Direktvergleich

Muse Wonder vs. GLM-5.2

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

gemeinsame Messreihen: 125
verschiedene Benchmarks: 17
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 Muse Wonder und GLM-5.2
Merkmal	Muse Wonder	GLM-5.2
Anbieter	Meta	Z.ai
Erschienen	12. Okt. 2026	16. Juni 2026
Verfügbarkeit	Preview	Open Source
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	744 Mrd., 40 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.048.576 Token	1.000.000 Token
Wissensstand	Nicht veröffentlicht	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 Muse Wonder und GLM-5.2
Preisart	Muse Wonder	GLM-5.2
API-Eingabe	4 $	1,4 $
API-Ausgabe	20 $	4,4 $
Cache lesen	0,2 $	0,26 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	15.10.2026 Quelle	22.09.2026 Quelle

Muse WonderGLM-5.2

API-EingabeUSD pro 1 Mio. Token, Basistarif

Muse Wonder4 $

GLM-5.21,4 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Muse Wonder20 $

GLM-5.24,4 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Muse Wonder0,2 $

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.

Für Muse Wonder ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.

Anbieterpreise von Muse Wonder und GLM-5.2
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Muse Wonder	Meta	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 4 $	Günstigster erfasster Preis: 20 $	Quelle15.10.2026
GLM-5.2	Z.ai	Direkt beim EntwicklerStandard-API	1,4 $	4,4 $	Quelle22.09.2026
	Alibaba	Über OpenRouteralibaba/fast	2,31 $	7,26 $	Quelle16.10.2026
	Alibaba	Über OpenRouteralibaba/fp8	0,966 $	3,036 $	Quelle16.10.2026
	Alibaba	Über OpenRouteralibaba/fp8/us-east-1	1,12 $	3,52 $	Quelle16.10.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,938 $	2,948 $	Quelle16.10.2026
	Baidu	Über OpenRouterbaidu/fast	2,25 $	7,88 $	Quelle16.10.2026
	Baidu	Über OpenRouterbaidu/fp8	1,4 $	4,4 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fast	2,1 $	6,6 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	1,4 $	4,4 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/fp8/us	1,4 $	4,4 $	Quelle16.10.2026
	BaseTen	Über OpenRouterbaseten/us/fast	2,1 $	6,6 $	Quelle16.10.2026
	Cloudflare	Über OpenRoutercloudflare	0,19 $	8 $	Quelle16.10.2026
	CoreWeave	Über OpenRoutercoreweave/fp4	0,62 $	2,42 $	Quelle16.10.2026
	Decart	Über OpenRouterdecart/fast	2,5 $	9 $	Quelle16.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	0,5625 $	Günstigster erfasster Preis: 1,8 $	Quelle16.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,7 $	2,2 $	Quelle16.10.2026
	Friendli	Über OpenRouterfriendli	1,4 $	4,4 $	Quelle16.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,4 $	4,4 $	Quelle16.10.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,69 $	3,15 $	Quelle16.10.2026
	Mistral	Über OpenRoutermistral/eu	1,54 $	4,84 $	Quelle16.10.2026
	Mistral	Über OpenRoutermistral/zdr	1,4 $	4,4 $	Quelle16.10.2026
	Morph	Über OpenRoutermorph/fp8	0,079 $	6 $	Quelle16.10.2026
	Nebius	Über OpenRouternebius/fp4	1,4 $	4,4 $	Quelle16.10.2026
	Novita	Über OpenRouternovita/fp8	0,6496 $	2,0416 $	Quelle16.10.2026
	Parasail	Über OpenRouterparasail/fp4	1,4 $	4,4 $	Quelle16.10.2026
	Relace	Über OpenRouterrelace	Günstigster erfasster Preis: 0,0351 $	6 $	Quelle16.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,7 $	2,2 $	Quelle16.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,6131 $	1,9268 $	Quelle16.10.2026
	Together	Über OpenRoutertogether	1,4 $	4,4 $	Quelle16.10.2026
	Venice	Über OpenRoutervenice/fp8	1,4 $	4,4 $	Quelle16.10.2026
	Wafer	Über OpenRouterwafer	0,19 $	8 $	Quelle16.10.2026
	Wafer	Über OpenRouterwafer/us	0,037 $	7 $	Quelle16.10.2026
	Z.AI	Über OpenRouterz-ai/fp8	1,4 $	4,4 $	Quelle16.10.2026

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.

Muse Wonder

GLM-5.2

Coding: 100 / 65 (3 Benchmarkfamilien)

Reasoning: 100 / 77,9 (4 Benchmarkfamilien)

Wissen: 100 / 58,1 (2 Benchmarkfamilien)

Finanzen: 100 / 97,7 (1 Benchmarkfamilie)

Agenten-Aufgaben: 100 / 64,4 (3 Benchmarkfamilien)

Allgemein: 100 / 97,3 (1 Benchmarkfamilie)

Gesamt: 100 / 64,3 (1 Benchmarkfamilie)

31 passende Messreihen aus 11 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 7 von 7 vergleichbaren Kategorien.

Muse WonderGLM-5.2

AA-BriefcaseOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder1.658,65 elo

GLM-5.21.228,86 elo

AA-LCROverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder80,7 %

GLM-5.278,3 %

AA-OmniscienceOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder25,483 Punkte

GLM-5.24,433 Punkte

Artificial Analysis Intelligence IndexOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder52,394 Punkte

GLM-5.233,705 Punkte

AutomationBench-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder68,1 %

GLM-5.228,4 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder62,552 %

GLM-5.237,87 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Wonder67,084 %

GLM-5.261,532 %

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

Muse Wonder56,637 %

GLM-5.249,699 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder30,6 %

GLM-5.210,4 %

GDPval-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder1.770,34 elo

GLM-5.21.372,01 elo

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

Muse Wonder17,083 %

GLM-5.27,083 %

Humanity's Last ExamOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Wonder50,1 %

GLM-5.241,1 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Muse Wonder und GLM-5.2
Benchmark und Aufgabe	Muse Wonder	GLM-5.2	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.658,65 elo	1.228,86 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner80,7 %	78,3 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner25,483 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	4,433 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,394 Punkte	33,705 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner68,1 %	28,4 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert62,552 %	37,87 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert67,084 %	61,532 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert56,637 %	49,699 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner30,6 %	10,4 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.770,34 elo	1.372,01 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert17,083 %	7,083 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner50,1 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	41,1 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert50,481 %	31,25 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.	Gewinner1.650,947 95-%-Konfidenzintervall: ±18,263Der 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 Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 49.127 veröffentlichten Paarvergleichen.	Gewinner1.512,671 95-%-Konfidenzintervall: ±13,236Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.475,47 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
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserMuse Wonder: Snapshot: Muse Wonder (Max), Reasoning: Max GLM-5.2: Snapshot: GLM-5.2 (Max), Reasoning: MaxMuse Wonder: Exakte AA-Konfiguration: Muse Wonder (Max) (Release muse-wonder, Zeile muse-wonder, UUID ff2f3f3d-783f-4e27-8a39-47237501a313, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.GLM-5.2: Exakte AA-Konfiguration: GLM-5.2 (Max) (Release glm-5-2, Zeile glm-5-2, UUID f7a4ea75-e548-4069-80d4-9be8bc7c009b, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner52,0 %	1,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert83,089 %	63,961 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert60,07 %	27,16 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert79,488 %	54,922 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert52,67 %	46,305 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert93,841 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert63,636 %	39,394 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 16.093 veröffentlichten Paarvergleichen.	Gewinner1.650,947 95-%-Konfidenzintervall: ±18,263Der 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 Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 338 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.419 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.500,247 95-%-Konfidenzintervall: ±30,856Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.465,257 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
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens 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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	79,232 %	Höherer Messwert83,444 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert45,936 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens 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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert90,571 %	85,95 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-html Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 158 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.	Gewinner1.721,908 95-%-Konfidenzintervall: ±51,47Der 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 ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 487 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 13.235 veröffentlichten Paarvergleichen.	Gewinner1.557,956 95-%-Konfidenzintervall: ±26,189Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.512,842 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
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert4,061 / 5	3,981 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	51,035 %	Höherer Messwert52,968 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert47,933 %	44,78 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert92,473 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert48,837 %	27,907 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevWebdev-react Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Wonder: Arena-Bewertung aus 787 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 11.017 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.637,813 95-%-Konfidenzintervall: ±23,199Der 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 ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 427 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 9.779 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.485,682 95-%-Konfidenzintervall: ±29,474Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.452,908 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
EMBLBO Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert60,69 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert67,252 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens 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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	86,88 %	Höherer Messwert87,466 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 802 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 20.261 veröffentlichten Paarvergleichen.	Gewinner1.523,395 95-%-Konfidenzintervall: ±20,831Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.481,816 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
EMBM&A Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert76,852 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert76,768 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert94,424 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert37,037 %	25,926 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 536 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 12.166 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.468,099 95-%-Konfidenzintervall: ±25,703Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.446,043 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
EMBMisc Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	56,936 %	Höherer Messwert60,775 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Financial Modeling Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert22,515 %	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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens 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 BenchCivil Litigation · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert89,018 %	86,955 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlExcluding ties Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 1.390 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 36.397 veröffentlichten Paarvergleichen.	Gewinner1.538,781 95-%-Konfidenzintervall: ±18,91Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.484,899 95-%-Konfidenzintervall: ±5,47Der 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 besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert65,354 %	62,888 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)General Qualitative Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert70,779 %	68,73 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBankruptcy Restructuring · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert89,965 %	74,394 %	Vals AI Quellendetails Datenstand: 12.10.2026
Legal Research BenchConstitutional / Civil Rights · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert39,474 %	28,947 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlExpert prompts Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 212 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 5.201 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.512,579 95-%-Konfidenzintervall: ±38,177Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.501,875 95-%-Konfidenzintervall: ±8,773Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBScratch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert69,002 %	66,693 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)General Quantitative Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert77,605 %	65,524 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkBankruptcy Restructuring · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens 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 BenchConstitutional / Civil Rights · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.2: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert89,259 %	86,095 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Text, Style ControlHard prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style control GLM-5.2: Snapshot: glm-5.2-max, Reasoning: max, Harness: Arena Text, style controlMuse Wonder: Arena-Bewertung aus 1.218 veröffentlichten Paarvergleichen.GLM-5.2: Arena-Bewertung aus 32.048 veröffentlichten Paarvergleichen.	Gewinner1.533,453 95-%-Konfidenzintervall: ±16,637Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.495,811 95-%-Konfidenzintervall: ±4,808Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
EMBTemplate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Wonder: Reasoning: max, Temperatur: 1, Ausgabegrenze: 131.072 tokens	Höherer Messwert65,731 %	55,814 %	Vals AI Quellendetails Datenstand: 12.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

Für diese Auswahl gibt es keine gemeinsame Testrunde. Es werden keine Ergebnisse aus verschiedenen Runden gemischt.

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Muse Wonder

Noch nicht getestet

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 Muse Wonder und GLM-5.2 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich