北京
日前，智譜 GLM-5發(fā)布，引發(fā)業(yè)界關(guān)注。海外知名科技賬號 BridgeMind 發(fā)文稱，“GLM-5 是一個基準測試很強、但難以在真實工作中生存的模型”。其表示自己花了一整天時間進行實測，并公布了多項對比數(shù)據(jù)。
根據(jù)其披露的數(shù)據(jù)，在“人工分析智能指數(shù)”這一基準測試中，GLM-5成績不低，與Claude Opus 4.5并列50分，僅比Opus 4.6低3分。從這一指標(biāo)來看，GLM-5在通用能力測試中表現(xiàn)接近業(yè)界頭部水平。
但在Bridge Bench這一強調(diào)真實世界編程任務(wù)的測試中，結(jié)果出現(xiàn)明顯差距。Claude Opus 4.6總分60.1，平均響應(yīng)時間8.3秒，完成130個任務(wù)中的130個。GPT 5.2 Codex總分58.3，平均響應(yīng)時間19.9秒，完成129個任務(wù)。GLM-5總分為41.5，平均響應(yīng)時間達到156.7秒，僅完成約75個任務(wù)。
從分類成績看，GLM-5在調(diào)試和算法類任務(wù)上仍有一定表現(xiàn)，調(diào)試得分70.1，算法61.5，但在安全、生成和UI等項目上明顯落后，其中UI僅13.1分，安全23.2分。整體完成率和響應(yīng)速度成為其在實際開發(fā)環(huán)境中的主要短板。
BridgeMind 表示，基準測試成績并不能完全代表模型在生產(chǎn)環(huán)境中的表現(xiàn)。他認為，在真實復(fù)雜任務(wù)下，響應(yīng)速度、穩(wěn)定性和任務(wù)完成率更具參考價值。
目前相關(guān)數(shù)據(jù)尚未見官方回應(yīng)，也缺乏更大規(guī)模的第三方交叉驗證。但這一測試已引發(fā)不少網(wǎng)友討論，GLM-5 在真實開發(fā)場景中的表現(xiàn)是否可靠，仍需更多公開、透明的實測數(shù)據(jù)支持。
【相關(guān)閱讀】
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
新歐洲
