导航
AI BENCHY
Advertise here

AI BENCHY 对比

xAI: Grok Build 0.1 vs Z.ai: GLM 5.2

摘要

Grok Build 0.1 vs GLM 5.2 benchmark 对比：Grok Build 0.1 平均分领先，为 7.6 vs 7.1。 GLM 5.2 benchmark 成本更低，为 $0.051 vs $0.927。 GLM 5.2 更快，为 6.34s vs 49.90s，通过率为 61.9% vs 60.3%。

推荐模型: GLM 5.2 - 它的得分接近这里的最高分（7.1 vs 7.6），同时成本比Grok Build 0.1低约 18.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21 GLM 5.2 GLM 5.2 none 发布日期: 2026-06-17
分数 7.6 7.1
排名 #44 #63
可靠性 10.0 9.9
一致性 9.9 9.6
测试正确
尝试通过率 61.9% 60.3%
不稳定测试 0 1
总运行次数 63 63
每个结果成本 7.124 0.628
总成本 $0.927 $0.051
输入价格 $1.000 / 1M $0.930 / 1M
输出价格 $2.000 / 1M $3.000 / 1M
总输入令牌 44,418 38,671
输出令牌 2,782 4,817
推理令牌 438,018 0
响应时间（平均） 49.90s 6.34s
响应时间（最大） 252.69s 20.69s
响应时间（总计） 1047.92s 133.19s

生成展示

Hamster playing table tennis

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

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 tok

#63 GLM 5.2

none
无效SVG
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

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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
GLM 5.2 8.3 10.0 75.0% 0 3.70s 567 313 0
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
GLM 5.2 3.7 9.5 0.0% 0 7.55s 7,263 1,958 0
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
GLM 5.2 10.0 10.0 100.0% 0 20.69s 14,296 1,489 0
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
GLM 5.2 10.0 10.0 100.0% 0 7.17s 7,113 204 0
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
GLM 5.2 5.3 10.0 33.3% 0 6.50s 696 27 0
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
GLM 5.2 6.1 3.1 66.7% 1 4.42s 480 82 0
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
GLM 5.2 9.8 10.0 100.0% 0 3.84s 642 66 0
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
GLM 5.2 7.7 10.0 66.7% 0 3.31s 618 265 0
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
GLM 5.2 10.0 10.0 100.0% 0 15.76s 6,807 400 0
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563
GLM 5.2 3.0 10.0 0.0% 0 3.41s 189 13 0

快速对比

切换对比组合

DeepSeek V4 ProhighvsGrok Build 0.1mediumGemma 4 26B A4Bmedium免费可用vsGLM 5.2noneStep 3.7 FlashhighvsGLM 5.2noneGPT-5.3 ChatnonevsGrok Build 0.1mediumLaguna XS 2.1medium免费可用vsGLM 5.2noneStep 3.7 FlashlowvsGrok Build 0.1mediumKimi K2.7 CodemediumvsGLM 5.2noneClaude Opus 4.8lowvsGrok Build 0.1mediumGrok 4.20mediumvsGLM 5.2noneGemini 3 Flash PreviewlowvsGrok Build 0.1mediumGemini 3 Flash PreviewlowvsGLM 5.2noneMiMo-V2.5-PromediumvsGLM 5.2none