GLM-5.1 · 媒体来源 · 编辑分析
Artificial Analysis 2026-08-20 采集的 GLM-5.1 Reasoning 页面记录 Intelligence Index 41、吞吐 82.7 tokens/s，并提示输出偏长、价格偏高；这是平台聚合指数。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
在第三方独立评测体系中，GLM-5.1 (Reasoning) 综合智能指数得分 41，吞吐达 82.7 tokens/s，位列同类模型前 20%，展现出高智能与高生成速度，但相对其他开源权重模型生成长度偏长且价格偏高。
适合的任务：对推理深度和吞吐速度有双重要求的智能体交互、复杂代码终端任务与结构化推理。
不适合的任务：对单次输出 token 成本极度敏感、或追求极简短答的超高并发廉价场景。
适用的模型版本：GLM-5.1 (Reasoning)。
适用的客户端、Agent 或 API：第一方 Z.ai API 及 8 家主流第三方 API Provider。
推荐的推理档位和参数：官方默认推理档位，建议开启 Prompt Caching（缓存折扣达 81%）。
评测框架版本：Artificial Analysis Intelligence Index v4.1.1。
综合评估子集：共整合 9 项独立基准：
GDPval-AA v2（真实世界工作任务）
𝜏³-Banking（工具调用与银行业务）
Terminal-Bench v2.1（智能体编码与终端操作）
SciCode（科学计算编码）
Humanity's Last Exam (HLE)（前沿推理与知识）
GPQA Diamond（科学逻辑推理）
CritPt（物理学深度推理）
AA-Omniscience（知识可靠性与非幻觉率）
AA-LCR（长上下文推理）
模型规格：总参数 744B，每 Token 激活参数 40B（MoE 架构），上下文窗口 200k tokens。
| 评测维度 | GLM-5.1 (Reasoning) | 同类模型中位数 | 同类排名 / 评级 |
|---|---|---|---|
| Intelligence Index (综合智能指数) | 41 | 27 | #19 / 107 (4/4 档) |
| 生成速度 (Output Speed) | 82.7 tokens/s | 67.0 tokens/s | #20 / 107 (3/4 档) |
| 输入价格 (Input Price) | $1.39 / 1M | $0.30 / 1M | 偏高 |
| 输出价格 (Output Price) | $4.40 / 1M | $1.20 / 1M | 偏高 |
| Prompt Cache 折扣 | 81% ($0.30 / 1M) | — | 优异 |
| 评测消耗 Token 总量 (Verbosity) | 120M tokens | 100M tokens | 偏详细 (Verbose) |
| 单项任务加权成本 | $0.30 / task | — | #25 / 107 (3/4 档) |
Artificial Analysis 独立数据证实 GLM-5.1 在大模型综合梯队中处于上游前沿（分数为 41，远超中位数 27）。其 82.7 tps 的生成速度保证了在长程推理中具备良好的交互响应体验。然而其输出倾向上更偏向详细展开（120M tokens），且 API 定价在开源权重衍生模型中偏高，强烈建议生产部署中充分利用 Prompt Cache 机制降本。
该评测针对 Reasoning 模式的综合加权指标，非单一领域极限测试。
价格数据基于评测时的官方标价与各 API Provider 中位数，实际费用随 Provider 变动。
200k 上下文窗口满足绝大多数任务，但相比后续发布的 1M 窗口模型仍有长文本上限。
参考 Artificial Analysis 评测协议标准化输入提示词。
接入各 API 端点，统计首 Token 延迟（TTFT）与解码生成速度（tokens/s）。
运行 Terminal-Bench v2.1、SciCode 与 GPQA Diamond 子集，对比加权评分与输出 Token 长度。
对比开启与未开启 Prompt Caching 时的端到端 API 账单成本。
Artificial Analysis 官方页面公开记录了 GLM-5.1 的综合智能指数 41、输出速度 82.7 tokens/s、输入 $1.39/输出 $4.40 价格，以及 744B 总参数/40B 激活参数的 MoE 架构规格。
Artificial Analysis 总结指出：“GLM-5.1 (Reasoning) is amongst the leading models in intelligence, but particularly expensive when comparing to other open weight models of similar size. It's also faster than average, however somewhat verbose.”
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
Artificial Analysis · Artificial Analysis Research · 原文发布日期 2026-04-07 · 本站编辑日期 2026-09-20
打开原始来源GLM-5.1
下载 Tabbit 客户端后检查模型可用性
