Direktvergleich

Grok 4.7 vs. GLM-5.2

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 144
verschiedene Benchmarks: 14
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Grok 4.7 und GLM-5.2
Merkmal	Grok 4.7	GLM-5.2
Anbieter	xAI	Z.ai
Erschienen	21. Sept. 2026	16. Juni 2026
Verfügbarkeit	Aktiv	Open Source
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	744 Mrd., 40 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	500.000 Token	1.000.000 Token
Wissensstand	Mai 2026	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Grok 4.7 und GLM-5.2
Preisart	Grok 4.7	GLM-5.2
API-Eingabe	2 $ ≤200K / 4 $ >200K	1,4 $
API-Ausgabe	6 $ ≤200K / 12 $ >200K	4,4 $
Cache lesen	0,5 $ ≤200K / 1 $ >200K	0,26 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	23.09.2026 Quelle	22.09.2026 Quelle

Grok 4.7GLM-5.2

API-EingabeUSD pro 1 Mio. Token, Basistarif

Grok 4.72 $

GLM-5.21,4 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Grok 4.76 $

GLM-5.24,4 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Grok 4.70,5 $

GLM-5.20,26 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Grok 4.7 und GLM-5.2
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Grok 4.7	xAI	Direkt beim EntwicklerBis 200.000 Kontext-Token	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle23.09.2026
	xAI	Direkt beim EntwicklerÜber 200.000 Kontext-Token	4 $	12 $	Quelle23.09.2026
	xAI	Über OpenRouterxai	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle17.10.2026
	xAI	Über OpenRouterxai/priority	4 $	12 $	Quelle17.10.2026
	xAI	Über OpenRouterxai/zdr	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle17.10.2026
	xAI	Über OpenRouterxai/zdr/priority	4 $	12 $	Quelle17.10.2026
	xAI	Über OpenRouterxai/zdr/us	2,2 $	6,6 $	Quelle17.10.2026
GLM-5.2	Z.ai	Direkt beim EntwicklerStandard-API	1,4 $	4,4 $	Quelle22.09.2026
	Alibaba	Über OpenRouteralibaba/fast	2,31 $	7,26 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba/fp8	0,966 $	3,036 $	Quelle17.10.2026
	Alibaba	Über OpenRouteralibaba/fp8/us-east-1	1,12 $	3,52 $	Quelle17.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,938 $	2,948 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fast	2,25 $	7,88 $	Quelle17.10.2026
	Baidu	Über OpenRouterbaidu/fp8	0,189 $	Günstigster erfasster Preis: 0,594 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fast	2,1 $	6,6 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	1,4 $	4,4 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/fp8/us	1,4 $	4,4 $	Quelle17.10.2026
	BaseTen	Über OpenRouterbaseten/us/fast	2,1 $	6,6 $	Quelle17.10.2026
	Cloudflare	Über OpenRoutercloudflare	0,19 $	8 $	Quelle17.10.2026
	Decart	Über OpenRouterdecart/fast	2,5 $	9 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	0,5625 $	1,8 $	Quelle17.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4/flex	0,45 $	1,44 $	Quelle17.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,7 $	2,2 $	Quelle17.10.2026
	Friendli	Über OpenRouterfriendli	1,4 $	4,4 $	Quelle17.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,4 $	4,4 $	Quelle17.10.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,69 $	1,0395 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/eu	1,54 $	4,84 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/zdr	1,4 $	4,4 $	Quelle17.10.2026
	Morph	Über OpenRoutermorph/fp8	0,079 $	6 $	Quelle17.10.2026
	Nebius	Über OpenRouternebius/fp4	1,4 $	4,4 $	Quelle17.10.2026
	Novita	Über OpenRouternovita/fp8	0,6496 $	2,0416 $	Quelle17.10.2026
	Parasail	Über OpenRouterparasail/fp4	1,4 $	4,4 $	Quelle17.10.2026
	Phala	Über OpenRouterphala/fp8	1,26 $	3 $	Quelle17.10.2026
	Relace	Über OpenRouterrelace	0,4 $	4 $	Quelle17.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,7 $	2,2 $	Quelle17.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,5555 $	1,7459 $	Quelle17.10.2026
	Together	Über OpenRoutertogether	1,4 $	4,4 $	Quelle17.10.2026
	Venice	Über OpenRoutervenice/fp8	1,4 $	4,4 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer	0,19 $	10 $	Quelle17.10.2026
	Wafer	Über OpenRouterwafer/us	Günstigster erfasster Preis: 0,0341 $	7 $	Quelle17.10.2026
	Z.AI	Über OpenRouterz-ai/fp8	1,4 $	4,4 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Grok 4.7GLM-5.2

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.744,816 %

GLM-5.237,87 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.766,991 %

GLM-5.261,532 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.752,251 %

GLM-5.249,699 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.712,5 %

GLM-5.27,083 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.747,115 %

GLM-5.231,25 %

LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.784,389 %

GLM-5.284,073 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.71.640,149

GLM-5.21.604,113

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.71.443,84

GLM-5.21.475,47

MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.749,553 %

GLM-5.240,771 %

MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.789,377 %

GLM-5.283,534 %

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.70,5 %

GLM-5.20,5 %

SRE BenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.73,817 %

GLM-5.20 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Grok 4.7 und GLM-5.2
Benchmark und Aufgabe	Grok 4.7	GLM-5.2	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert44,816 %	37,87 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert66,991 %	61,532 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert52,251 %	49,699 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert12,5 %	7,083 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert47,115 %	31,25 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert84,389 %	84,073 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGrok 4.7: Arena-Bewertung aus 4.633 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.	Höherer Messwert1.640,149 95-%-Konfidenzintervall: ±10,129Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.604,113 95-%-Konfidenzintervall: ±6,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 10.768 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 49.127 veröffentlichten Paarvergleichen.	1.443,84 95-%-Konfidenzintervall: ±6,54Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.475,47 95-%-Konfidenzintervall: ±4,2Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MedCodeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 1, Top P: 0.95 GLM-5.2: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert49,553 %	40,771 %	Vals AI Quellendetails Datenstand: 13.10.2026
MedScribeOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 1, Top P: 0.95 GLM-5.2: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert89,377 %	83,534 %	Vals AI Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Kein direkter Sieger0,5 %	Kein direkter Sieger0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert3,817 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Höherer Messwert73,408 %	67,79 %	Vals AI Quellendetails Datenstand: 28.09.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Harness: OpenHands, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert86,175 %	63,961 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert36,422 %	27,16 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert65,016 %	54,922 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	46,25 %	Höherer Messwert46,305 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert91,667 %	87,319 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert54,545 %	39,394 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert88,636 %	88,587 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGrok 4.7: Arena-Bewertung aus 4.633 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.	Höherer Messwert1.640,149 95-%-Konfidenzintervall: ±10,129Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.604,113 95-%-Konfidenzintervall: ±6,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 1.856 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.419 veröffentlichten Paarvergleichen.	1.433,198 95-%-Konfidenzintervall: ±14,038Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.465,257 95-%-Konfidenzintervall: ±6,87Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Höherer Messwert21,5 %	9,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchCapability Score Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: capability scoreBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert17,557 %	3,435 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	91,667 %	Höherer Messwert100 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger70 %	Kein direkter Sieger70 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert83,58 %	83,444 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert42,137 %	38,006 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert20 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert87,214 %	85,95 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	81,264 %	Höherer Messwert82,17 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGrok 4.7: Arena-Bewertung aus 753 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.	Höherer Messwert1.628,146 95-%-Konfidenzintervall: ±24,376Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.565,994 95-%-Konfidenzintervall: ±14,905Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 861 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen.	1.506,477 95-%-Konfidenzintervall: ±20,231Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.520,512 95-%-Konfidenzintervall: ±10,558Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Kein direkter Sieger0,5 %	Kein direkter Sieger0,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
SRE BenchFully Solved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully solved rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert3,817 %	0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Höherer Messwert67,778 %	51,111 %	Vals AI Quellendetails Datenstand: 28.09.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert4,105 / 5	3,981 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert58,244 %	52,968 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	42,22 %	Höherer Messwert44,78 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert92,832 %	91,756 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert44,186 %	27,907 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchIssue Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	89,495 %	Höherer Messwert89,506 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Code Arena WebDevWebdev-react Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevGrok 4.7: Arena-Bewertung aus 2.845 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 11.017 veröffentlichten Paarvergleichen.	Höherer Messwert1.663,304 95-%-Konfidenzintervall: ±12,689Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.616,602 95-%-Konfidenzintervall: ±7,143Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 2.348 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 13.235 veröffentlichten Paarvergleichen.	1.494,495 95-%-Konfidenzintervall: ±12,482Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.512,842 95-%-Konfidenzintervall: ±6,235Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 64.000 tokens	Höherer Messwert75,701 %	62,605 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 1, Ausgabegrenze: 48.000 tokens	Höherer Messwert75,152 %	74,545 %	Vals AI Quellendetails Datenstand: 28.09.2026
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert56,876 %	51,815 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Disclosure Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert64,476 %	61,588 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchBusiness & Commercial · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	87,402 %	Höherer Messwert87,466 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchRhetoric Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert81,501 %	81,263 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 2.426 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.779 veröffentlichten Paarvergleichen.	1.423,68 95-%-Konfidenzintervall: ±12,998Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.452,908 95-%-Konfidenzintervall: ±7,079Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert76,265 %	63,913 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Earnings Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert74,585 %	66,596 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert92,193 %	85,874 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchCivil Litigation · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert44,444 %	25,926 %	Vals AI Quellendetails Datenstand: 12.10.2026
LegalBenchRule Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert81,049 %	78,84 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 4.267 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 20.261 veröffentlichten Paarvergleichen.	1.452,522 95-%-Konfidenzintervall: ±9,494Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.481,816 95-%-Konfidenzintervall: ±5,337Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBMisc Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert64,963 %	60,775 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Financial Modeling Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert17,66 %	12,885 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBanking Finance · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchCivil Litigation · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95 GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert89,997 %	86,955 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.7: Snapshot: grok-4.7-xhigh, Reasoning: xhigh, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlGrok 4.7: Arena-Bewertung aus 2.745 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 12.166 veröffentlichten Paarvergleichen.	1.417,326 95-%-Konfidenzintervall: ±12,057Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.446,043 95-%-Konfidenzintervall: ±6,546Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBOperating Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.7: Reasoning: xhigh, Temperatur: 0.7, Top P: 0.95	Höherer Messwert63,995 %	62,888 %	Vals AI Quellendetails Datenstand: 12.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

Grok 4.7

In dieser Runde nicht verfügbar

GLM-5.2

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Grok 4.7

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: x-ai/grok-4.7
API-Modell laut Antwort: x-ai/grok-4.7
Reasoning-Einstellung: high
Festgelegter Endpunkt: xAI | x-ai/grok-4.7-20260916
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 13,4 s

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

Frühere Versuche (1)

01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

GLM-5.2

Ausgabe aus Sicherheitsgründen nicht dargestellt

Reasoning (angefragt): high

Aktueller Versuch

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

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

Frühere Versuche (3)

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

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Grok 4.7 und GLM-5.2 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Grok 4.7 vs. GLM-5.2

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Grok 4.7

GLM-5.2

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche