BenchLeader

Agnes 2.5 Pro Theta vs GLM 4.7 Flash

完整资料:Agnes 2.5 Pro Theta(Sapiens AI)和 GLM 4.7 Flash(Zhipu AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 7 个来源

截至 2026年11月16日,Agnes 2.5 Pro Theta 与 GLM 4.7 Flash 的质量不相上下(BenchLeader Index 50.8 比 51.0,在 ±8.7 的误差范围内)。两者价格相近(每百万 token 混合价格 $0.150 比 $0.153)。在两者都有成绩的所有类别中,GLM 4.7 Flash 均领先。Agnes 2.5 Pro Theta 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Agnes 2.5 Pro Theta 的 BenchLeader Index 为 50.8,GLM 4.7 Flash 为 51.0(BenchLeader,2026年11月16日)。
  • Agnes 2.5 Pro Theta 每百万 token 混合价格为 $0.150(标价,2026年11月16日)。
  • GLM 4.7 Flash 每百万 token 混合价格为 $0.153(标价,2026年11月16日)。
  • Agnes 2.5 Pro Theta 比 GLM 4.7 Flash 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GLM 4.7 Flash类别得分 55 比 46高
推理GLM 4.7 Flash类别得分 47 比 44中
对话质量(人类偏好)–只有 GLM 4.7 Flash 有 Arena 评分(类别得分 53)无法比较
成本最低均可每百万 token 混合价格 $0.150 比 $0.153;智能体编程会话 $0.007 比 $0.006–
首次回答最快GLM 4.7 Flash首个回答 token 0.3 秒(GLM 4.7 Flash)比 8.1 秒(Agnes 2.5 Pro Theta)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Agnes 2.5 Pro Theta 与 GLM 4.7 Flash 的质量不相上下(50.8 比 51.0,在 ±8.7 的误差范围内)。
  • GLM 4.7 Flash 在编程、推理方面更强。
  • 两者价格相近(每百万 token 混合价格 $0.150)。
  • Agnes 2.5 Pro Theta 的输出速度是对方的 4.5 倍(190 比 42 token/秒)。

概览

规格Agnes 2.5 Pro ThetaGLM 4.7 Flash
提供商Sapiens AIZhipu AI
发布日期2026年11月7日2026年1月19日
上下文窗口(token)1,000,000200,000
对比时的配置Agnes 2.5 Pro ThetaGLM 4.7 Flash
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.300 / –$0.070 / $0.400 / $0.010

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Agnes 2.5 Pro ThetaGLM 4.7 Flash领先者
推理43.747.4GLM 4.7 Flash
编程45.754.5GLM 4.7 Flash
数学–51.5无法比较
知识38.7–无法比较
人类偏好–52.8无法比较
多模态60.8–无法比较
长上下文67.1–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识长上下文多模态人类偏好Agnes 2.5 Pro Theta, 推理: 43.7Agnes 2.5 Pro Theta, 编程: 45.7Agnes 2.5 Pro Theta, 知识: 38.7Agnes 2.5 Pro Theta, 长上下文: 67.1Agnes 2.5 Pro Theta, 多模态: 60.8GLM 4.7 Flash, 推理: 47.4GLM 4.7 Flash, 编程: 54.5GLM 4.7 Flash, 数学: 51.5GLM 4.7 Flash, 人类偏好: 52.8

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):智能体与工具, 指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,Agnes 2.5 Pro Theta 领先 0 项,GLM 4.7 Flash 领先 0 项。

综合 IndexAgnes 2.5 Pro ThetaGLM 4.7 Flash领先者
BenchLeader Index50.851.0不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Agnes 2.5 Pro ThetaGLM 4.7 Flash
每百万 token 混合价格$0.150$0.153
每百万 token 输入 / 输出$0.100 / $0.300$0.070 / $0.400
每百万 token 缓存输入–$0.010
每项任务价格:聊天回复$0.0001$0.0001
每项任务价格:总结一份 30 页的报告$0.0014$0.0011
每项任务价格:代码编辑$0.0011$0.0010
每项任务价格:智能体编程会话$0.0072$0.0058
每项任务价格:结构化信息提取$0.0003$0.0002
智能体编程会话(输入大多命中缓存)–$0.0031
每项基准测试任务成本(AA Index)$0.575–
每项任务输出 token(AA Index)278k–
其中推理部分229k–
每项任务耗时(AA Index)24 min–
输出速度190 tok/s42 tok/s
首次回答时间8.1 秒0.3 秒
完整回答耗时(最近一次测量 2026年11月13日)16.9 秒–

每个模型都按其排名最高的推理强度设置进行对比。Agnes 2.5 Pro Theta 得分 50.8,首个回答 token 需 8 秒。GLM 4.7 Flash 得分 51.0,首个回答 token 需 0 秒;GLM 4.7 Flash (无推理) 为 42.0(11 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 38 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Agnes 2.5 Pro ThetaGLM 4.7 Flash
BenchLeader IndexBenchLeader50.851.0
编程得分BenchLeader45.754.5
知识得分BenchLeader38.7–
长上下文得分BenchLeader67.1–
多模态得分BenchLeader60.8–
推理得分BenchLeader43.747.4
人类偏好得分BenchLeader–52.8
数学得分BenchLeader–51.5
混合价格(美元/百万 token)BenchLeader$0.150$0.153
输出速度BenchLeader190 tok/s42 tok/s
首次回答时间BenchLeader8.1 秒0.3 秒
上下文窗口BenchLeader1,000,000 token200,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–60.5%
Arena Hard PromptsArena (LMArena)–1384
GPQA Diamond (AA)Artificial Analysis–45.1%†
Humanity's Last Exam (AA)Artificial Analysis37.2%5.0%†
HLE-Diamond (AA)Artificial Analysis16.8%–
CritPtArtificial Analysis15.1%0.0%†
CritPt v2 hard subset (AA)Artificial Analysis26.0%–
Arena ExpertArena (LMArena)–1388
编程
Arena CodingArena (LMArena)–1423
SciCode (AA)Artificial Analysis56.0%–
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%–
Design Arena WebsiteDesign Arena–1186
FrontierCode 2.0 (AA)Artificial Analysis16.6%–
智能体与工具
Terminal-Bench HardArtificial Analysis–3.8%†
τ²-Bench Telecom (AA)Artificial Analysis–91.8%†
GDPval-AA v2.1Artificial Analysis1507–
AutomationBenchArtificial Analysis48.8%–
GDP.pdf (AA)Artificial Analysis14.2%–
AA-Briefcase v1.1Artificial Analysis1496–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.8%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–58.3%
Arena MathsArena (LMArena)–1362
知识
AA-Omniscience v1.1Artificial Analysis-11.2–
AA-Omniscience v1.1: accuracyArtificial Analysis21.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis58.6%–
显示全部 38 项基准测试
指标发布方Agnes 2.5 Pro ThetaGLM 4.7 Flash
指令遵循
IFBenchArtificial Analysis–46.3%†
Arena Instruction FollowingArena (LMArena)–1347
人类偏好
Arena TextArena (LMArena)–1365
EQ-Bench Creative Writing v3EQ-Bench–1139
Arena Creative WritingArena (LMArena)–1305
Arena Multi-turnArena (LMArena)–1359
Arena Longer QueriesArena (LMArena)–1370
多模态
MMMU-ProArtificial Analysis78.4%–
长上下文
AA-LCR v1.1Artificial Analysis84.7%20.3%†
综合
AA Intelligence Index v5.0.1Artificial Analysis24.0–
AA Intelligence Index v4.3.2Artificial Analysis–10.6†
AA Progress Index v1Artificial Analysis–193.5†
元数据
AA Openness IndexArtificial Analysis–44.4†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • GLM 4.7 Flash:BenchLeader Index 51.5 → 51.0。
  • Agnes 2.5 Pro Theta:首批结果。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Agnes 2.5 Pro Theta vs GLM 4.7 Flash:常见问题

Agnes 2.5 Pro Theta 比 GLM 4.7 Flash 更好吗?
Agnes 2.5 Pro Theta 与 GLM 4.7 Flash 的质量不相上下(50.8 比 51.0,在 ±8.7 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Agnes 2.5 Pro Theta 和 GLM 4.7 Flash 哪个更便宜?价格会变吗?
目前 Agnes 2.5 Pro Theta 更便宜:每百万 token $0.150 比 $0.153(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Agnes 2.5 Pro Theta 还是 GLM 4.7 Flash 更好?
GLM 4.7 Flash 在编程方面得分更高(类别得分 55 比 46,50 为平均水平)。
Agnes 2.5 Pro Theta 和 GLM 4.7 Flash 哪个更快?
Agnes 2.5 Pro Theta 输出更快(3 倍以上;输出 190 比 42 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Agnes 2.5 Pro Theta 支持更长的上下文:1,000,000 token,GLM 4.7 Flash 为 200,000 token。
更多问题(2)
哪个延迟更低?
GLM 4.7 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.3 秒比 8.1 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
Agnes 2.5 Pro Theta 是什么时候发布的?
Agnes 2.5 Pro Theta 于 2026年11月7日 发布。