GLM 4.5V
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
- 综合 Index51
- 推理54
- 编程52
- 数学53
- 人类偏好51
- 多模态46
嵌入这个排名
更多徽章样式[](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。
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。
Index 走势
2026年9月9日 至 2026年11月16日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 Index | 52.8#50 | 52.8#50 | Artificial 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#202 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 57.3%#400 | 68.4%#319 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 3.5%#618 | 6.3%#420 | – | Artificial Analysis | |
| Kagi LLM Benchmark推理强度未说明 | – | – | 59.8%#51 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.0%#337 | 0.0%#337 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1398#176 | Arena (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#200 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 35.2%#182 | 60.4%#109 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench Hard | 6.8%#254 | 5.3%#282 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 19.6%#342 | 22.5%#316 | Artificial 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#198 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 15.3%#207 | 73.0%#84 | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 28.6%#376 | 34.2%#326 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1338#209 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1352#206 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1309#214 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1356#199 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1341#222 | Arena (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#116 | Arena (LMArena) | |
| MMMU-Pro | 42.8%#274 | 50.5%#254 | – | Artificial Analysis |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 0.0%#517 | 0.0%#517 | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 6.7#520 | 7.6#476 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 166.4#515 | 194.3#443 | Artificial 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.ai | 34 tok/s | 1.65 s | $0.600 | $1.80 | 66k | fp8 |
| NovitaAI | 34 tok/s | 3.56 s | $0.600 | $1.80 | 66k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
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 | $0.0006 | 9.0 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0083 | $0.0039 | 17.1 s |
| 代码编辑 | 6,000 / 1,500 | $0.0063 | $0.0041 | 41.5 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.043 | $0.021 | 1.8 min |
| 结构化信息提取 | 2,000 / 200 | $0.0016 | $0.0008 | 6.3 s |
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。
[](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}
}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。