#35 GLM 5V Turbo
medium
अमान्य SVG
- लागत
- $0.000
- समय
- 300.0s
- टोकन
- 0 tok
Z.ai
रिलीज़: 2026-04-01
परीक्षण किया गया: 2026-04-11 01:19
z-ai/glm-5v-turbo::medium
~106B कुल (~12B सक्रिय)MoEबंद स्रोतअनुमानित
(medium)
(none)
सारांश
GLM 5V Turbo AI BENCHY पर 7.8 स्कोर करता है और #35 पर है। इसकी reliability लागू नहीं, pass rate 77.8%, कुल लागत $0.291, और औसत response time 14.96s है।
GLM 5V 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
- ~106B कुल (~12B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
7.8
संगति
7.5
लागू नहीं
$0.291
कुल आउटपुट टोकन
61,292
कुल इनपुट टोकन
0
इनपुट कीमत
$1.200 / 1M
आउटपुट कीमत
$4.000 / 1M
अस्थिर टेस्ट
6
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 13:09 दोबारा परीक्षण | 6.7 | 10.0 | $0.457 | तुलना करें | |
| 2026-06-04 13:09 दोबारा परीक्षण | 6.7 | 10.0 | $0.457 | तुलना करें | |
| 2026-06-04 13:09 नया टेस्ट जोड़ा गया | 7.2 | 10.0 | $0.457 | तुलना करें | |
| 2026-05-21 23:44 सूट बदला गया | 7.4 | 10.0 | $0.412 | तुलना करें | |
| 2026-04-11 01:19 पहला दर्ज रन | 7.8 | लागू नहीं | $0.291 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:19 · पहला दर्ज रन | 54/54 प्रयास | 7.8 | 7.5 | लागू नहीं | 11/18 | 6 | 61,292 | 0 | $0.291 | 14.96s |
| 2026-05-21 23:44 · सूट बदला गया | 60/60 प्रयास | 7.4 | 7.8 | 10.0 | 11/20 | 6 | 90,342 | 0 | $0.412 | 20.31s |
| अंतर | — | +0.5 | -0.3 | 0 | 0 | -29050 | 0 | -$0.122 | -5346ms |
बेंचमार्क कवरेज अलग है: 54/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 60/60 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 | 7.2 | 6.1 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 6.9 | 3.8 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 7.2 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 9.9 | 10.0 | |
| पहेली समाधान | 7.7 | 7.3 | |
| टूल कॉलिंग | 7.0 | 3.7 |