GLM-5 · CyberGym(GLM-5固定v2报告/模型卡;版本未注明) 43.2 · 主文证据(ev-gm5-glm-5-cybergym-2)

GLM-5 的 CyberGym · GLM-5固定v2报告/模型卡;版本未注明 官方出处。GLM-5 · 报告与固定模型卡 · 43.2。见《GLM-5 official model card (fixed revision)》Hugging Face model card Benchmark table。证据 ev-gm5-glm-5-cybergym-2。

原文与定位

GLM-5 · CyberGym(GLM-5固定v2报告/模型卡;版本未注明),GLM-5 · 报告与固定模型卡配置,Pass@1 43.2(具体成绩公布时间未确认)。见《GLM-5 official model card (fixed revision)》Hugging Face model card Benchmark table。 查看成绩条件

| | GLM-5 | GLM-4.7 | DeepSeek-V3.2 | Kimi K2.5 | Claude Opus 4.5 | Gemini 3 Pro | GPT-5.2 (xhigh) | | CyberGym | 43.2 | 23.5 | 17.3 | 41.3 | 50.6 | 39.9 | - | * **CyberGym**: We evaluate in Claude Code 2.1.18 (think mode, no web tools) with (`temperature=1.0, top_p=1.0, max_new_tokens=32000`) and a 250-minute timeout per task. Results are single-run Pass@1 over 1,507 tasks.
官方材料
GLM-5 official model card (fixed revision)
定位
主文 · Hugging Face model card Benchmark table
材料版本
HF c183ef8c61faee82855eca1ed9bb3a9a7ce3b0b2;完整卡片和脚注已读,与固定v2报告逐行核对。
版本公布
未确认
披露时间
未确认 · 首发/后补未确认
采集时间
历史依据
暂无可靠历史版本依据
引用文本

GLM-5 · CyberGym(GLM-5固定v2报告/模型卡;版本未注明),GLM-5 · 报告与固定模型卡配置,Pass@1 43.2(具体成绩公布时间未确认)。官方出处 GLM-5 official model card (fixed revision)(主文,HF c183ef8c61faee82855eca1ed9bb3a9a7ce3b0b2;完整卡片和脚注已读,与固定v2报告逐行核对。)Hugging Face model card Benchmark table,https://huggingface.co/zai-org/GLM-5/blob/c183ef8c61faee82855eca1ed9bb3a9a7ce3b0b2/README.md。Benchlog https://benchlog.lekshome.cc/evidence/glm-5/ev-gm5-glm-5-cybergym-2/

关联成绩与条件

GLM-5 · CyberGym 成绩与配置
指标与成绩配置与评测条件证据关系
Pass@143.2原文 43.2 · 单位 未标注
公布 未确认
GLM-5 · 报告与固定模型卡
设置
最终后训练GLM-5;各行scaffold、解码与工具条件分别见protocol,未将工具或来源另立为推理档位。
未知项
来源未逐项明确思考开关、reasoning effort、服务精度与完整题集修订。、Tool-Decathlon报告39.2与固定卡38.0均保留;BrowseComp上下文管理的正文与附录方法描述不一致。
工具
工具条件未记录
推理预算
输出上限 32000 tokens
框架
Claude Code 2.1.18
协议
Claude Code 2.1.18; think mode; no web tools; temperature 1.0; top_p 1.0; max_new_tokens 32000; 250-minute timeout; single-run Pass@1 over 1,507 tasks. Reasoning effort is not stated.
条件
Claude Code 2.1.18; think mode; no web tools; temperature 1.0; top_p 1.0; max_new_tokens 32000; 250-minute timeout; single-run Pass@1 over 1,507 tasks. Reasoning effort is not stated.

直接支持该成绩

在排名中查看此成绩