GLM-4 Plus：完整基准性能指南

other glm-4-plus 2024-08-12 Proprietary

深入分析 GLM-4 Plus 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

核心规格

厂商other
版本glm-4-plus
发布日期2024-08-12
上下文窗口131072 tokens
输入模态text, image
输出模态text
许可Proprietary
文档https://huggingface.co/models

基准测试表现

基准 得分 单位 评测日期 备注 来源
MMLU 84.3 % 2024-08-12 5-shot 查看
HUMANEVAL 72.7 pass@1 2024-08-12 — 查看
GSM8K 81.8 % 2024-08-12 0-shot CoT 查看
MATH 53.3 % 2024-08-12 0-shot CoT 查看
BBH 83.6 % 2024-08-12 3-shot CoT 查看
GPQA 35.4 % 2024-08-12 0-shot 查看
IFEVAL 79.2 % 2024-08-12 prompt_strict 查看
ARC 94.5 % 2024-08-12 challenge 查看
MUSR 51.3 % 2024-08-12 0-shot 查看
WINOGRANDE 85.8 % 2024-08-12 0-shot 查看

定价

项目 价格 币种
输入$0.5 / MtokUSD
输出$0.5 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2024-08-12

合规性

  • 数据驻留: self-host
  • SOC2: ✗
  • HIPAA: ✗
  • GDPR: ✗
  • ISO 27001: ✗

GLM-4 Plus

模型概述

清华智谱 GLM-4 Plus 旗舰模型, 131K 上下文, 支持文本与图像输入, 中文能力突出。

核心规格

厂商 版本 发布日期 上下文窗口 输入模态 输出模态 许可证
Other glm-4-plus 2024-08-12 131K text, image text Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 84.3 % 5-shot
HumanEval 72.7 pass@1 —
GSM8K (Grade School Math 8K) 81.8 % 0-shot CoT
MATH 53.3 % 0-shot CoT
BBH (BIG-Bench Hard) 83.6 % 3-shot CoT
GPQA 35.4 % 0-shot
IFEval 79.2 % prompt_strict
ARC 94.5 % challenge
MUSR 51.3 % 0-shot
WinoGrande 85.8 % 0-shot

定价

输入 输出 缓存读取 缓存写入
— — — —

每百万 token

优势

  • MMLU 得分 84.3，知识推理能力强。
  • 支持文本、图像、音频多模态输入。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献