BenchLeader

GLM-5

推理强度
质量第 37 / 339 名
60.2Index
前四分之一
较中位数 +10.0
价格第 162 / 255 名
$1.55每百万 token
比多数贵
中位数的 1.8 倍
速度第 134 / 216 名
69token/秒
低于中位数
中位数的 0.8 倍
性价比第 158 / 255 名
38.8分/$
低于中位数
中位数的 0.7 倍

性价比更高: GPT-5.6 Luna $0.450/M 即可获得 Index 58.2,便宜 71%。

有 2 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)。

截至 2026年11月16日,GLM-5(Zhipu AI)在 BenchLeader Index 上得分 60.2(在 608 个已排名配置中前 100 名)。表现最好的是指令遵循(71),最弱的是知识(57)。API 价格为输入每百万 token $1.00、输出每百万 token $3.20(按 3:1 混合为 $1.55),为 2026年11月16日的标价。输出速度约为 69 token/秒(Artificial Analysis)。发布于 2026年2月11日。

要点(截至 2026年11月16日)

  • GLM-5 的 API 价格为输入每百万 token $1.00、输出每百万 token $3.20(按 3:1 混合为 $1.55)(标价,2026年11月16日)。
  • GLM-5 的输出速度约为 69 token/秒(Artificial Analysis,2026年11月16日)。
  • GLM-5 于 2026年2月11日发布(Zhipu AI)。

详细说明:GLM-5 是 Zhipu AI 的开放权重推理模型,发布于 2026年2月11日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 60.2 ±3.6,在 608 个配置中排第 81 名,处于上半区。关键在于这个“±”:另有 201 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,指令遵循得分最高(71),知识最低(57)。按混合价格计,每百万 token $1.55,比大多数已排名模型贵。输出速度为 69 token/秒,首次回答需 29.2 秒,比大多数模型慢。它已在 4 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10月13日。

混合价格
$1.55/M
输入 $1.00 · 输出 $3.20
来源:Artificial Analysis
输出速度
69 tok/s
由 Artificial Analysis 测量
首次回答
29 s
首 token 1.82 s
上下文
205k
来源:models.dev
完整回答
81 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
2026年2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 Index60
  2. 推理68
  3. 编程59
  4. 智能体与工具58
  5. 数学63
  6. 知识57
  7. 指令遵循71
  8. 长上下文62

嵌入这个排名

更多徽章样式
[![GLM-5 on BenchLeader: 综合第 38 名](https://www.benchleader.com/badge/glm-5.svg?style=compact)](https://www.benchleader.com/models/glm-5)

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-5thinking本页2026年2月11日60.2#81
GLM 4.72025年12月22日51.7#303
GLM-4.6thinking2025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––54 tok/s2.39 s$0.0014智能体与工具 68 · 指令遵循 56 · 长上下文 46
high––45 tok/s1.82 s$0.0014编程 64
thinking最佳60.2#8169 tok/s29 s$0.0014智能体与工具 58 · 编程 59 · 指令遵循 71 · 知识 57 · 长上下文 62 · 数学 63 · 推理 68
未说明54.9#22345 tok/s1.82 s$0.0014智能体与工具 59 · 编程 51 · 人类偏好 64 · 数学 55 · 推理 50

Index 走势

2026年9月8日 至 2026年11月16日
515864
  • 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 Index50#6150#61Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond推理强度未说明––87.8%#81Epoch AI Benchmarking Hub
SimpleBench推理强度未说明––53.2%#57SimpleBench
Arena Hard Prompts推理强度未说明––1478#71Arena (LMArena)
GPQA Diamond (AA)不计入 Index66.6%#33682.0%#178–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index7.7%#37829.3%#173–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–83.3%#57–Vals AI
Kagi LLM Benchmark–75.0%#1251.7%#81Kagi LLM Benchmark
ARC-AGI-1推理强度未说明––44.7%#194ARC Prize
ARC-AGI-2推理强度未说明––4.9%#185ARC Prize
CritPt不计入 Index0.0%#3372.0%#220–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––1482#75Arena (LMArena)
CL-bench不计入 Index推理强度未说明––18.7%#11Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––63.4%#42ForecastBench

编程

基准测试highthinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明––72.1%#22Epoch AI Benchmarking Hub
WeirdML推理强度未说明––48.2%#73WeirdML
Arena Coding推理强度未说明––1498#86Arena (LMArena)
Arena WebDev推理强度未说明––1435#90Arena (LMArena)
LiveCodeBench–81.9%#58–Vals AI
SWE-bench (Vals)不计入 Index–71.4%#55–Vals AI
SWE-bench Verified (bash only)72.8%#7––SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明––69.7%#4SWE-bench
SWE-bench Verified (any scaffold)不计入 Index72.8%#10––SWE-bench
Vibe Code Bench v1.1不计入 Index–23.4%#86–Vals AI
SWE Atlas v1.0: Codebase QnA不计入 Index推理强度未说明––20.5%#18Scale AI SEAL
SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明––24.2%#14Scale AI SEAL
SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明––28.7%#19Scale AI SEAL
ALE-Bench不计入 Index推理强度未说明––765.6#91Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明––1239#68Design Arena

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––52.4%#36Terminal-Bench
Terminal-Bench Hard39.4%#5743.2%#41–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index97.4%#1298.3%#8–Artificial Analysis
τ²-bench–81.0%#6–τ²-bench
τ³-bench Banking不计入 Index–9.8%#26–τ²-bench
APEX-Agents (AA)不计入 Index–14.4%#25–Artificial Analysis
Terminal-Bench 2.0 (Vals)不计入 Index–49.4%#20–Vals AI
Vending-Bench 2不计入 Index推理强度未说明––4432.1#41Andon Labs
Design Arena Agentic不计入 Index推理强度未说明––1115#56Design Arena

数学

基准测试thinking默认来源趋势
OTIS Mock AIME推理强度未说明–80.0%#125Epoch AI Benchmarking Hub
AIME (Vals)91.7%#23–Vals AI
AIME 2026推理强度未说明可能存在污染–96.7%#6MathArena
HMMT February 2026推理强度未说明–86.4%#20MathArena
USAMO 2026不计入 Index推理强度未说明–35.1%#9MathArena
MathArena Apex推理强度未说明可能存在污染–10.9%#21MathArena
Arena Maths推理强度未说明–1443#89Arena (LMArena)

知识

基准测试无推理thinking来源趋势
MMLU-Pro–86.0%#50Vals AI
LegalBench–84.1%#42Vals AI
CorpFin–62.9%#48Vals AI
TaxEval–70.0%#93Vals AI
MedQA–94.3%#18Vals AI
CaseLaw v2不计入 Index–52.5%#45Vals AI
Global-MMLU-Lite (AA)不计入 Index81.9%#58–Artificial Analysis

指令遵循

基准测试无推理thinking默认来源趋势
IFBench55.2%#14872.3%#49–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––1447#72Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1457#67Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1601#46EQ-Bench
Arena Creative Writing不计入 Index1447#48Arena (LMArena)
Arena Multi-turn不计入 Index1472#59Arena (LMArena)
Arena Longer Queries不计入 Index1469#66Arena (LMArena)

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.143.7%#36675.7%#171Artificial Analysis

综合

基准测试无推理thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––146.5#84Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index21.8#21827.9#146–Artificial Analysis
AA Progress Index v1不计入 Index246.1#275280.9#176–Artificial Analysis

安全与诚实

基准测试默认来源趋势
DistressBench不计入 Index71.2%#24Scale AI SEAL

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
Amazon Bedrock114 tok/s1.05 s$1.00$3.20203k–
Venice (fp8)83 tok/s0.98 s$1.00$3.20198kfp8
Baidu Qianfan56 tok/s1.82 s$0.700$2.24203kfp8
GMICloud48 tok/s2.25 s$0.600$1.92203kfp8
Z.ai46 tok/s1.80 s$1.00$3.20203kfp8
NovitaAI44 tok/s2.05 s$1.00$3.20203kfp8
StreamLake40 tok/s1.91 s$0.600$1.92198kfp8
SiliconFlow32 tok/s2.89 s$0.950$2.55205kfp8
Venice26 tok/s4.22 s$1.20$4.00200k–

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 $0.200。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$0.0014$0.001133.5 s
总结一份 30 页的报告12,000 / 600$0.014$0.006737.8 s
代码编辑6,000 / 1,500$0.011$0.007250.8 s
智能体编程会话60,000 / 4,000$0.073$0.0371.4 min
结构化信息提取2,000 / 200$0.0026$0.001432.0 s

Zhipu AI 的更多模型

本月新上线

将 GLM-5 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GLM-5 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-5 on BenchLeader: 综合第 38 名](https://www.benchleader.com/badge/glm-5.svg)](https://www.benchleader.com/models/glm-5)

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

BibTeX:

@misc{benchleader_glm_5_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM-5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-5}},
  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-5 的基准测试得分是多少?
截至 2026年11月16日,GLM-5(推理强度 thinking)的 BenchLeader Index 为 60.2 ±3.6(前 100 名)。最强的是指令遵循(71),最弱的是知识(57)。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-5 排名第几?
截至 2026年11月16日,GLM-5(推理强度 thinking)在 608 个已排名配置中排第 81 名(前 100 名)。另有 201 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-5 每百万 token 的价格是多少?
截至 2026年11月16日,GLM-5 的价格为输入每百万 token $1.00、输出每百万 token $3.20,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.55。
GLM-5 比 Gemini 3.8 Flash 更好吗?
截至 2026年11月16日,Gemini 3.8 Flash(推理强度 medium)与 GLM-5(推理强度 thinking)的质量不相上下(BenchLeader Index 60.2 比 60.2,在 ±6.1 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
GLM-5 是什么时候发布的?
Zhipu AI 于 2026年2月11日发布了 GLM-5。BenchLeader 收录了它在 4 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-5: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-5。