BenchLeader

Claude Opus 4.7 vs GLM 5.2

完整资料:Claude Opus 4.7(Anthropic)和 GLM 5.2(Zhipu AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Claude Opus 4.7 与 GLM 5.2 的质量不相上下(BenchLeader Index 63.1 比 58.9,在 ±5.4 的误差范围内)。GLM 5.2 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $2.15 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 4.7 均领先。GLM 5.2 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,GLM 5.2 为 58.9(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • GLM 5.2 每百万 token 混合价格为 $2.15(标价,2026年11月16日)。
  • GLM 5.2 比 Claude Opus 4.7 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 11 项基准测试中,Claude Opus 4.7 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,GLM 5.2 为 1608(LMArena,截至 2026年11月16日 的公布数据)。

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
编程均可类别得分 61 比 62;Arena WebDev 1555 比 1608均可
智能体与工具调用Claude Opus 4.7类别得分 68 比 62中
数学Claude Opus 4.7类别得分 67 比 53;Arena Maths 1490 比 1487高
推理Claude Opus 4.7类别得分 64 比 57;Arena Hard Prompts 1519 比 1496中
对话质量(人类偏好)均可Arena 投票 67 比 66均可
成本最低GLM 5.2每百万 token 混合价格 $2.15 比 $10.00;智能体编程会话 $0.102 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 26.8 秒(GLM 5.2 (max))–
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

  • Claude Opus 4.7 与 GLM 5.2 (max) 的质量不相上下(63.1 比 58.9,在 ±5.4 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具、人类偏好、数学、推理方面更强。
  • GLM 5.2 (max) 在编程方面更强。
  • GLM 5.2 (max) 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $2.15 比 $10.00)。
  • GLM 5.2 (max) 的输出速度是对方的 1.4 倍(69 比 48 token/秒)。

概览

规格Claude Opus 4.7GLM 5.2
提供商AnthropicZhipu AI
发布日期2026年4月16日2026年6月16日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Opus 4.7GLM 5.2 (max)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$1.40 / $4.40 / $0.260

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Claude Opus 4.7GLM 5.2 (max)领先者
推理63.657.2Claude Opus 4.7
编程60.961.8持平
智能体与工具67.962.1Claude Opus 4.7
数学66.752.6Claude Opus 4.7
知识–44.3无法比较
指令遵循–71.8无法比较
人类偏好67.366.4持平
多模态67.1–无法比较
长上下文–63.8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推理编程智能体与工具数学人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 人类偏好: 67.3GLM 5.2, 推理: 57.2GLM 5.2, 编程: 61.8GLM 5.2, 智能体与工具: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 人类偏好: 66.4

未绘制(测得的模型少于两个):知识, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 11 项基准测试中,Claude Opus 4.7 领先 10 项,GLM 5.2 领先 1 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7GLM 5.2 (max)领先者
BenchLeader Index63.158.9不相上下
Arena Text14941475Claude Opus 4.7

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Claude Opus 4.7GLM 5.2 (max)
每百万 token 混合价格$10.00$2.15
每百万 token 输入 / 输出$5.00 / $25.00$1.40 / $4.40
每百万 token 缓存输入$0.500$0.260
每项任务价格:聊天回复$0.0095$0.0019
每项任务价格:总结一份 30 页的报告$0.075$0.019
每项任务价格:代码编辑$0.068$0.015
每项任务价格:智能体编程会话$0.400$0.102
每项任务价格:结构化信息提取$0.015$0.0037
智能体编程会话(输入大多命中缓存)$0.198$0.050
输出速度48 tok/s69 tok/s
首次回答时间1.0 秒26.8 秒
完整回答耗时(最近一次测量 2026年11月13日)–56.7 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。GLM 5.2 (max) 得分 58.9,首个回答 token 需 27 秒;GLM 5.2 为 51.9(1 秒),GLM 5.2 (无推理) 为 45.8(2 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 134 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Claude Opus 4.7GLM 5.2 (max)
BenchLeader IndexBenchLeader63.158.9
智能体与工具得分BenchLeader67.962.1
编程得分BenchLeader60.961.8
人类偏好得分BenchLeader67.366.4
数学得分BenchLeader66.752.6
多模态得分BenchLeader67.1–
推理得分BenchLeader63.657.2
指令遵循得分BenchLeader–71.8
知识得分BenchLeader–44.3
长上下文得分BenchLeader–63.8
混合价格(美元/百万 token)BenchLeader$10.00$2.15
输出速度BenchLeader48 tok/s69 tok/s
首次回答时间BenchLeader1.0 秒26.8 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†91.9%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%58.8%†
Arena Hard PromptsArena (LMArena)15191496
LiveBench 1.0 ReasoningLiveBench87.2%†78.6%†
GPQA Diamond (AA)Artificial Analysis91.4%†89.5%
Humanity's Last Exam (AA)Artificial Analysis42.3%†41.1%
HLE-Diamond (AA)Artificial Analysis–17.7%
GPQA Diamond (Vals)Vals AI90.2%†85.6%†
Kagi LLM BenchmarkKagi LLM Benchmark73.3%62.6%†
ARC-AGI-1ARC Prize–77.0%†
ARC-AGI-2ARC Prize–22.8%†
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†20.9%
Arena ExpertArena (LMArena)15341502
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†22.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%18.0%†
LMCAEpoch AI Benchmarking Hub52.2%†45.8%
DTBenchEpoch AI Benchmarking Hub94.7%†93.6%
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†78.7%
SciCodeSciCode54.5%†51.2%
WeirdMLWeirdML76.4%70.1%
FrontierCodeCognition38.5%24.5%†
GSO-BenchGSO-Bench44.1%–
显示全部 134 项基准测试
指标发布方Claude Opus 4.7GLM 5.2 (max)
编程
Arena CodingArena (LMArena)15471515
Arena WebDevArena (LMArena)15551608
LiveBench 1.0 CodingLiveBench82.1%†79.7%†
SciCode (AA)Artificial Analysis–51.2%
LiveCodeBenchVals AI85.1%†69.5%†
SWE-bench (Vals)Vals AI82.0%†82.8%
Code MigrationVals AI43.9%†37.9%
ProgramBenchVals AI0.0%†0.5%
Vibe Code Bench v1.1Vals AI71.0%†64.0%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%48.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%42.4%†
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%41.5%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†36.7%
Surface Evolver BenchEpoch AI Benchmarking Hub–55.6%†
DeepSWE v1.1Epoch AI Benchmarking Hub–43.8%
ALE-BenchEpoch AI Benchmarking Hub1323.01010.2
Terminal-Bench 4.0 (AA)Artificial Analysis–1.0%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†77.9%
Startrise FrontendStartrise–72.1%†
GameBench 2 OverallDuelLab GameBench 2–43.1†
GameBench 2 by reasoning settingDuelLab GameBench 2–32.4†
Design Arena WebsiteDesign Arena–1277†
智能体与工具
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†45.2%†
Arena AgentArena (LMArena)–0.2
LiveBench Agentic CodingLiveBench50.7%†51.8%†
Terminal-Bench HardArtificial Analysis51.5%†50.8%
τ²-Bench Telecom (AA)Artificial Analysis88.6%†99.1%
Terminal-Bench 2.1 (Vals)Vals AI68.5%†67.8%
MCP AtlasScale AI SEAL79.1%†77.8%†
HiL-BenchScale AI SEAL41.7%43.7%†
τ³-bench Bankingτ²-bench40.2%†37.1%†
GDPval-AA v2.1Artificial Analysis1361†1380
τ³-Banking (AA)Artificial Analysis34.6%†34.6%
ITBench SRE (AA)Artificial Analysis46.7%†42.7%
Analyst Agent (AA)Artificial Analysis43.8%†–
APEX-Agents (AA)Artificial Analysis–33.7%
Finance Agent v2Vals AI51.5%†49.7%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†7.1%
Legal Research BenchVals AI38.5%†31.3%
SkillsBenchVals AI–45.1%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI23.7%†–
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–1.7
PostTrainBenchEpoch AI Benchmarking Hub24.3%†30.4%
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%0.0%†
Vending-Bench 2Andon Labs10936.88313.8†
AutomationBenchArtificial Analysis–28.4%
GDP.pdf (AA)Artificial Analysis–10.4%
EnterpriseOps-GymArtificial Analysis–42.7%
AA-Briefcase v1.1Artificial Analysis1252†1226
Design Arena AgenticDesign Arena–1194†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†59.2%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†86.4%
ProofBenchVals AI54.0%†35.0%
LiveBench MathematicsLiveBench92.8%†89.8%†
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†90.0%
HMMT February 2026MathArena93.9%†92.4%
MathArena ApexMathArena40.6%†19.8%
Arena MathsArena (LMArena)14901487
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†34.2%
LiveBench 1.0 Data AnalysisLiveBench78.3%†73.7%†
AA-Omniscience v1.1Artificial Analysis–0.6
MMLU-ProVals AI89.9%†86.7%†
LegalBenchVals AI85.3%†84.1%†
CorpFinVals AI66.1%†66.1%†
TaxEvalVals AI75.3%†73.3%†
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†61.5%†
MedCodeVals AI54.9%†40.8%†
MedScribeVals AI83.0%†83.5%†
DrugDiscoveryBenchScale AI SEAL–36.2%†
EBR-benchEpoch AI Benchmarking Hub19.1%†9.5%
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–21.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.1%
指令遵循
LiveBench LanguageLiveBench77.9%†76.2%†
LiveBench Instruction FollowingLiveBench66.7%†62.3%†
IFBenchArtificial Analysis58.6%†73.3%
Arena Instruction FollowingArena (LMArena)14931470
人类偏好
Arena TextArena (LMArena)14941475
EQ-Bench 4EQ-Bench12931208†
EQ-Bench Creative Writing v3EQ-Bench19151759†
Arena Creative WritingArena (LMArena)14821451
Arena Multi-turnArena (LMArena)15141477
Arena Longer QueriesArena (LMArena)15081486
多模态
Arena VisionArena (LMArena)1319–
MMMU-ProArtificial Analysis78.8%†–
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
长上下文
AA-LCR v1.1Artificial Analysis78.7%†78.3%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–12.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4153.0†
LiveBench 1.0LiveBench76.5%†73.2%†
AA Intelligence Index v4.3.2Artificial Analysis40.7†33.7
AA Progress Index v1Artificial Analysis312.5†302.5
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
安全与诚实
FORTRESSScale AI SEAL–48.7%†
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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GLM 5.2 (max):1 项新结果(GDPval-AA v2.1)。
  • GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
  • GLM 5.2 (max):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex);1 项分数修订。
  • GLM 5.2 (max):1 项新结果(MirrorCode)。
  • GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
  • GLM 5.2 (max):4 项新结果(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
  • Claude Opus 4.7:1 项分数修订。
  • GLM 5.2 (max):价格 $0.30/M → $0.26/M。
  • GLM 5.2 (max):1 项分数修订;价格 $0.26/M → $0.30/M。
  • GLM 5.2 (max):价格 $0.30/M → $0.26/M。

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

Claude Opus 4.7 vs GLM 5.2:常见问题

Claude Opus 4.7 比 GLM 5.2 更好吗?
Claude Opus 4.7 与 GLM 5.2 (max) 的质量不相上下(63.1 比 58.9,在 ±5.4 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。
Claude Opus 4.7 和 GLM 5.2 哪个更便宜?价格会变吗?
目前 GLM 5.2 更便宜:每百万 token $2.15 比 $10.00(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 Claude Opus 4.7 还是 GLM 5.2 更好?
两者在编程方面持平(类别得分 61 比 62)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.7 为 1555,GLM 5.2 为 1608。
Claude Opus 4.7 和 GLM 5.2 哪个更快?
GLM 5.2 输出更快(约 1.5 倍;输出 69 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 GLM 5.2 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 62,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 26.8 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 4.7 和 GLM 5.2 的看法一致吗?
在两者都有结果的 11 项基准测试中,Claude Opus 4.7 领先 10 项,GLM 5.2 领先 1 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
GLM 5.2 是什么时候发布的?
GLM 5.2 于 2026年6月16日 发布。