BenchLeader

GLM 5.2 vs Grok 4.7

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

更新于 · 数据来自 13 个来源

截至 2026年11月16日,GLM 5.2 与 Grok 4.7 的质量不相上下(BenchLeader Index 58.9 比 57.4,在 ±4.8 的误差范围内)。GLM 5.2 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $2.15 比 $3.00)。看重智能体与工具(62 比 57)、人类偏好(66 比 63)和推理(57 比 56)选 GLM 5.2;看重知识(60 比 44)和数学(56 比 53)选 Grok 4.7。GLM 5.2 的首次回答更快(26.8 秒 比 55.9 秒)。

要点(截至 2026年11月16日)

  • GLM 5.2 的 BenchLeader Index 为 58.9,Grok 4.7 为 57.4(BenchLeader,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)。
  • Grok 4.7 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 44 项基准测试中,Grok 4.7 领先 30 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GLM 5.2 的评分为 1608,Grok 4.7 为 1641(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 62 比 61;Arena WebDev 1608 比 1641均可
智能体与工具调用GLM 5.2类别得分 62 比 57;Arena Agent 0.2 比 2.6中
数学Grok 4.7类别得分 56 比 53;OTIS Mock AIME 98.1% 比 86.4%中
推理GLM 5.2类别得分 57 比 56;Arena Hard Prompts 1496 比 1466中
知识Grok 4.7类别得分 60 比 44;SimpleQA Verified 56.0% 比 34.2%高
长文档均可类别得分 64 比 63;AA-LCR v1.1 78.3% 比 76.7%均可
对话质量(人类偏好)GLM 5.2Arena 投票 66 比 63中
成本最低GLM 5.2每百万 token 混合价格 $2.15 比 $3.00;智能体编程会话 $0.102 比 $0.144–
首次回答最快GLM 5.2首个回答 token 26.8 秒(GLM 5.2 (max))比 55.9 秒(Grok 4.7 (xhigh))–
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

  • GLM 5.2 (max) 与 Grok 4.7 (xhigh) 的质量不相上下(58.9 比 57.4,在 ±4.8 的误差范围内)。
  • GLM 5.2 (max) 在智能体与工具、编程、人类偏好、长上下文、推理方面更强。
  • Grok 4.7 (xhigh) 在知识、数学方面更强。
  • GLM 5.2 (max) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $2.15 比 $3.00)。

概览

规格GLM 5.2Grok 4.7
提供商Zhipu AISpaceXAI
发布日期2026年6月16日2026年9月21日
上下文窗口(token)1,000,000500,000
对比时的配置GLM 5.2 (max)Grok 4.7 (xhigh)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.40 / $4.40 / $0.260$2.00 / $6.00 / $0.500

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GLM 5.2 (max)Grok 4.7 (xhigh)领先者
推理57.255.6GLM 5.2
编程61.860.9持平
智能体与工具62.156.9GLM 5.2
数学52.655.8Grok 4.7
知识44.359.9Grok 4.7
指令遵循71.8–无法比较
人类偏好66.462.5GLM 5.2
多模态–55.5无法比较
长上下文63.862.9持平
综合–52.8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知识长上下文人类偏好GLM 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, 知识: 44.3GLM 5.2, 长上下文: 63.8GLM 5.2, 人类偏好: 66.4Grok 4.7, 推理: 55.6Grok 4.7, 编程: 60.9Grok 4.7, 智能体与工具: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知识: 59.9Grok 4.7, 长上下文: 62.9Grok 4.7, 人类偏好: 62.5

未绘制(测得的模型少于两个):指令遵循, 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 44 项基准测试中,GLM 5.2 领先 13 项,Grok 4.7 领先 30 项,1 项持平。所有同时评测两者的综合评分都认为 GLM 5.2 更强。

综合 IndexGLM 5.2 (max)Grok 4.7 (xhigh)领先者
BenchLeader Index58.957.4不相上下
Arena Text14751443GLM 5.2

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GLM 5.2 (max)Grok 4.7 (xhigh)
每百万 token 混合价格$2.15$3.00
每百万 token 输入 / 输出$1.40 / $4.40$2.00 / $6.00
每百万 token 缓存输入$0.260$0.500
每项任务价格:聊天回复$0.0019$0.0026
每项任务价格:总结一份 30 页的报告$0.019$0.028
每项任务价格:代码编辑$0.015$0.021
每项任务价格:智能体编程会话$0.102$0.144
每项任务价格:结构化信息提取$0.0037$0.0052
智能体编程会话(输入大多命中缓存)$0.050$0.076
每项基准测试任务成本(AA Index)–$7.77
每项任务输出 token(AA Index)–105k
其中推理部分–69k
每项任务耗时(AA Index)–26 min
输出速度69 tok/s68 tok/s
首次回答时间26.8 秒55.9 秒
完整回答耗时(最近一次测量 2026年11月13日)56.7 秒145.5 秒

每个模型都按其排名最高的推理强度设置进行对比。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)。Grok 4.7 (xhigh) 得分 57.4,首个回答 token 需 56 秒;Grok 4.7 (high) 为 56.9(35 秒),Grok 4.7 (low) 为 55.4(10 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 184 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GLM 5.2 (max)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader58.957.4
智能体与工具得分BenchLeader62.156.9
编程得分BenchLeader61.860.9
人类偏好得分BenchLeader66.462.5
指令遵循得分BenchLeader71.8–
知识得分BenchLeader44.359.9
长上下文得分BenchLeader63.862.9
数学得分BenchLeader52.655.8
推理得分BenchLeader57.255.6
综合得分BenchLeader–52.8
多模态得分BenchLeader–55.5
混合价格(美元/百万 token)BenchLeader$2.15$3.00
输出速度BenchLeader69 tok/s68 tok/s
首次回答时间BenchLeader26.8 秒55.9 秒
上下文窗口BenchLeader1,000,000 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.9%92.7%
SimpleBenchSimpleBench58.8%†–
Arena Hard PromptsArena (LMArena)14961466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench78.6%†82.7%
GPQA Diamond (AA)Artificial Analysis89.5%–
Humanity's Last Exam (AA)Artificial Analysis41.1%43.1%
HLE-Diamond (AA)Artificial Analysis17.7%23.2%
GPQA Diamond (Vals)Vals AI85.6%†–
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†–
ARC-AGI-1ARC Prize77.0%†89.5%
ARC-AGI-2ARC Prize22.8%†61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis20.9%17.7%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–25.2%
HLE-Diamond (Scale)Scale AI SEAL–23.4%†
Arena ExpertArena (LMArena)15021478
Chess PuzzlesEpoch AI Benchmarking Hub22.0%41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†29.0%
LMCAEpoch AI Benchmarking Hub45.8%49.4%
DTBenchEpoch AI Benchmarking Hub93.6%96.0%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
SciCodeSciCode51.2%57.4%
WeirdMLWeirdML70.1%–
显示全部 184 项基准测试
指标发布方GLM 5.2 (max)Grok 4.7 (xhigh)
编程
FrontierCodeCognition24.5%†47.6%†
Arena CodingArena (LMArena)15151493
Arena WebDevArena (LMArena)16081641
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench79.7%†77.2%
LiveCodeBenchVals AI69.5%†–
IOIVals AI–57.7%
SWE-bench (Vals)Vals AI82.8%–
Code MigrationVals AI37.9%44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI0.5%0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench v1.1Vals AI64.0%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
SWE Atlas v1.1Scale AI SEAL–62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
MirrorCodeEpoch AI Benchmarking Hub36.7%54.4%
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†–
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%–
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub1010.21545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%–
Startrise FrontendStartrise72.1%†75.9%†
GameBench 2 OverallDuelLab GameBench 243.1†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 232.4†71.2
Design Arena WebsiteDesign Arena1277†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis–28.7%
智能体与工具
Terminal-BenchTerminal-Bench–38.8%
APEX-AgentsMercor45.2%†54.6%†
Arena AgentArena (LMArena)0.22.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench51.8%†54.0%
Terminal-Bench HardArtificial Analysis50.8%–
τ²-Bench Telecom (AA)Artificial Analysis99.1%–
Terminal-Bench 2.1 (Vals)Vals AI67.8%73.4%
MCP AtlasScale AI SEAL77.8%†–
HiL-BenchScale AI SEAL43.7%†–
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis13801717
τ³-Banking (AA)Artificial Analysis34.6%–
ITBench SRE (AA)Artificial Analysis42.7%42.1%
Analyst Agent (AA)Artificial Analysis–52.5%
APEX-Agents (AA)Artificial Analysis33.7%–
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI49.7%†52.3%
Finance Agent v2.1Vals AI–60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–18.3%
Harvey's Legal Agent Benchmark v1Vals AI7.1%12.5%
Legal Research BenchVals AI31.3%47.1%
Robo-benchVals AI–0.2%
SkillsBenchVals AI45.1%–
SREBenchVals AI0.0%3.8%
Tax Agent BenchVals AI–35.8%
Terminal-Bench 4.0 (Vals)Vals AI–28.8%
Terminal-Bench ScienceVals AI–10.0%
Arena Agent Task CompletionArena (LMArena)1.75.1
PostTrainBenchEpoch AI Benchmarking Hub30.4%–
GBAEvalEpoch AI Benchmarking Hub0.0%†–
Vending-Bench 2Andon Labs8313.8†10536.8†
AutomationBenchArtificial Analysis28.4%65.6%
GDP.pdf (AA)Artificial Analysis10.4%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis42.7%–
AA-Briefcase v1.1Artificial Analysis12261636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1194†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.4%
CWE-Bench (AA)Artificial Analysis–68.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis–40.1%
FACTS SearchGoogle–85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.2%53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%98.1%
ProofBenchVals AI35.0%26.0%†
LiveBench MathematicsLiveBench89.8%†95.7%
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
Arena MathsArena (LMArena)14871447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench73.7%†76.9%
AA-Omniscience v1.1Artificial Analysis0.631.2
MMLU-ProVals AI86.7%†–
LegalBenchVals AI84.1%†84.4%
CorpFinVals AI66.1%†–
TaxEvalVals AI73.3%†–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
Excel Modeling BenchmarkVals AI61.5%†67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI40.8%†49.5%
MedScribeVals AI83.5%†89.4%
Public Benefits Bench v1.1Vals AI–65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–68.0%
DrugDiscoveryBenchScale AI SEAL36.2%†–
EBR-benchEpoch AI Benchmarking Hub9.5%–
GDP.pdfEpoch AI Benchmarking Hub–22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle–54.3%†
指令遵循
LiveBench LanguageLiveBench76.2%†80.1%
LiveBench Instruction FollowingLiveBench62.3%†75.3%
IFBenchArtificial Analysis73.3%–
Arena Instruction FollowingArena (LMArena)14701435
人类偏好
Arena TextArena (LMArena)14751443
EQ-Bench 4EQ-Bench1208†–
EQ-Bench Creative Writing v3EQ-Bench1759†2012†
Arena Creative WritingArena (LMArena)14511421
Arena Multi-turnArena (LMArena)14771435
Arena Longer QueriesArena (LMArena)14861454
多模态
Arena VisionArena (LMArena)–1230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis–78.2%†
SAGEVals AI–88.7%
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub–20.8%
VIALS-AAHandshake AI–37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle–40.9%†
长上下文
AA-LCR v1.1Artificial Analysis78.3%76.7%
MLCRArtificial Analysis12.8%20.0%
FACTS GroundingGoogle–68.6%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench73.2%†77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis33.746.5
AA Progress Index v1Artificial Analysis302.5322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI–20.2%
Vals Science IndexVals AI–34.8%
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI–72.7%
AA Cyber IndexArtificial Analysis–56.4
安全与诚实
FORTRESSScale AI SEAL48.7%†–
DistressBenchScale AI SEAL–52.4%†
元数据
AA Openness IndexArtificial Analysis44.4–

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

  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Grok 4.7 (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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)。
  • Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
  • Grok 4.7 (xhigh):2 项分数修订。
  • GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。

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

GLM 5.2 vs Grok 4.7:常见问题

GLM 5.2 比 Grok 4.7 更好吗?
GLM 5.2 (max) 与 Grok 4.7 (xhigh) 的质量不相上下(58.9 比 57.4,在 ±4.8 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。
GLM 5.2 和 Grok 4.7 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 $3.00(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 GLM 5.2 还是 Grok 4.7 更好?
两者在编程方面持平(类别得分 62 比 61)。在两者共同的最主要编程基准测试 Arena WebDev 上,GLM 5.2 为 1608,Grok 4.7 为 1641。
GLM 5.2 和 Grok 4.7 哪个更快?
GLM 5.2 输出更快(输出 69 比 68 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.2 还是 Grok 4.7 更好?
GLM 5.2 在智能体任务方面得分更高(类别得分 62 比 57,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,GLM 5.2 为 0.2,Grok 4.7 为 2.6。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 63)。GLM 5.2 支持更长的上下文:1,000,000 token,Grok 4.7 为 500,000 token。
哪个延迟更低?
GLM 5.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 26.8 秒比 55.9 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 GLM 5.2 和 Grok 4.7 的看法一致吗?
在两者都有结果的 44 项基准测试中,GLM 5.2 领先 13 项,Grok 4.7 领先 30 项,1 项持平。所有同时评测两者的综合评分都认为 GLM 5.2 更强。
Grok 4.7 是什么时候发布的?
Grok 4.7 于 2026年9月21日 发布。