跳到正文

GLM-5.2

数据来源:AIHOT

← 模型榜
Z.ai

上线日期: 2026-06-16 · 上下文: 104.9万 Token

开源权重 ↗
54.9

综合排名 62

官方 API 价格 ¥ / 百万 Token

输入
¥8
输出
¥28
缓存命中
¥2
官方价格页 ↗

领域能力

榜单名次评分评测数
综合6254.932
编程5954.97
科研61547
专业办公5856.66
知识问答6851.17

编程 · 54.9

评测机构公布的成绩折算分原榜名次核实日期备注
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI0.5%77.2192026-11-18
备注

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench79.7%59.6382026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI64.0%57.6652026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench51.8%57.2382026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI36.7%57.1322026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor37.4%55.6442026-11-18
备注

代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis51.2%51.81152026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis1.0%48.91742026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

科研 · 54

评测机构公布的成绩折算分原榜名次核实日期备注
CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis20.9%65.3682026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis41.1%58.4922026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI59.2%55.9472026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench78.6%52.4542026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI22.0%46.4932026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize22.8%45.61682026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI15.0%44.7972026-11-18
备注

代表配置:Medium 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 56.6

评测机构公布的成绩折算分原榜名次核实日期备注
LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench73.7%59.5432026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI31.3%58.7602026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,380.257.9972026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor45.2%57.5562026-11-18
备注

代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,226.357.31252026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis28.4%52.41672026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI40.8%—602026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

知识问答 · 51.1

评测机构公布的成绩折算分原榜名次核实日期备注
NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur74.3%56.7742026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench76.2%55.4532026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis78.3%51.91282026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis12.8%51.91162026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench62.3%51.9532026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis0.651.4962026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI34.2%44.8662026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench31.0%39.51792026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 58.5

评测机构公布的成绩折算分原榜名次核实日期备注
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,607.662.8392026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,47560.2392026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

还没有成绩的评测

  • Terminal-Bench 4.0 · Vals
  • Terminal-Bench 4.0 · 官方
  • Code Migration v1.1
  • CyberBench Patch v1.1
  • FrontierCode 2.0 · AA
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • FrontierSWE v2
  • TapTap Maker
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt v2 Hard · AA
  • MysteryMechanism
  • Terminal-Bench Science · Vals
  • Terminal-Bench Science · AA
  • BioMysteryBench
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • AA-Analyst Agent
  • TaxAgentBench
  • Excel Modeling v1.1
  • 司南 · 知识

最近的新闻

11-04GLM 5.2 性价比登顶 PostTrainBenchKarina Nguyen

09-19全球金融科技公司如何用 Together Dedicated Model Inference 支撑 GLM 5.2 编码智能体流量Together AI 研究与产品博客

09-13Fireworks 评测 2026 年九款最佳开源 LLM,GLM 5.2 与 Kimi K3 领跑基准Fireworks AI

09-08IBM Research 展示用 llm-d 在 544 块 NVIDIA H100 上服务 GLM-5.2 智能体负载IBM Research:AI

08-28GLM-5.2 用 NIXL 和 ModelExpress 实现 4 秒 RL 权重传输Prime Intellect

08-25硅基流动GLM-5.2登顶OpenRouter份额硅基流动 SiliconFlow