????
$0.980 / 1M
????
$3.080 / 1M
不稳定测试
4
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-05-21 23:46 测试集已变更 | 7.4 | 3.3 | $0.286 | 当前轮次 | |
| 2026-05-08 14:41 测试集已变更 | 7.6 | 0.0 | $0.209 | 比较 | |
| 2026-05-08 14:41 测试集已变更 | 7.6 | 0.0 | $0.209 | 比较 | |
| 2026-04-22 12:55 首次记录的运行 | 7.8 | 不适用 | $0.201 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:46 · 当前轮次 | 7.4 | 8.3 | 3.3 | 12/20 | 4 | 83,351 | $0.286 | 32.22s |
| 2026-05-08 14:41 · 测试集已变更 | 7.6 | 8.7 | 0.0 | 12/19 | 3 | 59,356 | $0.209 | 24.43s |
| 差值 | -0.2 | -0.4 | +3.3 | 0 | +1 | +23995 | +$0.077 | +7799ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
GLM 5.1mediumvsGemini 3.1 Flash Lite PreviewlowGLM 5.1mediumvsGPT-5.2 ChatnoneGLM 5.1mediumvsMiMo-V2.5-PromediumGLM 5.1mediumvsMiMo-V2-PromediumGLM 5.1mediumvsGemini 3 Flash PreviewnoneGLM 5.1mediumvsGrok Build 0.1mediumGLM 5.1mediumvsGemini 3 Flash PreviewmediumGLM 5.1mediumvsGemini 3.5 FlashhighGLM 5.1mediumvsRing-2.6-1TmediumGLM 5.1mediumvsGemini 3.5 Flashlow