#18 GLM 5
medium- Cost
- $0.005
- Timp
- 20.7s
- Tokenuri
- 2,068 tok
Z.ai
Lansare: 2026-02-12
Testat la: 2026-05-21 23:44
z-ai/glm-5::medium
744B în total (40B activi)MoESursă deschisă
(medium)
(none)
Rezumat
GLM 5 obține 8.2 pe AI BENCHY și este pe #18. Are fiabilitate 10.0, rată de reușită 81.7%, cost total $0.237 și timp mediu de răspuns 33.39s.
Ce face GLM 5 unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 744B în total (40B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- MIT
8.2
Consistență
8.4
10.0
$0.237
Total tokenuri de ieșire
119,898
Total tokenuri de intrare
0
Preț de intrare
$0.600 / 1M
Preț de ieșire
$1.920 / 1M
Teste instabile
4
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:07 Retestare | 7.7 | 10.0 | $0.307 ↑ | Compară | |
| 2026-06-04 13:07 Retestare | 7.7 | 10.0 | $0.372 ↑ | Compară | |
| 2026-06-04 13:07 Test nou adăugat | 8.3 | 10.0 | $0.228 ↓ | Compară | |
| 2026-05-21 23:44 Retestare | 8.2 | 10.0 | $0.237 | Rularea curentă | |
| 2026-04-22 12:55 Prima rulare înregistrată | 8.4 | N/D | $0.155 | Compară |
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 23:44 · Retestare | 60/60 încercări | 8.2 | 8.4 | 10.0 | 14/20 | 4 | 119,898 | 0 | $0.237 | 33.39s |
| 2026-06-04 13:07 · Retestare | 63/63 încercări | 7.7 | 8.1 | 10.0 | 15/21 | 4 | 124,566 | 35,224 | $0.372 | 33.54s |
| Diferență | — | +0.5 | +0.3 | 0.0 | -1 | 0 | -4668 | -35224 | -$0.135 | -152ms |
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 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
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 7.1 | 5.6 | |
| Specific domeniului | 3.5 | 4.4 | |
| Inteligență generală | 6.1 | 3.1 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |