DataLearner 标志

GLM-4.6 评测详情

GLM-4.6 当前已收录的代表性评测结果包括 AIME2025（17 / 215，得分 98.60）、LiveCodeBench（34 / 251，得分 84.50）、MMLU-Pro（47 / 175，得分 83）。

评测结果

GLM-4.6

评测结果

思考模式
工具使用

综合知识考试

共 7 项评测
评测名称 / 模式
得分
排名/总数
MMLU-Pro
常规模式
78
74 / 175
MMLU-Pro
思考模式
83
47 / 175
HLE
常规模式
5.50
474 / 568
HLE
常规模式
5.20
481 / 568
HLE
思考模式
17.20
325 / 568
HLE
思考模式
14.50
345 / 568
HLE
思考模式工具
30.40
205 / 568

科学知识与推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
常规模式
63
367 / 461
GPQA Diamond
思考模式
81
221 / 461
GPQA Diamond
思考模式工具
82.90
194 / 461
CritPt
思考模式
1.10
151 / 204

仓库修复与多文件工程

共 2 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Verified
常规模式
68
71 / 116
SWE-bench Verified
思考模式工具
68
71 / 116

算法与竞赛编程

共 3 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
常规模式
56.10
148 / 251
LiveCodeBench
思考模式
82.80
43 / 251
LiveCodeBench
思考模式工具
84.50
34 / 251

数学

共 4 项评测
评测名称 / 模式
得分
排名/总数
AIME2025
常规模式
44
164 / 215
AIME2025
思考模式
98.60
17 / 215
AIME2025
思考模式工具
98.60
17 / 215
FrontierMath - Tier 4
常规模式
2.10
56 / 80

写作与创意表达

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
1408.60
64 / 106

自主开发与终端任务

共 4 项评测
评测名称 / 模式
得分
排名/总数
Terminal-Bench 2.1
思考模式工具
49.40
139 / 199
Terminal-Bench
思考模式工具
40.50
12 / 35
Terminal Bench Hard
常规模式工具
28.80
116 / 244
Terminal Bench Hard
思考模式工具
25
128 / 244

客服与业务流程

共 4 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench - Telecom
常规模式工具
76.90
119 / 264
τ²-Bench - Telecom
思考模式工具
71
137 / 264
τ²-Bench
思考模式工具
75.90
21 / 44
τ³-Banking
思考模式工具
13.40
119 / 167

指令与格式遵循

共 2 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
常规模式
36.70
236 / 282
IF Bench
思考模式
43
194 / 282

事实查找与深度检索

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考模式工具
45.10
48 / 58

跨能力综合测试

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveBench
常规模式
55.19
83 / 117

跨长文理解与整合

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-LCR
常规模式
26.30
168 / 174
与其他模型对比