#46 GLM 5.1
medium
Ungültiges SVG
- Kosten
- $0.000
- Zeit
- 300.0s
- Token
- 0 tok
Z.ai
Veröffentlichung: 2026-04-07
Getestet am: 2026-05-08 14:41
z-ai/glm-5.1::medium
(medium)
(none)
Zusammenfassung
GLM 5.1 erreicht 7.6 bei AI BENCHY und liegt auf #46. Das Modell hat 0.0 Zuverlässigkeit, 71.9% Erfolgsrate, $0.209 Gesamtkosten und 24.43s durchschnittliche Antwortzeit.
Was GLM 5.1 besonders macht: Am stärksten ist es in Allgemeine Intelligenz, wo es #1 erreicht; am schwächsten ist Programmierung mit #17.
7.6
Konsistenz
8.7
Gesamte Ausgabe-Token
59,356
Gesamte Eingabe-Token
0
Eingabepreis
$1.050 / 1M
Ausgabepreis
$3.500 / 1M
Instabile Tests
3
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generierungs-Showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-06-04 13:06 Neuer Test hinzugefügt | 7.3 | 6.7 | $0.292 ↓ | Vergleichen | |
| 2026-05-21 23:46 Suite geändert | 7.4 | 3.3 | $0.286 | Vergleichen | |
| 2026-05-08 14:41 Suite geändert | 7.6 | 0.0 | $0.209 | Aktueller Lauf | |
| 2026-05-08 14:41 Suite geändert | 7.6 | 0.0 | $0.209 | Vergleichen | |
| 2026-04-22 12:55 Erster erfasster Lauf | 7.8 | k. A. | $0.201 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 14:41 · Suite geändert | 7.6 | 8.7 | 0.0 | 12/19 | 3 | 59,356 | 0 | $0.209 | 24.43s |
| 2026-04-22 12:55 · Erster erfasster Lauf | 7.8 | 8.6 | k. A. | 12/18 | 3 | 57,095 | 0 | $0.201 | 24.13s |
| Differenz | -0.2 | +0.1 | 0 | 0 | +2261 | 0 | +$0.009 | +293ms |
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 10.0 | 10.0 | |
| Programmierung | 4.7 | 1.6 | |
| Kombiniert | 9.5 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.3 | 10.0 | |
| Allgemeine Intelligenz | 10.0 | 10.0 | |
| Befolgung von Anweisungen | 6.4 | 5.8 | |
| Rätsellösen | 8.2 | 7.2 | |
| Werkzeugaufrufe | 3.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |