BenchLeader

GLM-4.6

推理强度
质量第 154 / 339 名
51.4Index
高于中位数
较中位数 +1.2
价格第 134 / 255 名
$0.963每百万 token
比多数贵
中位数的 1.1 倍
速度第 201 / 216 名
34token/秒
后四分之一
中位数的 0.4 倍
性价比第 130 / 255 名
53.4分/$
低于中位数
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 88%。

有 48 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 45 个。

截至 2026年11月16日,GLM-4.6(Zhipu AI)在 BenchLeader Index 上得分 51.4(共 608 个已排名配置)。表现最好的是智能体与工具(60),最弱的是指令遵循(46)。API 价格为输入每百万 token $0.600、输出每百万 token $2.20(按 3:1 混合为 $1.00),为 2026年11月16日的标价。输出速度约为 34 token/秒(Artificial Analysis)。发布于 2025年9月30日。

要点(截至 2026年11月16日)

  • GLM-4.6 的 API 价格为输入每百万 token $0.600、输出每百万 token $2.20(按 3:1 混合为 $1.00)(标价,2026年11月16日)。
  • GLM-4.6 的输出速度约为 34 token/秒(Artificial Analysis,2026年11月16日)。
  • GLM-4.6 于 2025年9月30日发布(Zhipu AI)。

详细说明:GLM-4.6 是 Zhipu AI 的开放权重推理模型,发布于 2025年9月30日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 51.4 ±12.1,在 608 个配置中排第 314 名,处于下半区。关键在于这个“±”:另有 506 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,智能体与工具得分最高(60),指令遵循最低(46)。按混合价格计,每百万 token $0.963,价格居中。输出速度为 34 token/秒,首次回答需 45.2 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:2025年9月30日。数据较旧:六个月内没有新结果

混合价格
$0.963/M
输入 $0.550 · 输出 $2.20
来源:Artificial Analysis
输出速度
34 tok/s
由 Artificial Analysis 测量
首次回答
45 s
首 token 1.42 s
上下文
205k
来源:models.dev
完整回答
104 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2025年9月30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. 智能体与工具60
  3. 指令遵循46
  4. 长上下文51

嵌入这个排名

更多徽章样式
[![GLM-4.6 on BenchLeader: 综合第 156 名](https://www.benchleader.com/badge/glm-4-6.svg?style=compact)](https://www.benchleader.com/models/glm-4-6)

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

版本

Zhipu AI 以这个名称发布过 8 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
GLM 5.3max2026年8月18日58.8#118
GLM 5.2max2026年6月16日58.9#115
GLM 5.12026年4月7日55.4#208
GLM-5thinking2026年2月11日60.2#81
GLM 4.72025年12月22日51.7#303
GLM-4.6thinking本页2025年9月30日51.4#314
GLM-4.52025年7月28日51.6#308
GLM-4-0520–––

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––33 tok/s8.59 s$0.0009智能体与工具 59 · 指令遵循 40 · 长上下文 37
thinking最佳51.4#31434 tok/s45 s$0.0009智能体与工具 60 · 指令遵循 46 · 长上下文 51
未说明50.2#34228 tok/s1.42 s$0.0009智能体与工具 39 · 编程 45 · 人类偏好 60 · 知识 51 · 数学 55 · 推理 52

Index 走势

2026年9月8日 至 2026年11月16日
355065
  • thinking
  • 默认

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 Index44.4#9744.4#97Artificial 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––1442#125Arena (LMArena)
GPQA Diamond (AA)不计入 Index63.2%#36378.0%#217–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index5.5%#44614.5%#275–Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明––74.5%#81Vals AI
Kagi LLM Benchmark推理强度未说明––47.4%#91Kagi LLM Benchmark
CritPt不计入 Index0.0%#3371.1%#242–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––1440#133Arena (LMArena)

编程

基准测试无推理thinking默认来源趋势
SciCode推理强度未说明––38.4%#197SciCode
Arena Coding推理强度未说明––1458#140Arena (LMArena)
Arena WebDev推理强度未说明––1343#122Arena (LMArena)
LiveCodeBench推理强度未说明––81.0%#64Vals AI
SWE-Bench Pro推理强度未说明––9.7%#23Scale AI SEAL
SWE-bench Verified (bash only)推理强度未说明––55.4%#29SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––68.2%#17SWE-bench
Vibe Code Bench v1.1不计入 Index推理强度未说明––3.1%#116Vals AI
ALE-Bench不计入 Index推理强度未说明––340.8#127Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)不计入 Index–49.4%#124–Artificial Analysis
Design Arena Website不计入 Index推理强度未说明––1166#111Design Arena
LiveCodeBench (AA)不计入 Index56.1%#12069.5%#68–Artificial Analysis

智能体与工具

基准测试无推理thinking默认来源趋势
Terminal-Bench推理强度未说明––24.5%#82Terminal-Bench
Terminal-Bench Hard28.8%#12025.0%#141–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index76.9%#13570.5%#157–Artificial Analysis
BFCL Overall–72.4%#4–Berkeley Function Calling Leaderboard
GDPval-AA v2.1不计入 Index–764#215–Artificial Analysis
τ³-Banking (AA)–13.4%#129–Artificial Analysis
Poker Agent不计入 Index推理强度未说明––945.8%#16Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明––28.1%#46Vals AI
Design Arena Agentic不计入 Index推理强度未说明––1059#68Design Arena
BrowseComp-Plus不计入 Index推理强度未说明––27.7%#6BrowseComp-Plus

数学

基准测试无推理thinking默认来源趋势
AIME (Vals)推理强度未说明––92.7%#17Vals AI
MGSM推理强度未说明––89.8%#43Vals AI
MathArena Apex推理强度未说明可能存在污染––0.5%#42MathArena
Arena Maths推理强度未说明––1418#127Arena (LMArena)
AIME 2025 (AA)不计入 Index44.3%#14386.0%#42–Artificial Analysis

知识

基准测试thinking默认来源趋势
MMLU-Pro推理强度未说明–82.2%#77Vals AI
LegalBench推理强度未说明–79.6%#93Vals AI
CorpFin推理强度未说明–56.8%#87Vals AI
TaxEval推理强度未说明–66.2%#111Vals AI
MedQA推理强度未说明–92.2%#33Vals AI
Global-MMLU-Lite (AA)不计入 Index85.6%#38–Artificial Analysis

指令遵循

基准测试无推理thinking默认来源趋势
IFBench36.7%#30143.4%#226–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––1413#126Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1425#124Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1412#75EQ-Bench
Arena Creative Writing不计入 Index1401#109Arena (LMArena)
Arena Multi-turn不计入 Index1421#130Arena (LMArena)
Arena Longer Queries不计入 Index1432#124Arena (LMArena)

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.126.3%#43154.0%#325Artificial Analysis

综合

基准测试无推理thinking来源趋势
AA Intelligence Index v4.3.2不计入 Index14.9#29918.5#261Artificial Analysis
AA Progress Index v1不计入 Index208.3#387243.1#282Artificial Analysis

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

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
DeepInfra34 tok/s2.25 s$0.400$1.60203kfp4
DeepInfra32 tok/s1.25 s$0.500$2.00203kfp4
Z.ai25 tok/s4.32 s$0.600$2.20203kfp4
NovitaAI25 tok/s4.78 s$0.550$2.20205kbf16
Venice24 tok/s1.34 s$0.430$1.75198kfp4

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.605$1.21$1.82$2.4226年9月26年10月26年11月
输入 输出
当前:输入 $0.550 · 输出 $2.20

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$0.0009$0.000754.1 s
总结一份 30 页的报告12,000 / 600$0.0079$0.00401.0 min
代码编辑6,000 / 1,500$0.0066$0.00461.5 min
智能体编程会话60,000 / 4,000$0.042$0.0222.7 min
结构化信息提取2,000 / 200$0.0015$0.000951.1 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-4.6 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-4.6 on BenchLeader: 综合第 156 名](https://www.benchleader.com/badge/glm-4-6.svg)](https://www.benchleader.com/models/glm-4-6)

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-4.6 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-4-6

BibTeX:

@misc{benchleader_glm_4_6_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM-4.6 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-4-6}},
  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-4.6 的基准测试得分是多少?
截至 2026年11月16日,GLM-4.6(推理强度 thinking)的 BenchLeader Index 为 51.4 ±12.1。最强的是智能体与工具(60),最弱的是指令遵循(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-4.6 排名第几?
截至 2026年11月16日,GLM-4.6(推理强度 thinking)在 608 个已排名配置中排第 314 名。另有 506 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-4.6 每百万 token 的价格是多少?
截至 2026年11月16日,GLM-4.6 的价格为输入每百万 token $0.550、输出每百万 token $2.20,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.963。标价最近一次变动是在 2026年9月19日。
GLM-4.6 是什么时候发布的?
Zhipu AI 于 2025年9月30日发布了 GLM-4.6。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-4.6: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-4-6。