待验证50% 置信基准精确时间
智谱GLM-4系列在HumanEval、MBPP等代码基准测试中达到国际第一梯队水平
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/29
首次发现
有效期至：2026/11/27
来源
涉及实体
相关事实
待验证GLM 4.6在HumanEval、MBPP、SWE-bench等代码评测基准以及MMLU、GPQA等综合能力基准上的表现对齐Claude 3.4和Claude 3.4.574% 相似待验证GLM4在World of AI基准测试工具中排名第五72% 相似待验证阿里云Qwen2.5-Coder-32B在2024年底的评测中，在HumanEval、MBPP等主流代码基准上超越GPT-4o69% 相似待验证GLM-5.3在六项评测中的成绩为：终端编程基准3.0得28.3、深度软件工程基准得66.9、智能体中场考试得28.5、自动化基准得48.2、带工具的人类终极考试得62.5、GDP价值评估AA2版得17.6964% 相似待验证MBTI人格测试在2022-2023年爆火，相关测试小程序单日UV峰值可达百万级别63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/816998API
curl https://kongchang.com/api/v1/knowledge/claims/816998MCP
get_claim(id=816998)