GLM-5.2 (max) 目前是开源和专有模型中第三好的模型。

# GLM-5.2 (max) - 智能、性能与价格分析 来源：https://artificialanalysis.ai/models/glm-5-2 ## 智能（已更新） ### 人工分析智能指数 人工分析智能指数 v4.1 包含 9 项评估：GDPval-AA v2、τ3-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR 推理模型以灯泡图标标示 人工分析智能指数 v4.1 包含：GDPval-AA v2、τ3-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。详情请参阅智能指数方法论 (https://artificialanalysis.ai/methodology/intelligence-benchmarking)，其中包含每项评估的分解说明以及我们的运行方式。 ### 按开放权重/专有模型划分的人工分析智能指数 人工分析智能指数 v4.1 包含 9 项评估：GDPval-AA v2、τ3-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR 推理模型以灯泡图标标示 人工分析智能指数 v4.1 包含：GDPval-AA v2、τ3-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。详情请参阅智能指数方法论 (https://artificialanalysis.ai/methodology/intelligence-benchmarking)，其中包含每项评估的分解说明以及我们的运行方式。 指示模型权重是否可用。模型若标注为“商业使用受限”，则表示权重可用但商业使用受限（通常需要获取付费许可证）。 ### 智能评估 由人工分析独立测量的智能评估 · 数值越高越好 智能体真实工作任务，(Elo-500)/2000 智能体编码与终端使用 推理模型以灯泡图标标示。 虽然模型智能通常可跨用例适用，但特定评估可能对某些用例更具相关性。 人工分析智能指数 v4.1 包含：GDPval-AA v2、τ3-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。详情请参阅智能指数方法论 (https://artificialanalysis.ai/methodology/intelligence-benchmarking)，其中包含每项评估的分解说明以及我们的运行方式。 ## 开放性 ### 人工分析开放性指数：得分 开放性指数在 0 到 100 的标准化尺度上评估模型开放程度（数值越高越开放） 推理模型以灯泡图标标示 ## 智能指数对比 ### 智能 vs. 每智能指数任务成本 人工分析智能指数 · 每项人工分析智能指数任务的加权平均成本（美元） 推理模型以灯泡图标标示。 每项智能指数任务的加权平均成本。每项评估的成本根据输入、缓存命中、缓存写入、推理和回答 token 价格计算，除以任务数量，并按其在智能指数中的权重加权。 人工分析智能指数 v4.1 包含：GDPval-AA v2、τ3-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。详情请参阅智能指数方法论 (https://artificialanalysis.ai/methodology/intelligence-benchmarking)，其中包含每项评估的分解说明以及我们的运行方式。 ## Token 使用（已更新） ### 每智能指数任务的输出 Token 数 在人工分析智能指数中运行一项任务所使用的输出 Token 数的加权平均值 推理模型以灯泡图标标示 每项智能指数任务所需的 Token 数量。计算方式为：每个评估的输出 Token 数乘以智能指数中各基准的相对权重，然后除以任务数量（排除重复项）。 ## 价格与成本（已更新） ### 每智能指数任务成本 每项人工分析智能指数任务的加权平均成本（美元），按 Token 类型细分。越低越好 推理模型以灯泡图标标示 每项智能指数任务的加权平均成本。每项评估的成本根据输入、缓存命中、缓存写入、推理和回答 token 价格计算，除以任务数量，并按其在智能指数中的权重加权。 ### 运行人工分析智能指数的成本 运行人工分析智能指数中所有评估的成本（美元） 推理模型以灯泡图标标示 运行人工分析智能指数中评估的成本，使用模型的输入、缓存命中、缓存写入、推理和回答 token 价格以及跨评估使用的 Token 数量（排除重复项）计算得出。 ### 定价：缓存命中、输入与输出 价格（每百万 Token 的美元数） 推理模型以灯泡图标标示 缓存提示（先前处理过）的每 Token 价格，通常相比常规输入价格有显著折扣，以每百万 Token 美元表示。此处显示的是缓存命中价格；缓存写入和缓存存储单独计费，且因提供商而异——详情请参阅“按提供商划分的缓存定价”。 请求/消息中发送给 API 的每 Token 价格，以每百万 Token 美元表示。 此处显示的混合缓存价格仅使用缓存命中价格。其他缓存成本因提供商而异： - Anthropic：单独收取缓存写入费用，5 分钟和 1 小时 TTL 费率不同（1 小时 TTL 更贵）。 - Google (Vertex/Gemini)：除缓存命中定价外，还按小时收取缓存存储费用。部分提供商还对超过 20 万 Token 的提示采用分层定价。 - OpenAI、DeepSeek 等：通常仅收取缓存命中费用，无写入或存储费用。 完整分解请参见提示缓存 (https://artificialanalysis.ai/models/caching)。 模型生成的每 Token 价格（从 API 接收），以每百万 Token 美元表示。 数据表示模型第一方 API（例如 OpenAI 的 o1）的性能，或在无第一方 API 时（例如 Meta 的 Llama 模型）各提供商的中间值。 ## 上下文窗口 ### 上下文窗口 上下文窗口：Token 限制 · 越高越好 推理模型以灯泡图标标示 较大的上下文窗口适用于通常涉及大量数据推理和信息检索的 RAG（检索增强生成）LLM 工作流。 输入与输出 Token 的最大组合数量。输出 Token 通常有显著较低的限制（因模型而异）。 ## 速度（已更新） 通过输出速度（每秒 Token 数）衡量 ### 输出速度 每秒输出 Token 数 · 越高越好 推理模型以灯泡图标标示 模型生成 Token 时（即对于支持流式传输的模型，从接收到第一个 chunk 后开始）每秒接收的 Token 数。 数据表示模型第一方 API（例如 OpenAI 的 o1）的性能，或在无第一方 API 时（例如 Meta 的 Llama 模型）各提供商的中间值。 ### 每智能指数任务耗时 每项任务的加权平均挂钟时间（分钟）；排除 TTFT 和执行时间 · 越低越好 推理模型以灯泡图标标示 每项人工分析智能指数任务的加权平均耗时（秒）。计算方式为：任务输出 Token 数除以输出速度，按智能指数中各基准的相对权重加权。 ## 延迟 通过首个 Token 的时间（秒）衡量 ### 延迟：首个回答 Token 的时间 接收到首个回答 Token 的秒数 · 包含推理模型的“思考”时间 推理模型以灯泡图标标示 API 请求发送后，收到首个回答 Token 的时间（秒）。对于推理模型，这包括模型在提供回答之前的“思考”时间。对于不支持流式传输的模型，这表示接收到完整补全的时间。 ## 端到端响应时间 输出 500 个 Token 的秒数，基于首个 Token 时间、推理模型的“思考”时间和输出速度计算 ### 端到端响应时间 输出 500 个 Token 的秒数，包含推理模型的“思考”时间 · 越低越好 推理模型以灯泡图标标示 接收 500 个 Token 响应的秒数。关键组成部分： - 输入时间：接收首个响应 Token 的时间 - 思考时间（仅限推理模型）：推理模型在提供回答之前输出 Token 进行推理的时间。Token 数量基于对 60 个多样化提示的平均推理 Token 数（方法论详情 (https://artificialanalysis.ai/methodology/performance-benchmarking)）。 - 回答时间：基于输出速度生成 500 个输出 Token 的时间 数据表示模型第一方 API（例如 OpenAI 的 o1）的性能，或在无第一方 API 时（例如 Meta 的 Llama 模型）各提供商的中间值。 ## 模型规模（仅开放权重模型） ### 模型规模：总参数与活跃参数 模型总参数与推理期间活跃参数的对比 推理模型以灯泡图标标示 模型中可训练权重和偏差的总数，以十亿计。这些参数在训练期间学习，决定了模型处理和生成响应的能力。 在每次推理前向传播中实际执行的参数数量，以十亿计。对于混合专家（MoE）模型，路由机制会为每个 token 选择专家子集，导致活跃参数少于总参数。稠密模型使用所有参数，因此活跃数等于总数。