3Xray Compare
glm-5-2 与 muse-spark-1-2 模型对比
横向比较 glm-5-2 与 muse-spark-1-2 的能力表现、运行成本与执行效率；各项仅按客观数值展示。
glm-5-2
muse-spark-1-2
能力表现更高 / 排名更前
资源投入更省
仅按单项数值标记，不生成综合总分。
左右滑动表格可查看其余已选模型
| 指标 |
glm-5-2
max
|
muse-spark-1-2
xhigh
|
|---|---|---|
| 能力表现 | ||
| 当前排名越低越靠前 | 第 21 名 | 第 14 名排名更前 |
| 任务通过率（Pass@1）越高越好 | 43.8% | 54.9%表现更高 |
| 95% 置信区间重复运行波动范围 | 42.1% – 45.5% | 52.7% – 57.0% |
| Pass@4四次内至少一次通过 | 77.0% | 81.4%通过更高 |
| 资源与效率 | ||
| 单次平均运行成本越低资源投入越少 | $3.92 | $3.70资源更省 |
| 平均输出量越低资源投入越少 | 暂无数据 | 暂无数据 |
| 平均代理步数越低资源投入越少 | 129 | 101资源更省 |
| 平均运行时长越低资源投入越少 | 44 分钟 | 15 分钟资源更省 |
| 测试信息 | ||
| 参与任务数 | 113 | 113 |
| 计分尝试次数 | 450 | 452 |
| 推理档位 | max | xhigh |