BenchLeader

GLM 5.1

推理强度
质量第 103 / 339 名
55.4Index
高于中位数
较中位数 +5.2
价格第 181 / 255 名
$2.15每百万 token
比多数贵
中位数的 2.5 倍
速度第 153 / 216 名
60token/秒
低于中位数
中位数的 0.7 倍
性价比第 181 / 255 名
25.8分/$
低于中位数
中位数的 0.5 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 16 分之一。

有 42 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50),另有 39 个。

截至 2026年11月16日,GLM 5.1(Zhipu AI)在 BenchLeader Index 上得分 55.4(共 608 个已排名配置)。表现最好的是人类偏好(65),最弱的是智能体与工具(48)。API 价格为输入每百万 token $1.40、输出每百万 token $4.40(按 3:1 混合为 $2.15),为 2026年11月16日的标价。输出速度约为 60 token/秒(OpenRouter)。发布于 2026年4月7日。

要点(截至 2026年11月16日)

  • GLM 5.1 的 API 价格为输入每百万 token $1.40、输出每百万 token $4.40(按 3:1 混合为 $2.15)(标价,2026年11月16日)。
  • GLM 5.1 的输出速度约为 60 token/秒(OpenRouter,2026年11月16日)。
  • GLM 5.1 于 2026年4月7日发布(Zhipu AI)。

详细说明:GLM 5.1 是 Zhipu AI 的开放权重模型,发布于 2026年4月7日。其最佳配置在 BenchLeader Index 上得分 55.4 ±3.1,在 608 个配置中排第 208 名,处于上半区。关键在于这个“±”:另有 259 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,人类偏好得分最高(65),智能体与工具最低(48)。按混合价格计,每百万 token $2.15,比大多数已排名模型贵。输出速度为 60 token/秒,首 token 延迟 1.3 秒,比大多数模型慢。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
$2.15/M
输入 $1.40 · 输出 $4.40
来源:models.dev
输出速度
60 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
1.32 s
上下文
200k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2026年4月7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 Index55
  2. 推理59
  3. 编程56
  4. 智能体与工具48
  5. 数学54
  6. 知识54
  7. 人类偏好65

嵌入这个排名

更多徽章样式
[![GLM 5.1 on BenchLeader: 综合第 102 名](https://www.benchleader.com/badge/glm-5-1.svg?style=compact)](https://www.benchleader.com/models/glm-5-1)

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 5.1本页2026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-4.6thinking2025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––82 tok/s4.91 s$0.0017智能体与工具 65 · 指令遵循 53 · 长上下文 51 · 数学 39
thinking––93 tok/s33 s$0.0016智能体与工具 51 · 指令遵循 74 · 长上下文 61
未说明最佳55.4#20860 tok/s1.32 s$0.0019智能体与工具 48 · 编程 56 · 人类偏好 65 · 知识 54 · 数学 54 · 推理 59

Index 走势

2026年9月8日 至 2026年11月16日
515763

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
GPQA Diamond推理强度未说明––89.9%#53Epoch AI Benchmarking Hub
SimpleBench推理强度未说明––55.1%#55SimpleBench
Arena Hard Prompts推理强度未说明––1489#54Arena (LMArena)
GPQA Diamond (AA)不计入 Index83.9%#15586.8%#108–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index27.9%#18530.1%#166–Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明––84.5%#51Vals AI
CritPt不计入 Index0.0%#3374.6%#179–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––1496#54Arena (LMArena)
Chess Puzzles不计入 Index推理强度未说明––20.0%#100Epoch AI Benchmarking Hub

编程

基准测试thinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明–74.2%#16Epoch AI Benchmarking Hub
SciCode推理强度未说明–44.8%#160SciCode
WeirdML推理强度未说明–57.1%#55WeirdML
Arena Coding推理强度未说明–1512#54Arena (LMArena)
Arena WebDev推理强度未说明–1508#67Arena (LMArena)
SciCode (AA)不计入 Index44.8%#166–Artificial Analysis
LiveCodeBench推理强度未说明–81.4%#62Vals AI
SWE-bench (Vals)不计入 Index推理强度未说明–76.4%#36Vals AI
Code Migration不计入 Index推理强度未说明–25.8%#47Vals AI
ProgramBench不计入 Index推理强度未说明–0.0%#34Vals AI
Vibe Code Bench v1.1不计入 Index推理强度未说明–31.5%#81Vals AI
ALE-Bench不计入 Index推理强度未说明–887.1#79Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index2.0%#150–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index61.8%#94–Artificial Analysis
Design Arena Website不计入 Index推理强度未说明–1261#48Design Arena

智能体与工具

基准测试无推理thinking默认来源趋势
APEX-Agents推理强度未说明––40.9%#52Mercor
Terminal-Bench Hard35.6%#7443.2%#41–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index97.1%#1397.7%#9–Artificial Analysis
Terminal-Bench 2.1 (Vals)推理强度未说明––56.9%#47Vals AI
MCP Atlas推理强度未说明––75.6%#21Scale AI SEAL
GDPval-AA v2.1不计入 Index–1125#156–Artificial Analysis
τ³-Banking (AA)–13.6%#128–Artificial Analysis
ITBench SRE (AA)不计入 Index–40.3%#19–Artificial Analysis
Finance Agent v2不计入 Index推理强度未说明––44.8%#58Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index推理强度未说明––0.0%#64Vals AI
Legal Research Bench不计入 Index推理强度未说明––27.9%#63Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明––53.9%#16Vals AI
ExploitBench不计入 Index推理强度未说明––18.1%#7Epoch AI Benchmarking Hub
GBAEval不计入 Index推理强度未说明––0.0%#22Epoch AI Benchmarking Hub
Vending-Bench 2不计入 Index推理强度未说明––5634.4#28Andon Labs
AutomationBench不计入 Index–20.3%#168–Artificial Analysis
GDP.pdf (AA)不计入 Index–8.4%#174–Artificial Analysis
AA-Briefcase v1.1不计入 Index–965#160–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明––1161#48Design Arena

数学

基准测试无推理默认来源趋势
FrontierMath Tiers 1–324.9%#8536.8%#69Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–93.3%#68Epoch AI Benchmarking Hub
ProofBench推理强度未说明–22.2%#50Vals AI
AIME (Vals)推理强度未说明–91.9%#21Vals AI
AIME 2026推理强度未说明可能存在污染–95.8%#13MathArena
HMMT February 2026推理强度未说明可能存在污染–89.4%#14MathArena
MathArena Apex推理强度未说明可能存在污染–11.5%#20MathArena
Arena Maths推理强度未说明–1474#48Arena (LMArena)

知识

基准测试默认来源趋势
SimpleQA Verified34.0%#64Epoch AI Benchmarking Hub
MMLU-Pro86.9%#36Vals AI
LegalBench84.4%#33Vals AI
CorpFin64.5%#38Vals AI
TaxEval71.2%#79Vals AI
CaseLaw v2不计入 Index51.5%#48Vals AI
MedCode不计入 Index41.6%#50Vals AI
MedScribe不计入 Index72.3%#86Vals AI
Public Benefits Bench v1.1不计入 Index61.8%#29Vals AI

指令遵循

基准测试无推理thinking默认来源趋势
IFBench52.0%#16576.3%#22–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––1461#53Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1465#58Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1594#47EQ-Bench
Arena Creative Writing不计入 Index1446#50Arena (LMArena)
Arena Multi-turn不计入 Index1478#46Arena (LMArena)
Arena Longer Queries不计入 Index1480#51Arena (LMArena)

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.153.3%#32773.7%#190Artificial 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––150.7#66Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index24.2#18626.1#163–Artificial Analysis
AA Progress Index v1不计入 Index263.5#232286.5#153–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
Friendli111 tok/s0.23 s$1.40$4.40203k–
Venice83 tok/s1.03 s$1.40$4.40200kfp8
Alibaba Cloud Int.80 tok/s0.84 s$1.33$4.18203kfp8
GMICloud78 tok/s3.20 s$1.40$4.40203kfp8
SiliconFlow64 tok/s1.32 s$1.19$3.74205kfp8
AtlasCloud60 tok/s2.00 s$1.26$3.96203kfp8
Z.ai40 tok/s1.74 s$1.40$4.40203kfp8
NovitaAI35 tok/s3.65 s$1.38$4.40205kfp8
Chutes34 tok/s1.93 s$0.900$2.90203kfp8
StreamLake28 tok/s5.55 s$0.966$3.04200kfp8

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$1.21$2.42$3.63$4.8426年9月26年10月26年11月
输入 输出
当前:输入 $1.40 · 输出 $4.40

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 $0.260。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$0.0019$0.00156.3 s
总结一份 30 页的报告12,000 / 600$0.019$0.009211.3 s
代码编辑6,000 / 1,500$0.015$0.009926.3 s
智能体编程会话60,000 / 4,000$0.102$0.0501.1 min
结构化信息提取2,000 / 200$0.0037$0.00204.7 s

Zhipu AI 的更多模型

本月新上线

将 GLM 5.1 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 5.1 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 5.1 on BenchLeader: 综合第 102 名](https://www.benchleader.com/badge/glm-5-1.svg)](https://www.benchleader.com/models/glm-5-1)

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 5.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-5-1

BibTeX:

@misc{benchleader_glm_5_1_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM 5.1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-5-1}},
  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 5.1 的基准测试得分是多少?
截至 2026年11月16日,GLM 5.1 的 BenchLeader Index 为 55.4 ±3.1。最强的是人类偏好(65),最弱的是智能体与工具(48)。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 5.1 排名第几?
截至 2026年11月16日,GLM 5.1 在 608 个已排名配置中排第 208 名。另有 259 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 5.1 每百万 token 的价格是多少?
截至 2026年11月16日,GLM 5.1 的价格为输入每百万 token $1.40、输出每百万 token $4.40,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $2.15。标价最近一次变动是在 2026年11月4日。
GLM 5.1 比 Muse Spark 1.3 更好吗?
截至 2026年11月16日,GLM 5.1 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 55.4 比 61.6,在 ±8.8 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 5.1 是什么时候发布的?
Zhipu AI 于 2026年4月7日发布了 GLM 5.1。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 5.1: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-5-1。