#228 GLM 5
medium- खर्च
- $0.005
- वेळ
- 20.7s
- टोकन्स
- 2,068 tok
सारांश
GLM 5 AI BENCHY वर 7.2 स्कोर करते आणि #228 वर आहे. याची reliability 10.0, pass rate 76.8%, एकूण खर्च $0.479, आणि सरासरी response time 39.05s आहे.
GLM 5 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #15.
संशोधन दिनांक: 2026-08-12
7.2
सुसंगतता
7.9
10.0
एकूण आउटपुट टोकन्स
120,942
एकूण इनपुट टोकन्स
212,440
इनपुट किंमत
$0.600 / 1M
आउटपुट किंमत
$1.920 / 1M
कॅश वाचण्याची किंमत
$0.120 / 1M
कॅश लिहिण्याची किंमत
लागू नाही
कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.
चुकीच्या चाचण्या: 7
प्रति प्रयत्न पास दर: 76.8%
बेंचमार्क कव्हरेज: 66/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती)
अस्थिर चाचण्या
5
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-10-01 05:16 पुन्हा चाचणी | 7.2 | 10.0 | $0.479 ↑ | सध्याची रन | |
| 2026-06-04 13:07 पुन्हा चाचणी | 7.7 | 10.0 | $0.372 ↑ | तुलना करा | |
| 2026-06-04 13:07 नवीन चाचणी जोडली | 8.3 | 10.0 | $0.228 ↓ | तुलना करा | |
| 2026-05-21 23:44 पुन्हा चाचणी | 8.2 | 10.0 | $0.237 | तुलना करा | |
| 2026-04-22 12:55 पहिली नोंदलेली रन | 8.4 | लागू नाही | $0.155 | तुलना करा |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 05:16 · सध्याची रन | 66/69 प्रयत्न | 7.2 | 7.9 | 10.0 | 15/22 | 5 | 120,942 | 212,440 | $0.479 | 39.05s |
| 2026-04-22 12:55 · पहिली नोंदलेली रन | 54/54 प्रयत्न | 8.4 | 8.2 | लागू नाही | 13/18 | 4 | 78,500 | 0 | $0.155 | 23.34s |
| फरक | — | -1.2 | -0.3 | +2 | +1 | +42442 | +212440 | +$0.325 | +15708ms |
बेंचमार्क कव्हरेज वेगळे आहे: 66/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
किंमत इतिहास
OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.
| तारीख | इनपुट किंमत | आउटपुट किंमत | कॅश वाचण्याची किंमत | कॅश लिहिण्याची किंमत |
|---|---|---|---|---|
| 2026-06-04 15:40 | $0.600 / 1M | $1.920 / 1M | लागू नाही | लागू नाही |
| 2026-07-16 15:36 | $0.950 / 1M | $3.150 / 1M | लागू नाही | लागू नाही |
| 2026-07-20 15:56 | $0.950 / 1M | $2.551 / 1M | लागू नाही | लागू नाही |
| 2026-10-01 18:33 | $0.600 / 1M | $1.920 / 1M | $0.120 / 1M | लागू नाही |
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| स्वायत्त एजंट कार्ये | 4.7 | 3.1 | |
| अँटी-एआय युक्त्या | 10.0 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 5.0 | 5.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 7.1 | 5.6 | |
| डोमेन-विशिष्ट | 3.5 | 4.4 | |
| Samanya Buddhimatta | 6.1 | 3.1 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 10.0 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |