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
22.310
Ultima sincronizare
53 min
Toate sursele se sincronizează normal
  • Arena · Textacum 3 ore
  • Arena · WebDevacum 3 ore
  • Arena · Visionacum 3 ore
  • Arena · Agentacum 3 ore
  • GPQA Diamondacum 53 de minute
  • SWE-benchacum 53 de minute
  • Terminal-Benchacum 53 de minute
  • ARC-AGI-2acum 53 de minute

glm-5.2-max

68±2

65interval70

zaiiun. 2026oscilație #9–#49

glm-5.1

68±2

65interval70

zaiapr. 2026oscilație #44–#75

General ×1WebDev Arena ×1Vision Arena ×1Factuality Arena ×1Search Arena ×1Document Arena ×1Agent Arena ×1GPQA Diamond ×1AIME (matematică) ×1FrontierMath ×1SimpleQA Verified ×1ARC-AGI-2 ×1Humanity's Last Exam ×1SimpleBench ×1LiveBench ×1BFCL v4 (apelare de funcții) ×1inactivSWE-bench Verified (clasament live) ×1Terminal-Bench 4.0 ×1MMLU-Pro (Artificial Analysis) ×1LiveCodeBench (Artificial Analysis) ×1IFBench (Artificial Analysis) ×1Halucinații HHEM (Vectara) ×17 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
45glm-5.2-maxzaiiun. 2026$0.62 / $2.4267.9 72.8Clasat 67.9 = (11 × 72.8 + 3 × 50) ÷ 14. 72.8 este percentila medie pe cele 11 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.65–705911/22#9–499383—79——608964—3453—6889—————89—
46glm-5.1zaiapr. 2026$0.97 / $3.0467.9 73.2Clasat 67.9 = (10 × 73.2 + 3 × 50) ÷ 13. 73.2 este percentila medie pe cele 10 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.65–706110/22#44–758863—73———81778033——6083—————94—
50glm-5.3-flashzaiaug. 2026$0.05 / $0.2067.7 73.6Clasat 67.7 = (9 × 73.6 + 3 × 50) ÷ 12. 73.6 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.65–71519/22#26–6091838280——408278——74—————52————
52glm-5.3-maxzaiaug. 2026$0.08 / $1.4067.3 73.8Clasat 67.3 = (8 × 73.8 + 3 × 50) ÷ 11. 73.8 este percentila medie pe cele 8 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.63–70498/22#18–529486—82——588673—45——————65————
147glm-5zaifeb. 2026$1 / $3.2059.9 62.7Clasat 59.9 = (11 × 62.7 + 3 × 50) ÷ 14. 62.7 este percentila medie pe cele 11 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.58–625211/22#57–1538648—67———755754—35—5779—————8645
158GLM-5-Turbozai—$1.20 / $459.6 88.3Clasat 59.6 = (1 × 88.3 + 3 × 50) ÷ 4. 88.3 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.——1/22redusă—————————————————————88—
435glm-5v-turbozaisept. 2026$1.20 / $449.4 49.1Clasat 49.4 = (7 × 49.1 + 3 × 50) ÷ 10. 49.1 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.47–51737/22#86–43576405952—3————————44—————70—

Mixul este contractat după acoperire; scorul compus brut apare gri lângă el · O insignă „redusă” înseamnă că mai puțin de 3 clasamente au evaluat acest model

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.