GLM-5.1
智谱· 2026-04-07 上线国产开源
综合第 43 名
46.9
编程
48.5第 34 名
科研
44.7第 64 名
专业办公
46.6第 28 名
知识问答
46.6第 51 名
- 评测覆盖
- 14 / 25 项 · 56%
- 缓存输入
- ¥1.30
- 输入
- ¥6.00
- 输出
- ¥24.00
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SWE-bench Verified | 74.2% | 47.7 | 默认 | 22 |
| WebDev Arena | 1,508 | 52.2 | 默认 | 96 |
| ALE-Bench | 887 | 46.0 | 默认 | 88 |
| WeirdML | 57.1% | 48.0 | 默认 | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 36.8% | 38.6 | 默认 | 66 |
| CritPt | 4.6% | 42.9 | 默认 | 101 |
| ProofBench | 22.2% | 43.7 | 默认 | 77 |
| OTIS Mock AIME | 93.3% | 52.5 | 默认 | 87 |
| SciCode | 44.8% | 45.8 | 默认 | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 40.9% | 43.3 | 默认 | 49 |
| Vending-Bench 2 | $5,634 | 50.0 | 默认 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 34.0% | 42.9 | 默认 | 65 |
| GPQA Diamond | 89.9% | 52.3 | 默认 | 84 |
| SimpleBench | 55.1% | 44.6 | 默认 | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 20.0% | 不计分 | 默认 | 88 |
原始成绩取这个模型各个推理档位（none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。