#125 GLM 5 Turbo
none- लागत
- $0.047
- समय
- 129.2s
- टोकन
- 11,775 tok
Z.ai
रिलीज़: 2026-03-15
परीक्षण किया गया: 2026-05-21 23:41
z-ai/glm-5-turbo::none
744B कुल (40B सक्रिय)MoEबंद स्रोत
(medium)
(none)
सारांश
GLM 5 Turbo AI BENCHY पर 5.3 स्कोर करता है और #125 पर है। इसकी reliability 10.0, pass rate 33.3%, कुल लागत $0.037, और औसत response time 2.83s है।
GLM 5 Turbo को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज 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
- -
5.3
संगति
9.3
10.0
$0.037
कुल आउटपुट टोकन
1,809
कुल इनपुट टोकन
0
इनपुट कीमत
$1.200 / 1M
आउटपुट कीमत
$4.000 / 1M
अस्थिर टेस्ट
2
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 13:05 दोबारा परीक्षण | 5.1 | 10.0 | $0.047 ↑ | तुलना करें | |
| 2026-06-04 13:05 दोबारा परीक्षण | 5.1 | 10.0 | $0.047 ↑ | तुलना करें | |
| 2026-06-04 13:05 नया टेस्ट जोड़ा गया | 5.2 | 10.0 | $0.047 ↑ | तुलना करें | |
| 2026-05-21 23:41 सूट बदला गया | 5.3 | 10.0 | $0.037 | वर्तमान रन | |
| 2026-04-11 01:19 पहला दर्ज रन | 5.5 | लागू नहीं | $0.032 | 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 23:41 · सूट बदला गया | 60/60 प्रयास | 5.3 | 9.3 | 10.0 | 6/20 | 2 | 1,809 | 0 | $0.037 | 2.83s |
| 2026-06-04 13:05 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 5.2 | 9.3 | 10.0 | 6/21 | 2 | 1,815 | 32,525 | $0.047 | 2.82s |
| अंतर | — | +0.1 | 0.0 | 0.0 | 0 | 0 | -6 | -32525 | -$0.011 | +6ms |
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 | 3.0 | 10.0 | |
| कोडिंग | 4.4 | 6.7 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 4.2 | 9.9 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 5.5 | 7.4 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |