AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#268

GLM 5

Z.ai 发布日期: 2026-02-12 测试于: 2026-10-01 05:14 z-ai/glm-5::none
744B 总计 (40B 激活)MoE开源
(medium) (none)

摘要

GLM 5 在 AI BENCHY 上得分 5.6,排名 #268。它的可靠性为 10.0,通过率为 40.6%,总成本为 $0.140,平均响应时间为 8.74s。

GLM 5 的独特之处: 它最突出的是 通用智能,排名 #1;相对较弱的是 综合,排名 #16。

模型信息

调研日期:2026-08-12

已公布
参数量
744B 总计 (40B 激活)
架构
MoE
开放状态
开源
许可证
MIT

分数

5.6

一致性

9.3

可靠性

10.0

总成本(当前价格)

$0.140 ↑ +13.8%

测试时价格: $0.123

总输出令牌

5,577

总输入令牌

190,675

输入价格

$0.600 / 1M

输出价格

$1.920 / 1M

缓存读取价格

$0.120 / 1M

缓存写入价格

不适用

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

测试正确

错误测试数: 13

尝试通过率: 40.6%

基准测试覆盖率: 66/69 次尝试 (目标:每项测试重复 3 次)

不稳定测试

1

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)。

响应时间(平均)

8.74s

响应时间(最大): 74.80s

响应时间(总计): 131.17s

Hamster playing table tennis

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

#268 GLM 5

none
成本
$0.007
时间
32.1s
令牌
2,023 tok

测试历史

测试于 分数 可靠性 测试正确 总成本 比较
2026-10-01 05:14 重新测试 5.6 10.0 $0.140 ↑ 当前轮次
2026-06-04 13:05 重新测试 5.7 10.0 $0.042 ↑ 比较
2026-06-04 13:05 新增测试 6.1 10.0 $0.027 ↑ 比较
2026-05-21 23:41 测试集已变更 6.3 10.0 $0.023 比较
2026-04-22 12:55 首次记录的运行 6.6 不适用 $0.020 比较

轮次对比

测试轮次基准测试覆盖率分数一致性可靠性测试正确不稳定测试总输出令牌总输入令牌总成本响应时间(平均)
2026-10-01 05:14 · 当前轮次66/69 次尝试5.69.310.09/2215,577190,675$0.1408.74s
2026-05-21 23:41 · 测试集已变更60/60 次尝试6.39.710.09/2011,9880$0.0233.97s
差值—-0.7-0.40.000+3589+190675+$0.118+4772ms

基准测试覆盖率不同:66/69 次尝试 (目标:每项测试重复 3 次) 对比 60/60 次尝试 (目标:每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。

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。

价格历史

来自 OpenRouter 的该模型历史定价数据。

日期 输入价格 输出价格 缓存读取价格 缓存写入价格
2026-06-04 15:40 $0.600 / 1M $1.920 / 1M 不适用 不适用
2026-07-16 15:36 $0.950 / 1M $3.150 / 1M 不适用 不适用
2026-07-20 15:56 $0.950 / 1M $2.551 / 1M 不适用 不适用
2026-10-01 18:33 $0.600 / 1M $1.920 / 1M $0.120 / 1M 不适用

图表

先选择第一个模型,再点击第二个模型打开并排页面。

总输出令牌

分数 vs 总输出令牌

快速对比

类别细分

类别 分数 一致性 测试正确
智能体任务 5.0 10.0
反AI技巧 4.8 10.0
编程 4.0 7.8
综合 1.5 5.0
数据解析与提取 10.0 10.0
领域专项 3.0 10.0
通用智能 10.0 10.0
指令遵循 10.0 10.0
谜题求解 7.7 10.0
工具调用 10.0 10.0
常识问答 3.0 10.0

已对比模型