GLM-5
智谱AI推出的GLM第五代大型语言模型，面向多任务推理与内容生成
核心事实
时间轴 (近 90 天)
基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型
GLM-5揪出了作者早期A02提示词的歧义——收货并不等于消耗，作者据此修正了题目
智谱的GLM-5在西班牙语场景下自称是谷歌制造的Gemini，被误导性提问后又自称是Anthropic制造的Claude
开源模型得分较低：Qwen3 235B得11/12、Gemma 4两个尺寸均为9/12、DeepSeek R1得7/12、GLM-5得5/12
在 ng-hard 压力测试中，Gemini 3.7 Flash、GLM-5 和 Qwen 3 235B 都拿了100%，gpt-oss-120b 得80%（10行对8行）
被测模型包括 Google 的 Gemini 3.7 Flash、Z.ai 的 GLM-5、阿里巴巴的 Qwen 3 235B A22B Instruct 以及 OpenAI 的 gpt-oss-120b，全部在 Kaggle 上运行
修正评分器后，四个模型在全部五个理智门任务上都拿了100%
在三个满分模型中，GLM-5 的成本约为 Qwen 的30倍
GLM-5和Gemini 2.5 Pro并列第二，得分均为0.92（34/37）
完成同等智能任务，Gemini 3.8 Flash的加权平均成本约0.58美元，部分对比模型成本达2.34美元甚至3.69美元
还有 2 条时间轴事件
全部知识事实 (11)
被测模型包括 Google 的 Gemini 3.7 Flash、Z.ai 的 GLM-5、阿里巴巴的 Qwen 3 235B A22B Instruct 以及 OpenAI 的 gpt-oss-120b，全部在 Kaggle 上运行
65%待验证基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型
50%待验证智谱的GLM-5在西班牙语场景下自称是谷歌制造的Gemini，被误导性提问后又自称是Anthropic制造的Claude
50%待验证开源模型得分较低：Qwen3 235B得11/12、Gemma 4两个尺寸均为9/12、DeepSeek R1得7/12、GLM-5得5/12
50%待验证在 ng-hard 压力测试中，Gemini 3.7 Flash、GLM-5 和 Qwen 3 235B 都拿了100%，gpt-oss-120b 得80%（10行对8行）
50%待验证修正评分器后，四个模型在全部五个理智门任务上都拿了100%
50%待验证在三个满分模型中，GLM-5 的成本约为 Qwen 的30倍
50%待验证GLM-5和Gemini 2.5 Pro并列第二，得分均为0.92（34/37）
50%待验证GLM-5系列强化了长文本处理(支持128K上下文)和工具调用(Function Calling)能力
50%待验证GLM-5系列支持128K上下文长度和Function Calling工具调用能力
50%待验证GLM-5揪出了作者早期A02提示词的歧义——收货并不等于消耗，作者据此修正了题目
50%