Zum Hauptinhalt springen

Z.aiMistral AILLM-Duell

GLM-5.2vs.Mistral Medium 3.5

Wer ist besser?

GLM-5.2 schneidet besser als Mistral Medium 3.5 ab und ist günstiger: Mistral Medium 3.5 kostet 1,1-mal (Eingabe) und 1,7-mal (Ausgabe) so viel.

GLM-5.2 vorn
LeistungGesamtindex, 100 Punkte = Durchschnitt
88,9

GLM-5.2

Platz 47

46,1

Mistral Medium 3.5

Platz 89

Mistral Medium 3.5 schneller
TempoToken pro Sekunde
85

GLM-5.2

105

Mistral Medium 3.5

GLM-5.2 günstiger
Preis$ je 1 Mio. Token
2,15 $

GLM-5.2

3 $

Mistral Medium 3.5

GLM-5.2 beliebter
Beliebtheit0 bis 100
82

GLM-5.2

Platz 16 von 508

50

Mistral Medium 3.5

Platz 127 von 508

Nimm GLM-5.2 für

SchlussfolgernFinanzenWissenProgrammierenGesundheitAgentenAllgemein

Bei Mistral Medium 3.5 gibt es keinen klaren Vorteil.

Wo liegt der Unterschied?

Stärken im Überblick

GLM-5.2Mistral Medium 3.5Median aller Modelle mit Platz

45709512020ProgrammierenGLM-5.2SchlussfolgernGLM-5.2WissenGLM-5.2AgentenGLM-5.2AllgemeinGLM-5.2FinanzenGLM-5.2GesundheitGLM-5.2
ProgrammierenGLM-5.2 vorn
GLM-5.289,4Platz 56
Mistral Medium 3.550,1Platz 97
Median aller Modelle mit Platz87,5

95-%-Bereich: GLM-5.2 78,8 bis 99,9, Mistral Medium 3.5 43,3 bis 56,8.

BereichGLM-5.2Mistral Medium 3.5

Dieselben Werte und Urteile wie die Balken darunter. Im Ausschnitt beginnt das Netz bei 20 Punkten, knapp unter dem schwächsten Wert der beiden Modelle; der Durchschnitt der Referenzgruppe liegt bei 100. Nicht im Netz, weil ein Modell dort keinen eigenen Wert hat oder die Daten zu dünn sind: Mathematik, Multimodal, Recht.

GLM-5.2 liegt in 7 von 10 Bereichen vorn, Mistral Medium 3.5 in keinem.

GLM-5.2 vorn: 7zu wenig Daten: 3

Bereiche im Gesamtindex
SchlussfolgernGLM-5.2 +5987,0 zu 28,2
WissenGLM-5.2 +4783,1 zu 36,0
ProgrammierenGLM-5.2 +3989,4 zu 50,1
AgentenGLM-5.2 +3589,5 zu 54,1
AllgemeinGLM-5.2 +3387,3 zu 54,7
Mathematikzu wenig Daten91,6 zu 60,4
Multimodalnur Mistral Medium 3.5 mit Wertung
Fachgebiete
FinanzenGLM-5.2 +5894,1 zu 36,6
GesundheitGLM-5.2 +3786,8 zu 49,5
Rechtzu wenig Daten91,6 zu 53,0

Die Balkenlänge zeigt den Abstand in Indexpunkten (volle Breite 15 Punkte, eine Standardabweichung der Referenzgruppe). Voll heißt sicher vorn, schraffiert noch nicht sicher, ein dünner grauer Balken gleichauf.

1 weitere Bereiche anzeigen, die nicht zum Gesamtindex zählen
Bildungnur Mistral Medium 3.5 mit Wertung

Die Balkenlänge zeigt den Abstand in Indexpunkten (volle Breite 15 Punkte, eine Standardabweichung der Referenzgruppe). Voll heißt sicher vorn, schraffiert noch nicht sicher, ein dünner grauer Balken gleichauf.

Welches Modell für welche Aufgabe?

Alltagsaufgaben, übersetzt aus den Bereichswerten oben. Jede Zeile nennt die Werte, auf denen sie beruht.

Code schreiben und Fehler findenGLM-5.2Programmieren 89,4 zu 50,1
Mathe und DatenanalyseGLM-5.2Mathematik 91,6 zu 60,4 (zu wenig Daten), Schlussfolgern 87,0 zu 28,2
Fakten und RechercheGLM-5.2Wissen 83,1 zu 36,0
Agenten und WorkflowsGLM-5.2Agenten 89,5 zu 54,1
Schnelle Antworten im ChatMistral Medium 3.585 zu 105 Token pro Sekunde
Viele Anfragen, kleines BudgetGLM-5.22,15 $ zu 3 $ je 1 Mio. Token
Finanz-, Rechts- und MedizintexteGLM-5.2Finanzen 94,1 zu 36,6, Recht 91,6 zu 53,0 (zu wenig Daten), Gesundheit 86,8 zu 49,5
Bilder, Screenshots und PDFsoffenMultimodal ohne Wertung für GLM-5.2

GLM-5.2 gegen Mistral Medium 3.5 im eigenen Test

SVG-Kurztest

Ein SVG-Auftrag mit denselben festen Einstellungen für alle Modelle, ohne verdecktes Nachdenken.

Auftrag

Gib nur ein eigenständiges SVG eines Pelikans zurück, der Fahrrad fährt. Verwende viewBox „0 0 800 600“, einfache Formen, zwei deutlich sichtbare Räder und einen erkennbaren Pelikan mit langem Schnabel. Höchstens 30 SVG-Elemente und 1.800 Zeichen. Kein Markdown, keine Erklärungen, Kommentare, Skripte, Animationen, CSS oder externen Ressourcen.

Englischer Original-Auftrag

Return only one standalone SVG of a pelican riding a bicycle. Use viewBox="0 0 800 600", simple shapes, two clearly visible wheels and a recognizable pelican with a long beak. At most 30 SVG elements and 1800 characters. No Markdown, explanations, comments, scripts, animation, CSS or external resources.

GLM-5.2

GLM-5.2: SVG-Kurztest

14.10.2026 · 0,0037 $

Testdetails
Testlauf
14.10.2026
Anbieter
z-ai/fp8
API-Modell
z-ai/glm-5.2
Ausgabe
826 Token
Reasoning
API meldet 0 Reasoning-Tokens
Kosten des Versuchs
0,0037 $
Testrunde
43b8c5c46830

Mistral Medium 3.5

Mistral Medium 3.5: SVG-Kurztest

14.10.2026 · 0,0039 $

Testdetails
Testlauf
14.10.2026
Anbieter
mistral
API-Modell
mistralai/mistral-medium-3-5
Ausgabe
502 Token
Reasoning
API meldet 0 Reasoning-Tokens
Kosten des Versuchs
0,0039 $
Testrunde
43b8c5c46830
Frühere Tests

Pelikan auf dem Fahrrad

Auftrag (englisches Original)

Generate an SVG of a pelican riding a bicycle

Ursprung der Aufgabe: Simon Willison

GLM-5.2

Ausgabe aus Sicherheitsgründen nicht dargestellt

05.10.2026 · 31 s · 0,01 $

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Testdetails
Datum des Testlaufs
05.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
z-ai/glm-5.2
Reasoning-Einstellung
high
Tokenlimit inklusive Reasoning
8.192 Token
Ausgabe-Token
3.129 Token
Kosten des Versuchs
0,0138 $
Antwortzeit
31,4 s
API-Modell laut Antwort
z-ai/glm-5.2
Festgelegter Endpunkt
Z.AI | z-ai/glm-5.2-20260616
Temperatur
Anbieterstandard
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Nicht bestanden

Frühere Versuche (3)

  • 02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
  • 01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
  • 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Mistral Medium 3.5

Mistral Medium 3.5: Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.

01.10.2026 · 39 s · 0,06 $

Testdetails
Datum des Testlaufs
01.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
mistralai/mistral-medium-3-5
Reasoning-Einstellung
high
Tokenlimit inklusive Reasoning
8.192 Token
Ausgabe-Token
8.128 Token
Kosten des Versuchs
0,0610 $
Antwortzeit
38,7 s
API-Modell laut Antwort
mistralai/mistral-medium-3-5
Festgelegter Endpunkt
Mistral | mistralai/mistral-medium-3.5-20260430
Temperatur
Anbieterstandard
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Bestanden, keine Qualitätsbewertung

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (1)

  • 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

GLM-5.2 und Mistral Medium 3.5 im Gesamtindex

Alle Modelle mit Platz im Gesamtindex, beide Modelle dieses Vergleichs hervorgehoben. Weitere Modelle kannst du dazunehmen oder ausblenden.

Gesamtindex (Gradually Meta-Score v6)

20 von 95 Modellen

Claude Fable 5.2max130,9
Gemini 4 Carbonhigh127,0
Claude Opus 5.5max125,7
Claude Fable 5.1max124,1
Claude Sonnet 5.5max121,9
Gemini 4 Argonhigh121,2
GPT-6 Astramax119,6
Muse Wonder Fullmax118,4
GPT-6.1 Solmax117,5
Claude Opus 5max117,3
Muse Wondermax113,7
Claude Fable 5max112,8
Kimi K3.1 Promax112,6
Muse Ember 1.0max110,5
GPT-5.6 Solmax109,3
GPT-6 Solmax108,4
Gemini 3.7 Flashhigh107,7
DeepSeek V4.1 Flash 1017max107,1
GLM-5.2max88,9
Mistral Medium 3.5high46,1

Beliebtheit im Vergleich

Wie oft die Modelle gesucht, genutzt und erwähnt werden, auf einer Skala von 0 bis 100.

GLM-5.2 ist beliebter als Mistral Medium 3.5: 82 zu 50 von 100.

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 16. November 2026

GLM-5.2Mistral Medium 3.5

Alle Daten im Vergleich

Der bessere Wert ist fett. Beim Gesamtindex nur, wenn der Abstand klar ist.

KennzahlGLM-5.2Mistral Medium 3.5
Leistung
GesamtindexPunkte, 100 = Durchschnitt der Referenzgruppe, höher ist besser88,946,1
PlatzPlatz 47 von 95Platz 89 von 95
Preis je 1 Mio. Token
Eingabewas du schickst1,40 $1,50 $
Ausgabewas das Modell schreibt4,40 $7,50 $
Kosten je Aufgabe (eigene Tests)Durchschnitt aus 2 Aufgaben des ursprünglichen Testprotokolls, die beide Modelle bestanden haben (ohne SVG-Kurztest)0,023 $0,10 $
Tempo
Token pro Sekunde85105
Beliebtheit
BeliebtheitSuche, Nutzung und Erwähnungen, 0 bis 10082Platz 16 von 50850Platz 127 von 508
Technik
Kontextfensterwie viel Text das Modell auf einmal liest1 Mio. Token≈ 1.500 A4-Seiten262.144 Token≈ 390 A4-Seiten
Wissensstandk. A.k. A.
Veröffentlicht16.06.202628.04.2026
VerfügbarkeitOpen SourceAktiv
Offene Gewichtejaja

Preise ohne Rabatte für Zwischenspeicher und Stapelverarbeitung · Seitenzahl als Faustregel nach Artificial Analysis

Gibt es eine bessere Wahl?

Nachfolger von GLM-5.2GLM-5.3

Gesamtindex 101,0, Platz 291,40 $ Eingabe und 4,40 $ Ausgabe je 1 Mio. Token

Mistral Medium 3.5 vs. GLM-5.3
Günstiger als GLM-5.2Muse Ember 1.0

Gesamtindex 110,5, Platz 140,10 $ Eingabe und 0,50 $ Ausgabe je 1 Mio. Token

Zum Profil
Bestes Modell im GesamtindexClaude Fable 5.2

Gesamtindex 130,9, Platz 18 $ Eingabe und 40 $ Ausgabe je 1 Mio. Token

Gemeinsame Benchmarks

Einzelwerte aus derselben Benchmark-Version, Aufgabe und Messgröße. Fett ist ein Wert nur bei gleichem Testaufbau und klarem Abstand.

A: GLM-5.2B: Mistral Medium 3.5

Code MigrationOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 37,9 %Mistral Medium 3.5: 5,1 %Vals AIStand 29.10.2026
CorpFin v2Overall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 66,1 %Mistral Medium 3.5: 58,8 %Vals AIStand 12.08.2026
EMBOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 61,5 %Mistral Medium 3.5: 11,2 %Vals AIStand 20.10.2026
Finance Agent (v2)Overall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 49,7 %Mistral Medium 3.5: 32,1 %Vals AIStand 29.10.2026
GPQA DiamondOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 85,6 %Mistral Medium 3.5: 34,8 %Vals AIStand 01.09.2026
Legal Research BenchOverall · All-pass · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 31,3 %Mistral Medium 3.5: 9,1 %Vals AIStand 05.11.2026
LMArena Code Arena WebDevOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.608Mistral Medium 3.5: 1.263LMArenaStand 15.11.2026
LMArena Text, Style ControlOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.475Mistral Medium 3.5: 1.426LMArenaStand 11.11.2026
MedCodeOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 40,8 %Mistral Medium 3.5: 33,8 %Vals AIStand 29.10.2026
MedScribeOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 83,5 %Mistral Medium 3.5: 67,7 %Vals AIStand 29.10.2026
54 weitere Benchmarks anzeigen
MMLU ProOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 86,7 %Mistral Medium 3.5: 75,3 %Vals AIStand 01.09.2026
SWE-bench VerifiedOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 82,8 %Mistral Medium 3.5: 66,4 %Vals AIStand 01.09.2026
Taste-BenchOverall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 53,9 %Mistral Medium 3.5: 37,7 %Taste-Bench paperStand 23.09.2026
TaxEval v2Overall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 73,3 %Mistral Medium 3.5: 68,0 %Vals AIStand 01.09.2026
Vibe Code Bench v1.1Overall · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 64,0 %Mistral Medium 3.5: 2,9 %Vals AIStand 05.11.2026
Code MigrationCLI · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 27,2 %Mistral Medium 3.5: 5,0 %Vals AIStand 29.10.2026
CorpFin v2Exact Pages · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 63,6 %Mistral Medium 3.5: 55,4 %Vals AIStand 12.08.2026
EMBComps · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 54,9 %Mistral Medium 3.5: 18,1 %Vals AIStand 20.10.2026
Finance Agent (v2)Adjustments · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 46,3 %Mistral Medium 3.5: 27,3 %Vals AIStand 29.10.2026
GPQA DiamondFew-Shot CoT · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 83,3 %Mistral Medium 3.5: 34,8 %Vals AIStand 01.09.2026
Legal Research BenchAdministrative / Regulatory · All-pass · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 39,4 %Mistral Medium 3.5: 7,6 %Vals AIStand 05.11.2026
LMArena Code Arena WebDevHTML development · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.567Mistral Medium 3.5: 1.309LMArenaStand 15.11.2026
LMArena Text, Style ControlBusiness, management and finance · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.465Mistral Medium 3.5: 1.431LMArenaStand 11.11.2026
MMLU ProBiology · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 94,0 %Mistral Medium 3.5: 64,4 %Vals AIStand 01.09.2026
SWE-bench Verified<15 min fix · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 88,1 %Mistral Medium 3.5: 79,4 %Vals AIStand 01.09.2026
TaxEval v2Correctness · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 62,1 %Mistral Medium 3.5: 56,7 %Vals AIStand 01.09.2026
Code MigrationCOBOL · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 70,0 %Mistral Medium 3.5: 5,5 %Vals AIStand 29.10.2026
CorpFin v2Max Fitting Context · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 68,4 %Mistral Medium 3.5: 61,1 %Vals AIStand 12.08.2026
EMBDataroom · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 83,4 %Mistral Medium 3.5: 13,4 %Vals AIStand 20.10.2026
Finance Agent (v2)All-Pass · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 38,0 %Mistral Medium 3.5: 21,6 %Vals AIStand 29.10.2026
GPQA DiamondZero-Shot CoT · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 87,9 %Mistral Medium 3.5: 34,8 %Vals AIStand 01.09.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 86,0 %Mistral Medium 3.5: 67,5 %Vals AIStand 05.11.2026
LMArena Code Arena WebDevReact development · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.621Mistral Medium 3.5: 1.252LMArenaStand 15.11.2026
LMArena Text, Style ControlChinese · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.523Mistral Medium 3.5: 1.447LMArenaStand 11.11.2026
MMLU ProBusiness · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 91,9 %Mistral Medium 3.5: 64,4 %Vals AIStand 01.09.2026
SWE-bench Verified>4 hours · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 66,7 %Mistral Medium 3.5: 33,3 %Vals AIStand 01.09.2026
TaxEval v2Stepwise Reasoning · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 84,6 %Mistral Medium 3.5: 79,2 %Vals AIStand 01.09.2026
Code MigrationCode Quality · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 3,981 / 5Mistral Medium 3.5: 2,987 / 5Vals AIStand 29.10.2026
CorpFin v2Shared Max Context · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 66,3 %Mistral Medium 3.5: 59,9 %Vals AIStand 12.08.2026
EMBDCF · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 53,0 %Mistral Medium 3.5: 2,2 %Vals AIStand 20.10.2026
Finance Agent (v2)Comparables · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 44,8 %Mistral Medium 3.5: 31,5 %Vals AIStand 29.10.2026
Legal Research BenchBusiness & Commercial · All-pass · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 27,9 %Mistral Medium 3.5: 9,3 %Vals AIStand 05.11.2026
LMArena Code Arena WebDevWeb development · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.608Mistral Medium 3.5: 1.263LMArenaStand 15.11.2026
LMArena Text, Style ControlCoding · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.515Mistral Medium 3.5: 1.478LMArenaStand 11.11.2026
MMLU ProChemistry · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 91,6 %Mistral Medium 3.5: 73,1 %Vals AIStand 01.09.2026
SWE-bench Verified1-4 hours · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 66,7 %Mistral Medium 3.5: 33,3 %Vals AIStand 01.09.2026
EMBLBO · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 51,8 %Mistral Medium 3.5: 9,6 %Vals AIStand 20.10.2026
Finance Agent (v2)Disclosure Analysis · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 61,6 %Mistral Medium 3.5: 40,2 %Vals AIStand 29.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 87,5 %Mistral Medium 3.5: 71,3 %Vals AIStand 05.11.2026
LMArena Text, Style ControlCreative writing · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.451Mistral Medium 3.5: 1.399LMArenaStand 11.11.2026
MMLU ProComputer Science · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 90,2 %Mistral Medium 3.5: 82,9 %Vals AIStand 01.09.2026
SWE-bench Verified15 min - 1 hour · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 81,6 %Mistral Medium 3.5: 62,5 %Vals AIStand 01.09.2026
EMBM&A · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 63,9 %Mistral Medium 3.5: 10,7 %Vals AIStand 20.10.2026
Finance Agent (v2)Earnings Analysis · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 66,6 %Mistral Medium 3.5: 42,1 %Vals AIStand 29.10.2026
Legal Research BenchCivil Litigation · All-pass · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 25,9 %Mistral Medium 3.5: 11,1 %Vals AIStand 05.11.2026
LMArena Text, Style ControlEnglish · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.483Mistral Medium 3.5: 1.443LMArenaStand 11.11.2026
MMLU ProEconomics · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 90,4 %Mistral Medium 3.5: 78,2 %Vals AIStand 01.09.2026
EMBMisc · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 60,8 %Mistral Medium 3.5: 14,1 %Vals AIStand 20.10.2026
Finance Agent (v2)Financial Modeling · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 12,9 %Mistral Medium 3.5: 5,1 %Vals AIStand 29.10.2026
Legal Research BenchCivil Litigation · Weighted partial credit (weighted pass) · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 87 %Mistral Medium 3.5: 66 %Vals AIStand 05.11.2026
LMArena Text, Style ControlEntertainment, sports and media · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 1.446Mistral Medium 3.5: 1.397LMArenaStand 11.11.2026
MMLU ProEngineering · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 83,4 %Mistral Medium 3.5: 78,2 %Vals AIStand 01.09.2026
EMBOperating · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 62,9 %Mistral Medium 3.5: 10,2 %Vals AIStand 20.10.2026
Finance Agent (v2)General Qualitative Analysis · höher ist besserTestaufbau nicht identisch dokumentiertGLM-5.2: 68,7 %Mistral Medium 3.5: 47,9 %Vals AIStand 29.10.2026

Weitere Vergleiche

Vergleiche GLM-5.2 und Mistral Medium 3.5 mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Die beliebtesten Vergleiche

  1. 1Claude Opus 5.5 vs. GLM-5.2
  2. 2DeepSeek-V4.1-Flash vs. GLM-5.2
  3. 3Claude Sonnet 5.5 vs. GLM-5.2
  4. 4GPT-6 Luna vs. GLM-5.2
  5. 5DeepSeek V4.1 Flash 1017 vs. GLM-5.2
  6. 6DeepSeek-V4-Flash vs. GLM-5.2
  7. 7GLM-5.2 vs. MiMo-V2.5-Pro
  8. 8GPT-6 Astra vs. GLM-5.2
  9. 9Grok 4.7 vs. GLM-5.2
Alle 31 Vergleiche zeigen
  1. 10Gemini 3.8 Flash vs. GLM-5.2
  2. 11GLM-5.2 vs. Qwen 3.8 27B
  3. 12Claude Fable 5 vs. GLM-5.2
  4. 13GLM-5.3-Flash vs. GLM-5.2
  5. 14Claude Haiku 5.5 vs. GLM-5.2
  6. 15DeepSeek-V4.1-Flash vs. Mistral Medium 3.5
  7. 16DeepSeek-V4-Pro vs. GLM-5.2
  8. 17Kimi K2.6 vs. GLM-5.2
  9. 18Claude Opus 5.5 vs. Mistral Medium 3.5
  10. 19Qwen 3.8 27B vs. Mistral Medium 3.5
  11. 20Claude Fable 5.1 vs. GLM-5.2
  12. 21Kimi K3.1 Pro vs. GLM-5.2
  13. 22GPT-6 Luna vs. Mistral Medium 3.5
  14. 23Claude Sonnet 5.5 vs. Mistral Medium 3.5
  15. 24DeepSeek V4.1 Flash 1017 vs. Mistral Medium 3.5
  16. 25DeepSeek-V4-Pro vs. Mistral Medium 3.5
  17. 26GLM-5.2 vs. Mistral Large 4
  18. 27Claude Sonnet 4.5 vs. Mistral Medium 3.5
  19. 28Mistral Large 4 vs. Mistral Medium 3.5
  20. 29Gemini 4 Argon vs. GLM-5.2
  21. 30GPT-6.1 Terra vs. GLM-5.2
  22. 31Gemini 4 Argon vs. Mistral Medium 3.5