#37 GLM 5.1
medium
SVG tidak valid
- Biaya
- $0.000
- Waktu
- 300.0s
- Token
- 0 tok
Z.ai
Rilis: 2026-04-07
Diuji pada: 2026-04-22 12:55
z-ai/glm-5.1::medium
744B total (40B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
GLM 5.1 mendapat skor 7.8 di AI BENCHY dan berada di peringkat #37. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 75.9%, total biaya $0.201, dan waktu respons rata-rata 24.13s.
Yang membuat GLM 5.1 unik: Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 744B total (40B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- MIT
7.8
Konsistensi
8.6
T/A
$0.201
Total token output
57,095
Total token input
0
Harga input
$1.050 / 1M
Harga output
$3.500 / 1M
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 01:58 Uji ulang | 7.0 | 8.1 | $1.053 ↑ | Bandingkan | |
| 2026-07-16 21:29 Tes baru ditambahkan | 7.1 | 8.3 | $0.535 ↓ | Bandingkan | |
| 2026-06-04 13:06 Tes baru ditambahkan | 7.3 | 6.7 | $0.292 ↓ | Bandingkan | |
| 2026-05-21 23:46 Suite berubah | 7.4 | 3.3 | $0.286 | Bandingkan | |
| 2026-05-08 14:41 Suite berubah | 7.6 | 0.0 | $0.209 | Bandingkan | |
| 2026-05-08 14:41 Suite berubah | 7.6 | 0.0 | $0.209 | Bandingkan | |
| 2026-04-22 12:55 Run pertama yang tercatat | 7.8 | T/A | $0.201 | Run saat ini |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-22 12:55 · Run pertama yang tercatat | 54/54 percobaan | 7.8 | 8.6 | T/A | 12/18 | 3 | 57,095 | 0 | $0.201 | 24.13s |
| 2026-07-16 21:29 · Tes baru ditambahkan | 66/66 percobaan | 7.1 | 8.4 | 8.3 | 13/22 | 4 | 152,552 | 82,623 | $0.535 | 46.77s |
| Selisih | — | +0.7 | +0.2 | -1 | -1 | -95457 | -82623 | -$0.334 | -22637ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Perbandingan Cepat
GLM 5.1mediumvsDeepSeek V3.2mediumGLM 5.1mediumvsGPT-5.5noneGLM 5.1mediumvsGPT-5.6 SolnoneGLM 5.1mediumvsMercury 2mediumGLM 5.1mediumvsGrok 4.3mediumGLM 5.1mediumvsGrok 4.20mediumGLM 5.1mediumvsSolar Pro 4highGLM 5.1mediumvsSeed-2.0-MinimediumGLM 5.1mediumvsStep 3.7 FlashlowGLM 5.1mediumvsKimi K2.5medium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 10.0 | 10.0 | |
| Pemrograman | 4.7 | 1.6 | |
| Gabungan | 9.5 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 6.4 | 5.8 | |
| Pemecahan teka-teki | 8.2 | 7.2 | |
| Pemanggilan alat | 3.0 | 10.0 |