time limit (300 seconds) without receiving showcase output.
- 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
快速对比
切换对比组合
Kimi K3maxvsGrok 4.7lowGPT-5.2 ChatnonevsGrok 4.7lowStep 3.7 FlashmediumvsGrok 4.7lowGPT-5.6 TerrahighvsGrok 4.7lowDeepSeek V4 Flash 0731lowvsGLM 5.2highInklingmediumvsGrok 4.7lowInklingmediumvsGLM 5.2highGrok 4.7mediumvsGLM 5.2highQwen3.7 PlusmediumvsGrok 4.7lowKimi K3maxvsGLM 5.2highGPT-5.2 ChatnonevsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2high