Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Benchmark-uri

Surse
8
Intrări urmărite
22.318
Ultima sincronizare
46 min
Toate sursele se sincronizează normal
  • Arena · Textacum 1 oră
  • Arena · WebDevacum 1 oră
  • Arena · Visionacum 1 oră
  • Arena · Agentacum 1 oră
  • GPQA Diamondacum 46 de minute
  • SWE-benchacum 46 de minute
  • Terminal-Benchacum 46 de minute
  • ARC-AGI-2acum 46 de minute

glm-5.3-flash

93.9%±2.2%

91.7%CI96.1%

Z.ai (Zhipu AI)aug. 2026oscilație #26–#59

glm-5.1

93.3%±3.8%

89.6%CI97.1%

Z.ai (Zhipu AI)apr. 2026oscilație #44–#75

glm-5.3

91.1%±3.5%

87.7%CI94.6%

Z.ai (Zhipu AI)aug. 2026oscilație #18–#53

AIME (matematică) ×15 din 200 modele
ModelOrganizație± CIOscilațieAdaugă la comparație
46glm-5.3-flashZ.ai (Zhipu AI)aug. 2026$0.05 / $0.2093.9%91.7%–96.1%#26–59
47glm-5.1Z.ai (Zhipu AI)apr. 2026$0.97 / $3.0493.3%89.6%–97.1%#44–75
55glm-5.3Z.ai (Zhipu AI)aug. 2026$0.08 / $1.4091.1%87.7%–94.6%#18–53
73glm-5.2Z.ai (Zhipu AI)iun. 2026$0.62 / $2.4286.4%82.2%–90.6%#9–49
88glm-5Z.ai (Zhipu AI)feb. 2026$1 / $3.2080.0%74.0%–86.0%#57–153

Se afișează AIME (matematică) exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.