Grok 4.7 (medium) vs GLM 5.2 (high)

已对比模型

推荐模型 GLM 5.2 (high)

它的得分接近这里的最高分（8.0 vs 8.1），同时成本比Grok 4.7 (medium)低约 2.8 倍。

指标	Grok 4.7 Grok 4.7 medium 发布日期: 2026-09-21	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

medium

high

Reached the allocated time limit (300 seconds) without receiving showcase output.

类别:

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 4.7	10.0	10.0	100.0%	0		16.01s	2,991	54	7,224
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

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 4.7	6.6	4.6	77.8%	2		312.17s	10,266	349	172,347
GLM 5.2	6.4	8.6	33.3%	0		73.03s	5,124	2,302	22,546

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 4.7	10.0	10.0	100.0%	0		96.50s	67,788	3,524	38,447
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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 4.7	10.0	10.0	100.0%	0		5.16s	8,937	225	2,344
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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 4.7	5.3	7.2	44.4%	1		300.37s	2,523	15	169,756
GLM 5.2	3.1	6.5	11.1%	1		126.85s	560	49,045	157,522

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 4.7	5.4	2.5	66.7%	1		32.39s	1,077	76	5,830
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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 4.7	8.4	6.9	83.3%	1		6.68s	1,857	57	2,742
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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 4.7	10.0	10.0	100.0%	0		18.46s	2,430	135	9,678
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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 4.7	10.0	10.0	100.0%	0		4.79s	8,535	206	406
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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 4.7	3.0	10.0	0.0%	0		123.05s	789	20	20,298
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

切换对比组合