GPQA DiamondVerifiziert
89.5%
GPQA Diamond (AA run)
Modelle / Zhipu
GLM-5.2
GLM · Release 2026-06-13
Höchstplatziertes Open-Source-Modell auf FrontierSWE, PostTrainBench und SWE-Marathon. $1,40 / $4,40 pro 1M Tokens, MIT-Weights ausstehend.
Long-Horizon-Coding- und autonomes-Agenten-Modell für projektgrosse Engineering-Aufgaben. Die GLM-Wahl, wenn 1M-Kontext gebraucht wird, der über mehrtägige Refactors nutzbar bleibt, nicht nur ein grosses Fenster.
Composite63
Kontext1M
Input / 1M$1.4
Output / 1M$4.4
Wissensstichtagopen
Output-Speed88 t/s
Statussolid
Familienprofil
Bester veröffentlichter Score je abgedeckter Benchmark-Familie.
74/100 Ø
- Reasoning
- 90
- Coding
- 51
- Agentisch
- 78
- Langer Kontext
- 78
4 getestete Benchmark-Familien
Redaktionsnotiz
GLM-5.2 ist das stärkste Open-Source-Coding-Modell, das wir tracken. Terminal-Bench 2.1 bei 81,0 liegt innerhalb von 4 Punkten von Claude Opus 4.8 (85,0), und der FrontierSWE-Abstand zu Opus beträgt 1 %. Das Tool bleibt solid, bis unabhängige Benchmarks jenseits von Z.ais eigenen Berichten im Ledger landen. MIT-Weights sind angekündigt, aber noch nicht veröffentlicht — vor dem Pinning selbst-gehosteter Workflows verifizieren.Benchmark-Platzierungen
Positionen pro Benchmark
Wo GLM-5.2 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.
| Benchmark | Family | Rang | Score | Quelle | Datum |
|---|---|---|---|---|---|
| DeepSWE | Coding | #7/ 8 | 44 | DeepSWE leaderboard v1.1 | 2026-06-20 |
| Terminal-Bench | Agentic | #30/ 167 | 78 | Artificial Analysis | 2026-09-28 |
| Humanity's Last Exam | Reasoning | #37/ 186 | 41 | Artificial Analysis | 2026-09-28 |
| SciCode | Coding | #42/ 97 | 51 | Artificial Analysis | 2026-09-28 |
| GPQA Diamond | Reasoning | #51/ 184 | 90 | Artificial Analysis | 2026-09-28 |
| AA-LCR | Long context | #59/ 184 | 78 | Artificial Analysis | 2026-09-28 |
| AA output speed | Performance | #70/ 196 | Artificial Analysis | 2026-10-12 |
Family-Kontext
Stärkste Zeilen pro Family
Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo GLM-5.2 auftaucht, ist es hervorgehoben.
ReasoningGLM-5.2 · 90
- 196
- 295
- 395
Math
- 152
- 252
- 350
CodingGLM-5.2 · 51
- 174
- 273
- 370
AgenticGLM-5.2 · 78
- 191
- 289
- 389
Long contextGLM-5.2 · 78
- 189
- 286
- 385
Neueste Belege
6 neuLetzte 120 Tage
Benchmark-Zeilen im öffentlichen Ledger für GLM-5.2 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.
| Benchmark | Family | Score | Quelle | Tage her |
|---|---|---|---|---|
| AA output speed | Performance | 88 t/s | Artificial Analysis | 18 |
| AA-LCR | Long context | 78.33% | Artificial Analysis | 32 |
| GPQA Diamond | Reasoning | 89.5% | Artificial Analysis | 32 |
| Humanity's Last Exam | Reasoning | 41.1% | Artificial Analysis | 32 |
| SciCode | Coding | 51.2% | Artificial Analysis | 32 |
| Terminal-Bench | Agentic | 77.9% | Artificial Analysis | 32 |
Family-Abdeckung
Bester Score pro Family
Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.
Preis vs. Performance
Wo GLM-5.2 im Scatter liegt
Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.
AnthropicOpenAIGoogleAlibabaMetaZhipuxAIDeepSeekMiniMaxXiaomiMoonshotOtherMeituanMistralNVIDIACohere
Volles Benchmark-Ledger
Jeder Katalog-Benchmark für GLM-5.2. Scores verlinken zur Originalquelle; Lücken heissen: noch keine öffentliche Zeile.
7 von 13 Katalog-Benchmarks haben eine belegte Zeile für GLM-5.2.
Reasoning
Humanity's Last ExamVerifiziert
41.1%
HLE (AA run)
Coding
Agentic
Terminal-BenchVerifiziert
77.9%
Terminal-Bench v2.1 (AA run)
Long context
AA-LCRVerifiziert
78.33%
AA-LCR (AA run)
Performance
AA output speedVerifiziert
88 t/s
Median output tokens/s (1k prompt, default provider)
Changelog
Versionshistorie
- GLM-5.2 mit 1M-Kontext, 128K Max-Output, zwei Thinking-Modi und Long-Horizon-Coding-Fokus veröffentlicht. MIT-Open-Weights für die folgende Woche angekündigt.
Quellen
Woher die Zahlen kommen
- GLM-5.2-Dokumentation· geprüft 2026-06-19
- Z.ai-Preise· geprüft 2026-06-19
- Artificial Analysis — GLM-5.2 führende Open Weights· geprüft 2026-06-19
- Requesty-API-Preise· geprüft 2026-06-19
Fragen, die diese Modellseite beantwortet
Jede Antwort unten stammt aus den datierten Feldern dieser Seite. Nichts davon ist zusätzlich für Suchmaschinen geschrieben.
Was ist GLM-5.2?
GLM-5.2 ist ein Modell von Zhipu: Höchstplatziertes Open-Source-Modell auf FrontierSWE, PostTrainBench und SWE-Marathon. $1,40 / $4,40 pro 1M Tokens, MIT-Weights ausstehend.
Wofür ist GLM-5.2 da?
Long-Horizon-Coding- und autonomes-Agenten-Modell für projektgrosse Engineering-Aufgaben. Die GLM-Wahl, wenn 1M-Kontext gebraucht wird, der über mehrtägige Refactors nutzbar bleibt, nicht nur ein grosses Fenster.
Was kostet GLM-5.2?
GLM-5.2 listet $1.4 Input und $4.4 Output pro 1M Tokens. Preise zuletzt geprüft am 2026-06-19.
Wie gross ist das Kontextfenster von GLM-5.2?
GLM-5.2 veröffentlicht ein Kontextfenster von 1M Tokens.
Welchen VerdictPal-Status hat GLM-5.2?
GLM-5.2 trägt im Modell-Atlas den Status Solid.
The Pack · Redaktionsnewsletter
Erfahre, wenn sich die Regeln ändern.
Eine kurze E-Mail, wenn eine Hochschule ihre KI-Regel für Abschlussarbeiten ändert oder ein Recherche-Tool Preise oder Datenschutz anpasst. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.
Die KI-Checkliste für die Abschlussarbeit ist frei nutzbar, ohne Anmeldung →