已过期60% 置信事实时间未知
GLM 4.6在HumanEval、MBPP、SWE-bench等代码评测基准以及MMLU、GPQA等综合能力基准上的表现对齐Claude 3.4和Claude 3.4.5
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/6/3
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/1(已过期)
来源
Claude Code搭配GLM4.6：编程Agent国产化部署指南
bilibili潜龙悟用-
涉及实体
相关事实
待验证GLM4在代码推理和通用知识测试中得分74.4%，仅次于Claude 3 Opus76% 相似待验证智谱GLM-4系列在HumanEval、MBPP等代码基准测试中达到国际第一梯队水平74% 相似待验证在MMLU、HumanEval等主流基准测试上，Claude 3.5、GPT-4o、Gemini 1.5 Pro、Grok-2之间的分差已压缩至统计误差范围内72% 相似待验证GLM-5.3在六项评测中的成绩为：终端编程基准3.0得28.3、深度软件工程基准得66.9、智能体中场考试得28.5、自动化基准得48.2、带工具的人类终极考试得62.5、GDP价值评估AA2版得17.6972% 相似待验证GLM-4.7是一款MOE（混合专家）架构模型，总参数量达358B（3580亿）72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/38492API
curl https://kongchang.com/api/v1/knowledge/claims/38492MCP
get_claim(id=38492)