GLM-5
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
- 综合 Index60
- 推理68
- 编程59
- 智能体与工具58
- 数学63
- 知识57
- 指令遵循71
- 长上下文62
嵌入这个排名
更多徽章样式[](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。
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。
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8日 至 2026年11月16日- 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 Index | 50#61 | 50#61 | Artificial 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%#81 | Epoch AI Benchmarking Hub | |
| SimpleBench推理强度未说明 | – | – | 53.2%#57 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | – | 1478#71 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 66.6%#336 | 82.0%#178 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 7.7%#378 | 29.3%#173 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 83.3%#57 | – | Vals AI | |
| Kagi LLM Benchmark | – | 75.0%#12 | 51.7%#81 | Kagi LLM Benchmark | |
| ARC-AGI-1推理强度未说明 | – | – | 44.7%#194 | ARC Prize | |
| ARC-AGI-2推理强度未说明 | – | – | 4.9%#185 | ARC Prize | |
| CritPt不计入 Index | 0.0%#337 | 2.0%#220 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1482#75 | Arena (LMArena) | |
| CL-bench不计入 Index推理强度未说明 | – | – | 18.7%#11 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | 63.4%#42 | ForecastBench |
编程
| 基准测试 | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SWE-bench Verified (Epoch)推理强度未说明 | – | – | 72.1%#22 | Epoch AI Benchmarking Hub | |
| WeirdML推理强度未说明 | – | – | 48.2%#73 | WeirdML | |
| Arena Coding推理强度未说明 | – | – | 1498#86 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | – | 1435#90 | Arena (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%#4 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index | 72.8%#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%#18 | Scale AI SEAL | |
| SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明 | – | – | 24.2%#14 | Scale AI SEAL | |
| SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明 | – | – | 28.7%#19 | Scale AI SEAL | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 765.6#91 | Epoch AI Benchmarking Hub | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1239#68 | Design 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%#36 | Terminal-Bench | |
| Terminal-Bench Hard | 39.4%#57 | 43.2%#41 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 97.4%#12 | 98.3%#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#41 | Andon Labs | |
| Design Arena Agentic不计入 Index推理强度未说明 | – | – | 1115#56 | Design 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%#125 | Epoch 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%#6 | MathArena | |
| HMMT February 2026推理强度未说明 | – | 86.4%#20 | MathArena | |
| USAMO 2026不计入 Index推理强度未说明 | – | 35.1%#9 | MathArena | |
| MathArena Apex推理强度未说明可能存在污染 | – | 10.9%#21 | MathArena | |
| Arena Maths推理强度未说明 | – | 1443#89 | Arena (LMArena) |
知识
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| MMLU-Pro | – | 86.0%#50 | Vals AI | |
| LegalBench | – | 84.1%#42 | Vals AI | |
| CorpFin | – | 62.9%#48 | Vals AI | |
| TaxEval | – | 70.0%#93 | Vals AI | |
| MedQA | – | 94.3%#18 | Vals AI | |
| CaseLaw v2不计入 Index | – | 52.5%#45 | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | 81.9%#58 | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 55.2%#148 | 72.3%#49 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1447#72 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1457#67 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1601#46 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1447#48 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1472#59 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1469#66 | Arena (LMArena) |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 43.7%#366 | 75.7%#171 | Artificial 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#84 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 21.8#218 | 27.9#146 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 246.1#275 | 280.9#176 | – | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| DistressBench不计入 Index | 71.2%#24 | Scale 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 Bedrock | 114 tok/s | 1.05 s | $1.00 | $3.20 | 203k | – |
| Venice (fp8) | 83 tok/s | 0.98 s | $1.00 | $3.20 | 198k | fp8 |
| Baidu Qianfan | 56 tok/s | 1.82 s | $0.700 | $2.24 | 203k | fp8 |
| GMICloud | 48 tok/s | 2.25 s | $0.600 | $1.92 | 203k | fp8 |
| Z.ai | 46 tok/s | 1.80 s | $1.00 | $3.20 | 203k | fp8 |
| NovitaAI | 44 tok/s | 2.05 s | $1.00 | $3.20 | 203k | fp8 |
| StreamLake | 40 tok/s | 1.91 s | $0.600 | $1.92 | 198k | fp8 |
| SiliconFlow | 32 tok/s | 2.89 s | $0.950 | $2.55 | 205k | fp8 |
| Venice | 26 tok/s | 4.22 s | $1.20 | $4.00 | 200k | – |
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 | $0.0011 | 33.5 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.014 | $0.0067 | 37.8 s |
| 代码编辑 | 6,000 / 1,500 | $0.011 | $0.0072 | 50.8 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.073 | $0.037 | 1.4 min |
| 结构化信息提取 | 2,000 / 200 | $0.0026 | $0.0014 | 32.0 s |
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。
[](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}
}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。