BenchLeader

GLM 4.5V

推理强度
质量第 163 / 339 名
50.8Index
高于中位数
较中位数 +0.6
价格第 131 / 255 名
$0.900每百万 token
比多数贵
中位数的 1.1 倍
速度第 196 / 216 名
37token/秒
后四分之一
中位数的 0.5 倍
性价比第 126 / 255 名
56.4分/$
高于中位数
中位数的 1.0 倍

性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 87%。

有 50 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 47 个。

截至 2026年11月16日,GLM 4.5V(Zhipu AI)在 BenchLeader Index 上得分 50.8(共 608 个已排名配置)。表现最好的是推理(54),最弱的是多模态(46)。API 价格为输入每百万 token $0.600、输出每百万 token $1.80(按 3:1 混合为 $0.900),为 2026年11月16日的标价。输出速度约为 37 token/秒(OpenRouter)。发布于 2025年8月11日。

要点(截至 2026年11月16日)

  • GLM 4.5V 的 API 价格为输入每百万 token $0.600、输出每百万 token $1.80(按 3:1 混合为 $0.900)(标价,2026年11月16日)。
  • GLM 4.5V 的输出速度约为 37 token/秒(OpenRouter,2026年11月16日)。
  • GLM 4.5V 于 2025年8月11日发布(Zhipu AI)。

详细说明:GLM 4.5V 是 Zhipu AI 的开放权重推理模型,发布于 2025年8月11日。其最佳配置在 BenchLeader Index 上得分 50.8 ±2.3,在 608 个配置中排第 329 名,处于下半区。关键在于这个“±”:另有 258 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,推理得分最高(54),多模态最低(46)。按混合价格计,每百万 token $0.900,价格居中。输出速度为 37 token/秒,首 token 延迟 0.9 秒,位于最慢的四分之一。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$0.900/M
输入 $0.600 · 输出 $1.80
来源:models.dev
输出速度
37 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
0.91 s
上下文
64k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2025年8月11日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index51
  2. 推理54
  3. 编程52
  4. 数学53
  5. 人类偏好51
  6. 多模态46

嵌入这个排名

更多徽章样式
[![GLM 4.5V on BenchLeader: 综合第 162 名](https://www.benchleader.com/badge/glm-4-5v.svg?style=compact)](https://www.benchleader.com/models/glm-4-5v)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Zhipu AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––48 tok/s8.15 s$0.0008智能体与工具 40 · 指令遵循 33 · 长上下文 23 · 多模态 24
thinking––44 tok/s15 s$0.0008智能体与工具 38 · 指令遵循 38 · 长上下文 23 · 多模态 32
未说明最佳50.8#32937 tok/s0.91 s$0.0008编程 52 · 人类偏好 51 · 数学 53 · 多模态 46 · 推理 54

Index 走势

2026年9月9日 至 2026年11月16日
414854

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试无推理thinking来源趋势
AA Openness Index不计入 Index52.8#5052.8#50Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
Arena Hard Prompts推理强度未说明––1373#202Arena (LMArena)
GPQA Diamond (AA)不计入 Index57.3%#40068.4%#319–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index3.5%#6186.3%#420–Artificial Analysis
Kagi LLM Benchmark推理强度未说明––59.8%#51Kagi LLM Benchmark
CritPt不计入 Index0.0%#3370.0%#337–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––1398#176Arena (LMArena)

编程

基准测试无推理thinking默认来源趋势
Arena Coding推理强度未说明––1403#200Arena (LMArena)
LiveCodeBench (AA)不计入 Index35.2%#18260.4%#109–Artificial Analysis

智能体与工具

基准测试无推理thinking来源趋势
Terminal-Bench Hard6.8%#2545.3%#282Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index19.6%#34222.5%#316Artificial Analysis

数学

基准测试无推理thinking默认来源趋势
Arena Maths推理强度未说明––1360#198Arena (LMArena)
AIME 2025 (AA)不计入 Index15.3%#20773.0%#84–Artificial Analysis

指令遵循

基准测试无推理thinking默认来源趋势
IFBench28.6%#37634.2%#326–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––1338#209Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1352#206Arena (LMArena)
Arena Creative Writing不计入 Index1309#214Arena (LMArena)
Arena Multi-turn不计入 Index1356#199Arena (LMArena)
Arena Longer Queries不计入 Index1341#222Arena (LMArena)

多模态

基准测试无推理thinking默认来源趋势
Arena Vision推理强度未说明––1154#116Arena (LMArena)
MMMU-Pro42.8%#27450.5%#254–Artificial Analysis

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.10.0%#5170.0%#517Artificial Analysis

综合

基准测试无推理thinking来源趋势
AA Intelligence Index v4.3.2不计入 Index6.7#5207.6#476Artificial Analysis
AA Progress Index v1不计入 Index166.4#515194.3#443Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Z.ai34 tok/s1.65 s$0.600$1.8066kfp8
NovitaAI34 tok/s3.56 s$0.600$1.8066kfp8

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.495$0.990$1.49$1.9826年9月26年10月26年11月
输入 输出
当前:输入 $0.600 · 输出 $1.80

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.110。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0008$0.00069.0 s
总结一份 30 页的报告12,000 / 600$0.0083$0.003917.1 s
代码编辑6,000 / 1,500$0.0063$0.004141.5 s
智能体编程会话60,000 / 4,000$0.043$0.0211.8 min
结构化信息提取2,000 / 200$0.0016$0.00086.3 s

Zhipu AI 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GLM 4.5V 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![GLM 4.5V on BenchLeader: 综合第 162 名](https://www.benchleader.com/badge/glm-4-5v.svg)](https://www.benchleader.com/models/glm-4-5v)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). GLM 4.5V on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-4-5v

BibTeX:

@misc{benchleader_glm_4_5v_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM 4.5V on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-4-5v}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

GLM 4.5V 的基准测试得分是多少?
截至 2026年11月16日,GLM 4.5V 的 BenchLeader Index 为 50.8 ±2.3。最强的是推理(54),最弱的是多模态(46)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
GLM 4.5V 排名第几?
截至 2026年11月16日,GLM 4.5V 在 608 个已排名配置中排第 329 名。另有 258 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
GLM 4.5V 每百万 token 的价格是多少?
截至 2026年11月16日,GLM 4.5V 的价格为输入每百万 token $0.600、输出每百万 token $1.80,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.900。标价最近一次变动是在 2026年11月4日。
GLM 4.5V 是什么时候发布的?
Zhipu AI 于 2025年8月11日发布了 GLM 4.5V。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《GLM 4.5V:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/glm-4-5v。