GLM-5.2 Artificial Analysis-ის რეიტინგში წამყვანი ღია მოდელი გახდა

Z.ai-ის GLM-5.2 Artificial Analysis Intelligence Index-ის ახალი წამყვანი ღია მოდელია: ბენჩმარკის 4.1 ვერსიაზე მან 51 ქულა მოაგროვა. ანალიტიკური კომპანიის მონაცემებით, მოდელს წინამორბედი GLM-5.1-ის იგივე ზომა აქვს — 744 მილიარდი პარამეტრი ჯამში და 40 მილიარდი აქტიური — თუმცა ინდექსზე 11 ქულით მეტს აგროვებს.

სად დგას ის

ეს შედეგი GLM-5.2-ს სხვა ღია მოდელებზე წინ აყენებს: MiniMax-M3 და DeepSeek V4 Pro (max) 44 ქულას აგროვებენ, Kimi K2.6 კი — 43-ს. GDPval-AA v2-ზე, Artificial Analysis-ის მთავარ მეტრიკაზე რეალურ აგენტურ შესრულებაში, GLM-5.2 1 524 ქულას იღებს და უსწრებს MiniMax-M3-ს (1 418) და DeepSeek V4 Pro-ს (max, 1 328), პრაქტიკულად კი GPT-5.5-ის xhigh რეჟიმის დონეზეა (1 514).

ზრდა შეფასებებში

GLM-5.1-თან შედარებით გაუმჯობესება შეფასებების უმეტესობაში ჩანს და განსაკუთრებით სამეცნიერო მსჯელობაში. CritPt 16 ქულით იზრდება 21 პროცენტამდე, HLE — 12 ქულით 40 პროცენტამდე, SciCode კი 7 ქულით 50 პროცენტამდე. AA-LCR 9 ქულით იზრდება 71 პროცენტამდე, tau3 banking-ის ბენჩმარკი 15 ქულით 27 პროცენტამდე, TerminalBench v2.1 კი 16 ქულით 78 პროცენტამდე. GPQA Diamond 3 ქულით იზრდება და 89 პროცენტს აღწევს.

ღირებულება და სანდოობა

GLM-5.2 ასევე ინტელექტისა და დავალების ღირებულების პარეტოს ფრონტზეა — მისი ინტელექტის დონეზე ყველაზე დაბალი ღირებულება აქვს დავალებაზე. AA-Omniscience Index-ზე მოდელი 4 ქულას იღებს GLM-5.1-ის 2-ის ნაცვლად: სიზუსტე 24.2-დან 25.1 პროცენტამდე გაიზარდა, ჰალუცინაციების მაჩვენებელი კი 29.4-დან 28.1 პროცენტამდე შემცირდა, მცდელობის მაჩვენებელი კი უცვლელია — 47 პროცენტი. მოდელი Intelligence Index-ის ერთ დავალებაზე დაახლოებით 43 000 გამომავალ ტოკენს ხარჯავს, საიდანაც 37 000 მსჯელობის ტოკენია.