AI BENCHY
Advertise here
#18

GLM 5

Z.ai Releasedatum: 2026-02-12 Getest op: 2026-05-21 23:44 z-ai/glm-5::medium
744B totaal (40B actief)MoEOpen-source
(medium) (none)

Samenvatting

GLM 5 scoort 8.2 op AI BENCHY en staat op #18. Het model heeft 10.0 betrouwbaarheid, een slagingspercentage van 81.7%, $0.237 totale kosten en 33.39s gemiddelde responstijd.

Wat GLM 5 uniek maakt: De totale benchmarkkosten zijn ongewoon laag voor dit scoreniveau.

Modelgegevens

Onderzocht op 2026-08-12

Gerapporteerd
Parameters
744B totaal (40B actief)
Architectuur
MoE
Beschikbaarheid
Open-source
Licentie
MIT
Bron voor parameters Bron voor beschikbaarheid

Score

8.2

Consistentie

8.4

Betrouwbaarheid

10.0

Totale kosten (huidige prijs)

$0.237

Totaal aantal uitvoer-tokens

119,898

Totaal aantal invoer-tokens

0

Invoerprijs

$0.600 / 1M

Uitvoerprijs

$1.920 / 1M

Correcte tests

Foute tests: 6

Slaagpercentage per poging: 81.7%

Instabiele tests

4

Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).

Responstijd (gem.)

33.39s

Responstijd (max): 99.85s

Responstijd (totaal): 400.62s

Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#18 GLM 5

medium
Kosten
$0.005
Tijd
20.7s
Tokens
2,068 tok

Rungeschiedenis

Getest op Score Betrouwbaarheid Correcte tests Totale kosten Vergelijken
2026-06-04 13:07 Hertest 7.7 10.0 $0.307 ↑ Vergelijken
2026-06-04 13:07 Hertest 7.7 10.0 $0.372 ↑ Vergelijken
2026-06-04 13:07 Nieuwe test toegevoegd 8.3 10.0 $0.228 ↓ Vergelijken
2026-05-21 23:44 Hertest 8.2 10.0 $0.237 Huidige run
2026-04-22 12:55 Eerste geregistreerde run 8.4 n.v.t. $0.155 Vergelijken

Runvergelijking

RunBenchmarkdekkingScoreConsistentieBetrouwbaarheidCorrecte testsInstabiele testsTotaal aantal uitvoer-tokensTotaal aantal invoer-tokensTotale kostenResponstijd (gem.)
2026-05-21 23:44 · Hertest60/60 pogingen8.28.410.014/204119,8980$0.23733.39s
2026-06-04 13:07 · Hertest63/63 pogingen7.78.110.015/214124,56635,224$0.30733.54s
Verschil—+0.5+0.30.0-10-4668-35224-$0.071-152ms

De benchmarkdekking verschilt: 60/60 pogingen (Doel: 3 herhalingen per test) tegenover 63/63 pogingen (Doel: 3 herhalingen per test). Totalen en herhalingsgevoelige statistieken zijn niet direct vergelijkbaar.

Deze twee runs gebruikten verschillende benchmarksets, dus de verschillen weerspiegelen zowel modelveranderingen als suitewijzigingen.

Grafieken

Kies eerst het eerste model en klik daarna op een tweede model om een zij-aan-zijpagina te openen.

Totaal aantal uitvoer-tokens

Score vs Totaal aantal uitvoer-tokens

Snelle vergelijking

GLM 5mediumvsQwen3.7 FlashhighGLM 5mediumvsSeed-2.0-CodelowGLM 5mediumvsClaude Opus 4.8lowGLM 5mediumvsClaude Opus 4.6mediumGLM 5mediumvsSeed-2.0-LitemediumGLM 5mediumvsDeepSeek V4 ProhighGLM 5mediumvsQwen3.8 27BmediumGLM 5mediumvsDeepSeek V4 Flash 0423highGLM 5mediumvsClaude Sonnet 4.6mediumGLM 5mediumvsGPT-5.6 Lunahigh

Categorie-uitsplitsing

Categorie Score Consistentie Correcte tests
Anti-AI-trucs 10.0 10.0
Programmeren 10.0 10.0
Gecombineerd 10.0 10.0
Gegevensparsering en extractie 7.1 5.6
Domeinspecifiek 3.5 4.4
Algemene intelligentie 6.1 3.1
Instructies opvolgen 10.0 10.0
Puzzeloplossing 10.0 10.0
Toolaanroepen 10.0 10.0
Algemene kennis 3.0 10.0

Vergeleken modellen