| 基準測試 | 分數 | 備註 |
|---|---|---|
| FrontierSWE(長時程編程) | 74.4% | 微勝 GPT-5.5(72.6%)約 1%;僅落後 Claude Opus 4.8 約 1% |
| Terminal-Bench 2.1 | 81.0 | 開源模型新高 |
| SWE-bench Pro | 62.1 | 開源模型最高分 |
| SWE-bench Verified | 76.4% | 同頂尖封閉模型睇齊 |
| GPQA Diamond(研究生級科學) | 80.3% | 科學推理好強 |
| AIME 2025(數學推理) | 86.67% | 數學表現頂級 |
| MMLU-Pro | 80.63% | 廣泛學術知識 |
| MMLU | 91.72% | 通用知識基準 |
| Humanity's Last Exam(用工具) | 54.7% | 比上一代高 12 分 |
| ProofBench | >30% | 首個開源模型突破 30%,比第二名高 11 分 |
| WebDev Arena | #1 | 喺人類投票前端排行榜超越 Claude Fable 5 同 Opus 4.8 |
根據 Vals AI,GLM-5.2 喺五個基準測試(Vals Index、Harvey's Legal Agent Benchmark、Finance Agent v2、ProofBench、Vibe Code Bench)中都係表現最好嘅模型(包括封閉源碼模型在內)。
GLM-5.2 保留同上一代 GLM-5.1 一樣嘅 744B 總參數 / 40B 活躍 MoE 設計,但引入兩大架構創新 :
| 項目 | 價錢 |
|---|---|
| 輸入 Token | $1.40 |
| 輸出 Token | $4.40 |
| 快取輸入 | $0.26(儲存暫時免費) |
| 基準測試 | 分數 | 備註 |
|---|---|---|
| FrontierSWE(長時程編程) | 74.4% | 微勝 GPT-5.5(72.6%)約 1%;僅落後 Claude Opus 4.8 約 1% |
| Terminal-Bench 2.1 | 81.0 | 開源模型新高 |
| SWE-bench Pro | 62.1 | 開源模型最高分 |
| SWE-bench Verified | 76.4% | 同頂尖封閉模型睇齊 |
| GPQA Diamond(研究生級科學) | 80.3% | 科學推理好強 |
| AIME 2025(數學推理) | 86.67% | 數學表現頂級 |
| MMLU-Pro | 80.63% | 廣泛學術知識 |
| MMLU | 91.72% | 通用知識基準 |
| Humanity's Last Exam(用工具) | 54.7% | 比上一代高 12 分 |
| ProofBench | >30% | 首個開源模型突破 30%,比第二名高 11 分 |
| WebDev Arena | #1 | 喺人類投票前端排行榜超越 Claude Fable 5 同 Opus 4.8 |
根據 Vals AI,GLM-5.2 喺五個基準測試(Vals Index、Harvey's Legal Agent Benchmark、Finance Agent v2、ProofBench、Vibe Code Bench)中都係表現最好嘅模型(包括封閉源碼模型在內)。
GLM-5.2 保留同上一代 GLM-5.1 一樣嘅 744B 總參數 / 40B 活躍 MoE 設計,但引入兩大架構創新 :
| 項目 | 價錢 |
|---|---|
| 輸入 Token | $1.40 |
| 輸出 Token | $4.40 |
| 快取輸入 | $0.26(儲存暫時免費) |