#148 GLM 4.7 Flash
medium
SVG invalid
- Cost
- $0.000
- Timp
- 186.2s
- Tokenuri
- 12,112 tok
Z.ai
Lansare: 2026-01-19
Testat la: 2026-05-21 23:50
z-ai/glm-4.7-flash::medium
30B în total (3B activi)MoESursă deschisă
(medium)
(none)
Rezumat
GLM 4.7 Flash obține 4.5 pe AI BENCHY și este pe #148. Are fiabilitate 8.3, rată de reușită 35.0%, cost total $0.054 și timp mediu de răspuns 35.09s.
Date despre model
Documentat la 2026-08-12
- Parametri
- 30B în total (3B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- MIT
4.5
Consistență
6.7
8.3
$0.054
Total tokenuri de ieșire
132,820
Total tokenuri de intrare
0
Preț de intrare
$0.060 / 1M
Preț de ieșire
$0.400 / 1M
Teste instabile
8
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 01:33 Retestare | 4.3 | 8.6 | $0.168 | Compară | |
| 2026-07-16 22:32 Test nou adăugat | 4.3 | 7.8 | $0.166 | Compară | |
| 2026-06-04 13:29 Test nou adăugat | 4.4 | 6.7 | $0.054 | Compară | |
| 2026-05-21 23:50 Suită modificată | 4.5 | 8.3 | $0.054 | Rularea curentă | |
| 2026-04-11 01:19 Prima rulare înregistrată | 4.6 | N/D | $0.046 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:50 · Suită modificată | 60/60 încercări | 4.5 | 6.7 | 8.3 | 4/20 | 8 | 132,820 | 0 | $0.054 | 35.09s |
| 2026-06-04 13:29 · Test nou adăugat | 63/63 încercări | 4.4 | 6.8 | 6.7 | 4/21 | 8 | 132,833 | 37,206 | $0.054 | 35.10s |
| Diferență | — | +0.1 | -0.1 | +1.6 | 0 | 0 | -13 | -37206 | -$0.001 | -4ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 63/63 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
GLM 4.7 FlashmediumvsLaguna S 2.1noneDisponibil gratuitGLM 4.7 FlashmediumvsGrok 4.20noneGLM 4.7 FlashmediumvsMiniMax M2.5mediumGLM 4.7 FlashmediumvsLing 3.0 TinynoneGLM 4.7 FlashmediumvsQwen3 Coder NextmediumGLM 4.7 FlashmediumvsGranite 4.1 8BnoneGLM 4.7 FlashmediumvsMercury 2noneGLM 4.7 FlashmediumvsNemotron 3.5 LightningnoneDisponibil gratuitGLM 4.7 FlashmediumvsCobuddymediumGLM 4.7 FlashmediumvsLing 3.0 Tinyhigh
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 4.7 | 5.9 | |
| Programare | 3.4 | 6.0 | |
| Combinat | 2.8 | 2.1 | |
| Parsare și extragere de date | 6.3 | 10.0 | |
| Specific domeniului | 3.5 | 4.4 | |
| Inteligență generală | 3.6 | 9.7 | |
| Respectarea instrucțiunilor | 6.2 | 5.8 | |
| Rezolvare de puzzle-uri | 2.9 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |