Advertise here
#54

GLM 5.1

Z.ai रिलीज़: 2026-04-07 परीक्षण किया गया: 2026-06-04 13:06 z-ai/glm-5.1::medium
744B कुल (40B सक्रिय)MoEमुक्त स्रोत
(medium) (none)

सारांश

GLM 5.1 AI BENCHY पर 7.3 स्कोर करता है और #54 पर है। इसकी reliability 6.7, pass rate 68.3%, कुल लागत $0.292, और औसत response time 33.67s है।

GLM 5.1 को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित
पैरामीटर
744B कुल (40B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
लाइसेंस
MIT
पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.3

संगति

8.3

विश्वसनीयता

6.7

कुल लागत (वर्तमान कीमत)

$0.292 ↓ -2.6%

परीक्षण के समय: $0.300

कुल आउटपुट टोकन

87,076

कुल इनपुट टोकन

32,995

इनपुट कीमत

$0.980 / 1M

आउटपुट कीमत

$3.080 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 68.3%

अस्थिर टेस्ट

4

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

33.67s

प्रतिक्रिया समय (अधिकतम): 172.60s

प्रतिक्रिया समय (कुल): 673.41s

गलत उत्तर: 4 समय समाप्त: 2 API त्रुटि: 1 अतिरिक्त फॉर्मेटिंग: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#54 GLM 5.1

medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
लागत
$0.000
समय
300.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 01:58 दोबारा परीक्षण 7.0 8.1 $1.053 ↑ तुलना करें
2026-07-16 21:29 नया टेस्ट जोड़ा गया 7.1 8.3 $0.535 ↓ तुलना करें
2026-06-04 13:06 नया टेस्ट जोड़ा गया 7.3 6.7 $0.292 ↓ वर्तमान रन
2026-05-21 23:46 सूट बदला गया 7.4 3.3 $0.286 तुलना करें
2026-05-08 14:41 सूट बदला गया 7.6 0.0 $0.209 तुलना करें
2026-05-08 14:41 सूट बदला गया 7.6 0.0 $0.209 तुलना करें
2026-04-22 12:55 पहला दर्ज रन 7.8 लागू नहीं $0.201 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-06-04 13:06 · नया टेस्ट जोड़ा गया63/63 प्रयास7.38.36.712/21487,07632,995$0.29233.67s
2026-07-16 21:29 · नया टेस्ट जोड़ा गया66/66 प्रयास7.18.48.313/224152,55282,623$0.53546.77s
अंतर—+0.2-0.1-1.6-10-65476-49628-$0.243-13099ms

बेंचमार्क कवरेज अलग है: 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-06-04 14:42 $0.980 / 1M $3.080 / 1M लागू नहीं लागू नहीं

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

GLM 5.1mediumvsSpace Bunny AlphahighGLM 5.1mediumvsSeed-2.0-MinimediumGLM 5.1mediumvsQwen3.8 27Blowनिःशुल्क उपलब्धGLM 5.1mediumvsSeed-2.0-CodehighGLM 5.1mediumvsGPT-6 LunalowGLM 5.1mediumvsGPT-5.6 LunamediumGLM 5.1mediumvsQwen3.8 Flash NextmediumGLM 5.1mediumvsQwen3.6 FlashmediumGLM 5.1mediumvsMuse Glimmer 30BmediumGLM 5.1mediumvsDeepSeek V4 Flash 0731low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 4.6 3.7
संयुक्त 9.5 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 6.4 5.8
पहेली समाधान 8.2 7.2
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल