AI BENCHY
Advertise here
#114

GLM 5.1

Z.ai Lansare: 2026-04-07 Testat la: 2026-05-21 23:41 z-ai/glm-5.1::none
(medium) (none)

Rezumat

GLM 5.1 obține 5.6 pe AI BENCHY și este pe #114. Are fiabilitate 10.0, rată de reușită 40.0%, cost total $0.057 și timp mediu de răspuns 4.16s.

Ce face GLM 5.1 unic: Se remarcă cel mai mult la Respectarea instrucțiunilor, unde este pe #2, iar Specific domeniului este zona cea mai slabă, la #10.

Scor

5.6

Consistență

8.1

Fiabilitate

10.0

Cost total (preț curent)

$0.057

Total tokenuri de ieșire

3,749

Total tokenuri de intrare

0

Preț de intrare

$0.980 / 1M

Preț de ieșire

$3.080 / 1M

Teste corecte

Teste greșite: 14

Rată de trecere pe încercare: 40.0%

Teste instabile

5

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

4.16s

Timp de răspuns (maxim): 32.57s

Timp de răspuns (total): 83.23s

Răspuns greșit: 12 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1

Prezentare generare

Hamster playing table tennis

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

#114 GLM 5.1

none
SVG invalid
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:04 Test nou adăugat 5.7 10.0 $0.058 ↓ Compară
2026-05-21 23:41 Suită modificată 5.6 10.0 $0.057 Rularea curentă
2026-05-08 13:04 Suită modificată 5.7 10.0 $0.053 Compară
2026-05-08 13:04 Suită modificată 5.7 10.0 $0.053 Compară
2026-04-22 12:55 Prima rulare înregistrată 5.6 N/D $0.053 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

GLM 5.1nonevsGemini 3.1 Flash LitenoneGLM 5.1nonevsGemma 4 31BnoneDisponibil gratuitGLM 5.1nonevsNemotron 3 Ultra 550b A55bnoneDisponibil gratuitGLM 5.1nonevsGemini 3.1 Flash LiteminimalGLM 5.1nonevsQwen3.6 Max PreviewnoneGLM 5.1nonevsGemini 3.5 FlashhighGLM 5.1nonevsGemini 3 Flash PreviewmediumGLM 5.1nonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitGLM 5.1nonevsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 4.0 6.3
Programare 4.3 9.5
Combinat 2.8 2.1
Parsare și extragere de date 10.0 10.0
Specific domeniului 2.9 7.2
Inteligență generală 5.0 10.0
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 6.1 7.8
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate