Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 50
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 68.577. Kosten je Aufgabe in USD: 0.067926. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

GPQA Diamond

Overall

Mehr ist besser54 ModelleGLM-5: Platz 31 von 54Datenstand: 4. September 2026

1.Gemini 3.1 Pro Preview95,45 %

2.GPT-5.6 Sol95,2 %

3.Grok 4.694,7 %

4.Gemini 3.8 Flash94,44 %

5.Gemini 3.7 Flash93,94 %

6.Claude Opus 593,43 %

6.Gemini 3.6 Flash93,43 %

8.Claude Fable 593,18 %

8.GPT-5.593,18 %

10.Grok 4.592,93 %

10.Kimi K392,93 %

12.Gemini 3.5 Flash92,68 %

13.GPT-5.491,67 %

13.GPT-5.6 Luna91,67 %

15.Grok 4.391,41 %

16.GPT-5.6 Terra90,91 %

17.DeepSeek-V4-Pro89,39 %

18.Kimi K2.689,14 %

19.Claude Sonnet 588,89 %

20.GLM-5.388,13 %

21.Gemini 3 Flash87,88 %

22.Inkling87,12 %

23.GLM-5.3-Flash86,36 %

24.GLM-5.285,61 %

24.GPT-585,61 %

26.GLM-5.184,52 %

27.Kimi K2.584,09 %

27.o384,09 %

29.Gemini 3.5 Flash-Lite83,84 %

30.Inkling Small83,59 %

31.GLM-583,33 %

32.GPT-5.4 mini83,08 %

33.MiMo-V2.5-Pro82,58 %

34.MiMo-V2.581,57 %

35.Gemini 3.1 Flash-Lite81,06 %

36.GPT-5 mini80,3 %

37.GLM-4.780,05 %

38.GPT OSS 120B78,54 %

38.Kimi K2 Thinking78,54 %

40.GPT-5.4 nano77,53 %

41.o3-mini75,51 %

42.GLM-4.674,5 %

42.o4-mini74,5 %

44.o173,23 %

45.GLM-4.572,22 %

46.GPT OSS 20B68,94 %

47.GPT-4.1 mini67,93 %

48.GPT-4.165,4 %

49.GPT-5 nano63,38 %

50.DeepSeek-V3 032461,62 %

51.DeepSeek-V354,55 %

52.GPT-4.1 nano50,76 %

53.GPT-4o mini44,19 %

54.Command R+31,06 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 54
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 242.523. Kosten je Aufgabe in USD: 0.034091. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Programmieren

7 Messreihen

IOI

Overall

Mehr ist besser24 ModelleGLM-5: Platz 11 von 24Datenstand: 4. September 2026

1.Claude Opus 591,67 %

2.GPT-5.6 Sol86,67 %

3.GPT-5.6 Luna72,92 %

4.Claude Fable 572,25 %

5.GPT-5.467,83 %

6.GPT-5.6 Terra65,25 %

7.GPT-5.3-Codex43,83 %

8.Gemini 3 Flash39,08 %

9.DeepSeek-V4-Pro35,83 %

10.Gemini 3.5 Flash-Lite26,17 %

11.GLM-522 %

12.GPT-520 %

13.Kimi K2.517,67 %

14.Gemini 2.5 Pro17,08 %

15.Grok 4.315,33 %

16.GPT-5.4 nano15,25 %

17.GLM-4.77,58 %

18.GPT-5 mini6,75 %

19.GPT-5.4 mini6,42 %

20.o4-mini4,83 %

21.GLM-4.64,33 %

22.GLM-4.52,92 %

23.Gemini 2.5 Flash2,61 %

24.DeepSeek-V3 03241,67 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-ioi:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 24
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Latenz in Sekunden: 6806.938. Kosten je Aufgabe in USD: 3.273674. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-ioi-2026-09-04-c6f99e8d7130. Prüfsumme der Quelldaten: c6f99e8d713092dbfdc9cbcfd6b376fbb7209970714528eab31f6b541d90f20c. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

LiveCodeBench v6

Overall

Mehr ist besser56 ModelleGLM-5: Platz 32 von 56Datenstand: 4. September 2026

1.Claude Fable 589,78 %

2.Gemini 3.8 Flash89,48 %

3.Claude Opus 589,03 %

4.Gemini 3.7 Flash88,65 %

5.Gemini 3.1 Pro Preview88,49 %

6.Grok 4.688,22 %

7.Gemini 3.6 Flash88,08 %

8.Gemini 3.5 Flash87,6 %

9.DeepSeek-V4-Pro87,48 %

10.Grok 4.587,35 %

11.GPT-5.3-Codex87,31 %

12.Kimi K387,19 %

13.Kimi K2.686,77 %

14.GPT-5 mini86,61 %

15.Inkling Small85,93 %

16.GPT-5.6 Terra85,93 %

17.GPT-585,91 %

18.Gemini 3 Flash85,59 %

19.Inkling85,52 %

20.GPT-5.585,3 %

21.Grok 4.384,49 %

22.GPT-5.484,14 %

23.GPT-5.4 nano84,01 %

24.o383,91 %

25.Kimi K2.583,87 %

26.GPT OSS 120B83,23 %

27.GPT-5.6 Sol82,6 %

28.Claude Sonnet 582,43 %

29.GLM-4.782,23 %

30.o4-mini82,21 %

31.Kimi K2.7 Code82,05 %

32.GLM-581,87 %

33.MiMo-V2.581,51 %

34.GPT-5.4 mini81,47 %

35.GLM-5.181,38 %

36.MiMo-V2.5-Pro81,35 %

37.GLM-4.681,04 %

38.GLM-5.380,54 %

39.GLM-5.3-Flash80,51 %

40.GPT OSS 20B80,39 %

41.Gemini 3.1 Flash-Lite80,12 %

42.Gemini 3.5 Flash-Lite79,01 %

43.o3-mini71,48 %

44.DeepSeek-R170,22 %

45.GPT-5 nano70,22 %

46.GLM-5.269,5 %

47.GLM-4.567,45 %

48.DeepSeek-V3 032465,48 %

49.Kimi K2 Thinking63,15 %

50.GPT-4.1 mini58,16 %

51.GPT-4.154,67 %

52.o150,26 %

53.GPT-4o43,44 %

54.GPT-4.1 nano42,72 %

55.GPT-4o mini26,42 %

56.Command R+18,24 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 56
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 289.752. Kosten je Aufgabe in USD: 0.043918. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

SWE-bench Verified

<15 min fix

Mehr ist besser2 ModelleGLM-5: Platz 2 von 2Datenstand: 11. August 2026

1.GLM-5.188,66 %

2.GLM-583,51 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:<15 min fix
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 2
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 391.99. Standardfehler: 2.671. Kosten je Aufgabe in USD: 0.31426. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

SWE-bench Verified

>4 hours

Mehr ist besser2 ModelleGLM-5: Platz 1 von 2Datenstand: 11. August 2026

1.GLM-533,33 %

1.GLM-5.133,33 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:>4 hours
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 2
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 691.637. Standardfehler: 33.333. Kosten je Aufgabe in USD: 0.631472. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

SWE-bench Verified

1-4 hours

Mehr ist besser2 ModelleGLM-5: Platz 2 von 2Datenstand: 11. August 2026

1.GLM-5.145,24 %

2.GLM-535,71 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:1-4 hours
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 2
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 748.809. Standardfehler: 7.483. Kosten je Aufgabe in USD: 0.749215. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

SWE-bench Verified

15 min - 1 hour

Mehr ist besser2 ModelleGLM-5: Platz 2 von 2Datenstand: 11. August 2026

1.GLM-5.172,8 %

2.GLM-568,58 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:15 min - 1 hour
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 2
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 564.558. Standardfehler: 2.879. Kosten je Aufgabe in USD: 0.498572. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

SWE-bench Verified

Overall

Mehr ist besser42 ModelleGLM-5: Platz 31 von 42Datenstand: 4. September 2026

1.Claude Opus 597 %

2.GPT-5.6 Sol96,2 %

3.Grok 4.695,6 %

4.GLM-5.395,4 %

4.GPT-5.6 Terra95,4 %

6.Claude Fable 595 %

7.Kimi K393,4 %

8.GPT-5.6 Luna93 %

9.GLM-5.3-Flash92 %

10.Grok 4.586,6 %

11.GLM-5.282,8 %

12.GPT-5.582,6 %

13.Inkling Small82,2 %

14.Gemini 3.7 Flash80,8 %

15.Gemini 3.8 Flash80 %

16.Claude Sonnet 579,6 %

16.Gemini 3.6 Flash79,6 %

18.Gemini 3.1 Pro Preview78,8 %

18.Gemini 3.5 Flash78,8 %

20.GPT-5.478,2 %

20.Kimi K2.7 Code78,2 %

22.GPT-5.3-Codex78 %

23.Inkling77,6 %

24.DeepSeek-V4-Pro77,4 %

25.GLM-5.176,4 %

26.Kimi K2.676,2 %

27.Gemini 3 Flash75 %

27.Gemini 3.5 Flash-Lite75 %

29.MiMo-V2.5-Pro74 %

30.GPT-5.4 mini73 %

31.GLM-571,4 %

31.Grok 4.371,4 %

33.MiMo-V2.571 %

34.Kimi K2.570 %

35.GPT-5.4 nano69,8 %

36.GLM-4.769,4 %

37.GPT-569 %

38.Gemini 3.1 Flash-Lite62,8 %

39.GPT-5 mini60,8 %

40.Kimi K2 Thinking60,2 %

41.Gemini 2.5 Pro54,4 %

42.GPT OSS 120B33,6 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 42
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 513.842. Kosten je Aufgabe in USD: 0.448911. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-09-04-23e2d6d631b6. Prüfsumme der Quelldaten: 23e2d6d631b6dd94d25738415e287bece2e24eddbe0f699838f5e50efe93a54a. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

LegalBench

Overall

Mehr ist besser53 ModelleGLM-5: Platz 22 von 53Datenstand: 4. September 2026

1.Claude Fable 588,56 %

2.Gemini 3.1 Pro Preview87,4 %

3.Gemini 3.7 Flash87,26 %

4.Gemini 3.8 Flash86,99 %

5.Claude Opus 586,97 %

6.GPT-5.6 Sol86,97 %

7.Gemini 3 Flash86,86 %

8.Gemini 3.6 Flash86,71 %

9.GPT-5.586,52 %

10.Grok 4.686,31 %

11.GPT-5.486,04 %

12.GPT-586,02 %

13.Kimi K386,02 %

14.Grok 4.585,97 %

15.GPT-5.6 Terra85,11 %

16.GLM-5.384,84 %

17.Kimi K2.684,74 %

18.Grok 4.384,46 %

19.GLM-5.184,39 %

20.Gemini 3.5 Flash-Lite84,07 %

20.GLM-5.284,07 %

22.GLM-584,06 %

23.GPT-5.6 Luna84,03 %

24.GLM-5.3-Flash83,93 %

25.Claude Sonnet 583,92 %

26.Gemini 3.1 Flash-Lite83,76 %

27.o383,76 %

28.Gemini 3.5 Flash83,6 %

29.GLM-4.783,36 %

30.GPT-4.183,1 %

31.Inkling Small82,99 %

32.Inkling82,95 %

33.GPT-5 mini81,77 %

34.DeepSeek-V380,76 %

35.o180,39 %

36.DeepSeek-V4-Pro80,32 %

37.Kimi K2 Thinking80,2 %

38.GLM-4.679,61 %

39.o4-mini79,19 %

40.MiMo-V2.578,89 %

41.GPT-4.1 mini78,04 %

42.GPT-5.4 nano77,92 %

43.DeepSeek-V3 032477,73 %

44.MiMo-V2.5-Pro77,13 %

45.GPT OSS 120B75,94 %

46.GLM-4.575,63 %

47.o3-mini71,54 %

48.GPT OSS 20B70,85 %

49.Command R+68,29 %

50.DeepSeek-R167,32 %

51.GPT-4.1 nano61,06 %

52.GPT-5 nano50,13 %

53.Command R32,97 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-legal-bench:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 53
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 16.056. Kosten je Aufgabe in USD: 0.002311. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_bench-2026-09-04-ff81649923fb. Prüfsumme der Quelldaten: ff81649923fb684ff37d5f557fd320ba5ab433927831065ed781a94548f480ef. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MedQA

Overall

Mehr ist besser27 ModelleGLM-5: Platz 11 von 27Datenstand: 4. September 2026

1.o196,52 %

2.Gemini 3.1 Pro Preview96,37 %

3.GPT-596,32 %

4.GPT-5.496,09 %

5.GPT-5 mini96,06 %

5.o396,06 %

7.o4-mini96,02 %

8.Gemini 3 Flash95,81 %

9.o3-mini94,83 %

10.Kimi K2.594,37 %

11.GLM-594,27 %

12.GLM-4.793,74 %

13.GPT-5 nano93,26 %

14.Kimi K2 Thinking92,59 %

15.GLM-4.692,23 %

16.GPT OSS 120B91,36 %

17.GPT-4.191,18 %

18.DeepSeek-R190,8 %

19.GLM-4.589,98 %

20.GPT-4o88,16 %

21.GPT-4.1 mini84,63 %

22.GPT OSS 20B82,88 %

23.DeepSeek-V3 032482 %

24.DeepSeek-V380,9 %

25.GPT-4o mini72,44 %

26.GPT-4.1 nano68,23 %

27.Command R+2,65 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 27
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Latenz in Sekunden: 81.08. Kosten je Aufgabe in USD: 0.008007. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medqa-2026-09-04-de083a524dbf. Prüfsumme der Quelldaten: de083a524dbf0fa1c2da5cf0a06bd001693d2426690681ffac4cd93ccf3fbeba. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MMLU-Pro

Overall

Mehr ist besser55 ModelleGLM-5: Platz 27 von 55Datenstand: 4. September 2026

1.Claude Opus 591,59 %

2.Claude Fable 591,5 %

3.Gemini 3.1 Pro Preview90,99 %

4.Gemini 3.8 Flash90,22 %

5.Gemini 3.7 Flash90,12 %

6.Gemini 3.5 Flash89,52 %

7.Grok 4.689,4 %

8.Gemini 3.6 Flash89,28 %

9.Grok 4.589,22 %

10.GPT-5.6 Sol89,1 %

11.Gemini 3 Flash88,59 %

12.GPT-5.588,14 %

13.Kimi K387,97 %

14.Kimi K2.687,57 %

15.Claude Sonnet 587,55 %

16.GPT-5.487,48 %

17.DeepSeek-V4-Pro87,25 %

18.GLM-5.186,9 %

19.GLM-5.386,77 %

20.GLM-5.286,71 %

21.GPT-5.6 Terra86,66 %

22.GPT-586,54 %

23.Inkling86,3 %

24.Gemini 3.1 Flash-Lite86,24 %

25.GLM-5.3-Flash86,06 %

26.GPT-5.6 Luna86,04 %

27.GLM-586,03 %

28.Kimi K2.585,91 %

29.Grok 4.385,84 %

30.Gemini 3.5 Flash-Lite85,84 %

31.o385,6 %

32.Inkling Small85,57 %

33.MiMo-V2.5-Pro84,6 %

34.GPT-5.4 mini84,55 %

35.o183,49 %

36.DeepSeek-R183,18 %

37.MiMo-V2.582,93 %

38.GLM-4.782,74 %

39.GPT-5 mini82,23 %

40.GLM-4.682,2 %

41.GLM-4.581,22 %

42.Kimi K2 Thinking81,07 %

43.o4-mini80,56 %

44.GPT-4.180,5 %

45.DeepSeek-V3 032479,47 %

46.GPT OSS 120B79,17 %

47.o3-mini78,69 %

48.GPT-4.1 mini77,23 %

49.GPT-5.4 nano77,17 %

50.GPT-5 nano76,07 %

51.DeepSeek-V373,82 %

52.GPT OSS 20B71,64 %

53.GPT-4.1 nano63,48 %

54.GPT-4o mini62,74 %

55.Command R+44 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-mmlu-pro:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 55
Methodik und Einordnung: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 86.889. Kosten je Aufgabe in USD: 0.011542. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mmlu_pro-2026-09-04-94eef672a38c. Prüfsumme der Quelldaten: 94eef672a38c8146fc1334fecbd173c083343c88de0f3047ae7d034776227e0f. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Dokumentierte Messdetails

Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.898
Bewertung: 62.898
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 68.577. Kosten je Aufgabe in USD: 0.067926. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.333
Bewertung: 83.333
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 242.523. Kosten je Aufgabe in USD: 0.034091. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

IOI: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 22
Bewertung: 22
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-ioi:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Latenz in Sekunden: 6806.938. Kosten je Aufgabe in USD: 3.273674. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-ioi-2026-09-04-c6f99e8d7130. Prüfsumme der Quelldaten: c6f99e8d713092dbfdc9cbcfd6b376fbb7209970714528eab31f6b541d90f20c. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

LiveCodeBench v6: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 81.868
Bewertung: 81.868
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 289.752. Kosten je Aufgabe in USD: 0.043918. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

LegalBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 84.059
Bewertung: 84.059
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-legal-bench:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 16.056. Kosten je Aufgabe in USD: 0.002311. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_bench-2026-09-04-ff81649923fb. Prüfsumme der Quelldaten: ff81649923fb684ff37d5f557fd320ba5ab433927831065ed781a94548f480ef. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MedQA: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 94.267
Bewertung: 94.267
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Latenz in Sekunden: 81.08. Kosten je Aufgabe in USD: 0.008007. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medqa-2026-09-04-de083a524dbf. Prüfsumme der Quelldaten: de083a524dbf0fa1c2da5cf0a06bd001693d2426690681ffac4cd93ccf3fbeba. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MMLU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 86.03
Bewertung: 86.03
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-mmlu-pro:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 86.889. Kosten je Aufgabe in USD: 0.011542. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mmlu_pro-2026-09-04-94eef672a38c. Prüfsumme der Quelldaten: 94eef672a38c8146fc1334fecbd173c083343c88de0f3047ae7d034776227e0f. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

SWE-bench Verified: <15 min fix (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.505
Bewertung: 83.505
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: <15 min fix
Aufgabenbezeichnung: <15 min fix
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:<15 min fix
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 391.99. Standardfehler: 2.671. Kosten je Aufgabe in USD: 0.31426. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072

Quelle Vals AI

SWE-bench Verified: >4 hours (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 33.333
Bewertung: 33.333
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: >4 hours
Aufgabenbezeichnung: >4 hours
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:>4 hours
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 691.637. Standardfehler: 33.333. Kosten je Aufgabe in USD: 0.631472. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072

Quelle Vals AI

SWE-bench Verified: 1-4 hours (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 35.714
Bewertung: 35.714
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: 1-4 hours
Aufgabenbezeichnung: 1-4 hours
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:1-4 hours
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 748.809. Standardfehler: 7.483. Kosten je Aufgabe in USD: 0.749215. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072

Quelle Vals AI

SWE-bench Verified: 15 min - 1 hour (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 68.582
Bewertung: 68.582
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: 15 min - 1 hour
Aufgabenbezeichnung: 15 min - 1 hour
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:15 min - 1 hour
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Anbieter laut Quelle: Zhipu AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-08. Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072. Latenz in Sekunden: 564.558. Standardfehler: 2.879. Kosten je Aufgabe in USD: 0.498572. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-08-11-a6212cd857d8. Prüfsumme der Quelldaten: a6212cd857d8406828224bea2aee5b657d927338e035f1ff603eea74c9bc8a7b. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Temperatur: 1. Top P: 0.95. Maximale Ausgabetoken: 131072

Quelle Vals AI

SWE-bench Verified: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.4
Bewertung: 71.4
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: zai/glm-5-thinking. Name des Quellmodells: GLM-5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 513.842. Kosten je Aufgabe in USD: 0.448911. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-09-04-23e2d6d631b6. Prüfsumme der Quelldaten: 23e2d6d631b6dd94d25738415e287bece2e24eddbe0f699838f5e50efe93a54a. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Eigene Modelltests

Community-Tests zum Anschauen

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GLM-5

Noch nicht getestet

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

GLM-5

Veröffentlichte Benchmarks

CorpFin v2

GPQA Diamond

Programmieren

IOI

LiveCodeBench v6

SWE-bench Verified

SWE-bench Verified

SWE-bench Verified

SWE-bench Verified

SWE-bench Verified

LegalBench

MedQA

MMLU-Pro

Dokumentierte Messdetails

Community-Tests zum Anschauen

Pelikan auf dem Fahrrad

Technische Daten und Zugang

Weitere Quellenangaben

Veröffentlichte Preise

100 API-Anfragen

Dieses Modell im Vergleich

Quellen und Datenstand