GLM5.1 在 arena 上 code 排行世界第三了

[Bootis]

如图，跟个人体感比较一致（曾经订阅 Claude Max 20x ，现订阅 ChatGPT Pro 和 ZAI Max Plan ），如果智谱的 infra 再升级下，大多数 coding 任务就完全可以靠他了

[940i3s34v4F1HW41]

这家排行榜挺不错的

[Bootis]

非广告，但是目前国内的 Coding Plan 都是极其优惠的价格，个人认为现阶段订阅年费大概率是买到就是赚到

[Bootis]

@sddyzm 确实跟个人使用体感一致，除了 GPT5.1 high 的排名低了，估计是 UI 相关的能力过于拉跨拉低了分数

[Bootis]

@Bootis #3 修正 5.1-5.4

[longxinglink]

ollama 免费 API 也支持上了，不知道对比 GAMMA 4 有啥优势

[licoba]

@Bootis #2 赚啥呀，限额不是说限就限，计划不是说调整就调整，要我说还是包月包季吧

[Bootis]

@licoba OpenAI 、Anthropic 、Google 不都一样，国内厂现在给的配额调整了也基本是非常划算的一档了

[abc0123xyz]

glm 能力还不错，但是 429 警告

[nakun233]

@Bootis GLM 的我忘记自己上个月点取消了，前天忘记续费 49 的套餐没了

[wm5d8b]

试了试腾讯提供的 glm5.1 ，存在将中文引号强制转为英文引号的 bug ，和 qwen 的中英文间强制加空格有的一拼

[rubyacgn]

我觉得 cursor bench 最准, 上面是 gpt 5.4 第一

[admirez]

glm 超过 gpt 是我听过最大的笑话了 （至少目前是，希望以后他能赶上）

[FlashEcho]

Arena 的评分形式决定了它只能测评真实世界中有限的任务。你只能给一个 prompt ，比如说让它帮忙做一个 demo 。在这种情况下性能较好的模型，很大程度上发挥不出来，只是评测了从零到一做 demo 的能力。虽然 SWE BENCH 已经被各家模型刷烂了，但是 SWE BENCH 的测评可信度都比这玩意高，毕竟那是基于真实有效的任务

[Bootis]

@rubyacgn gpt 5.4 high 绝对是第一（除了让它自由发挥干 UI ），而且 OpenAI 大善人又不封号，googleplay 订阅还不用交平台税，codex 额度还给拉满，没有任何理由订阅 claude 了

[sakuraT1]

排行榜没啥参考，有个视频说的挺好，国产的模型很喜欢针对测试排行进行特调，实际用起来就会发现和 claude gpt 差距很大，感觉不是很聪明，只能适用一些很简单的编程任务

[jqtmviyu]

我现在不相信评分了. 从 minimax glm 一出就吹 claude 之下排第二, 结果用起来不如 gemini 3 和 gpt 5.