#29 GLM 5 Turbo
medium- लागत
- $0.074
- समय
- 206.0s
- टोकन
- 18,549 tok
Z.ai
रिलीज़: 2026-03-15
परीक्षण किया गया: 2026-05-21 23:44
z-ai/glm-5-turbo::medium
744B कुल (40B सक्रिय)MoEबंद स्रोत
(medium)
(none)
सारांश
GLM 5 Turbo AI BENCHY पर 7.9 स्कोर करता है और #29 पर है। इसकी reliability 8.3, pass rate 76.7%, कुल लागत $0.244, और औसत response time 22.69s है।
GLM 5 Turbo को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 744B कुल (40B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
7.9
संगति
8.1
8.3
$0.244
कुल आउटपुट टोकन
65,789
कुल इनपुट टोकन
0
इनपुट कीमत
$1.200 / 1M
आउटपुट कीमत
$4.000 / 1M
अस्थिर टेस्ट
5
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-06-04 13:06 दोबारा परीक्षण | 7.6 | 10.0 | $0.323 ↑ | तुलना करें | |
| 2026-06-04 13:06 दोबारा परीक्षण | 7.6 | 10.0 | $0.323 ↑ | तुलना करें | |
| 2026-06-04 13:06 नया टेस्ट जोड़ा गया | 8.0 | 10.0 | $0.323 ↑ | तुलना करें | |
| 2026-05-21 23:44 सूट बदला गया | 7.9 | 8.3 | $0.244 | वर्तमान रन | |
| 2026-04-11 01:19 पहला दर्ज रन | 8.1 | लागू नहीं | $0.182 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:44 · सूट बदला गया | 60/60 प्रयास | 7.9 | 8.1 | 8.3 | 13/20 | 5 | 65,789 | 0 | $0.244 | 22.69s |
| 2026-06-04 13:06 · दोबारा परीक्षण | 63/63 प्रयास | 7.6 | 8.1 | 10.0 | 14/21 | 4 | 74,522 | 35,593 | $0.323 | 23.00s |
| अंतर | — | +0.3 | 0.0 | -1.7 | -1 | +1 | -8733 | -35593 | -$0.080 | -312ms |
बेंचमार्क कवरेज अलग है: 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 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।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| कोडिंग | 7.3 | 5.8 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 8.7 | 7.9 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |