1. 模型
  2. Z.ai
  3. GLM-5.2 ECI record for open-weight models
E
@EpochAIResearchX · 2026年7月8日

GLM-5.2 ECI record for open-weight models

@EpochAIResearch 的这张跑分柱状图在 X 上获得 3.2万 浏览，是 @epochairesearch 帖子中位数的 6.1 倍，在我们收录的 1,162 条 AI 图表帖中浏览排第 629。读取于2026年10月12日。

GLM-5.2 sets new ECI record for open-weight models

X数据跑分柱状图GLM-5Z.ai 全部模型Claude Opus 4.6GPT-5Claude Fable Opus 4.6GPT-5.2GLM-5.2Kimi K2.6Claude Opus 4.5
发布者 @EpochAIResearch 于 X, 2026年7月8日. 来源: x.com
50/ 100

ViralChart 评分

安静

浏览和互动率都低于中位数帖子。

#624 / 1,162 我们收录的 AI 图表帖 · #20 / 59 @epochairesearch 的帖子. 评分 = 浏览 40%、赞 30%、互动率 15%、收藏率 15%，每项都按我们收录的全部 AI 图表帖计算百分位。

我们的解读

安静象限：浏览量和互动率均低于中位数，得分排第624。

浏览量3.2万，是@EpochAIResearch中位数的6.1倍，排第13。

收藏率0.13%，高于AI图表帖中位数0.076%，排第294。

综合得分50，在1162条AI图表帖中排第624，低于中位。

6.1x@epochairesearch 帖子中位数的倍数

3.2万 浏览，而 @epochairesearch 一条典型帖子是 5278。

前 25%收藏率

0.130% 的浏览者收藏了它，打算回头再看。中位数帖子是 0.076%。

0.7x跑分柱状图帖子中位数的倍数

我们收录的 215 条跑分柱状图帖子，中位数是 4.4万 浏览。

后 47%互动率

0.70% 的浏览者点赞、转发、引用或回复。中位数帖子是 0.73%。

X 公开数据，读取于2026年10月12日。对比对象：1,162 条我们收录的 AI 图表帖，以及 @epochairesearch 的 59 条。

它的位置

传播范围对比打动程度

每个点是一条帖子。越往右浏览越多，越往上互动率越高。两条线是中位数，四个角就是四种帖子。

在 1,162 条我们收录的 AI 图表帖中

评分 #624 / 1,162

浏览3.2万#629后 46%
赞193#652后 44%
互动率0.70%#611后 47%
收藏率0.130%#294前 25%

在 @epochairesearch 的 59 条帖子中

评分 #20 / 59

浏览3.2万#13前 21%
赞193#19前 31%
互动率0.70%#50后 16%
收藏率0.130%#29前 48%

增长

目前只读取过一次

浏览3.2万
读取时发布天数96 天
平均每天浏览337浏览除以发布以来的天数

圆点是我们的读取。从发布当天到第一次读取之间的虚线是空档，不是数据。

@epochairesearch 的帖子随时间变化

我们收录的这个账号的每条帖子，按日期和浏览排列。标出的是这一条，线是最近 10 条的滚动中位数。

新闻 · 2026年7月8日

@EpochAIResearch发布GLM-5.2 ECI纪录

GLM-5.2创开放权重模型ECI纪录，浏览量3.2万。

发生了什么

2026年7月8日，@EpochAIResearch发布1张基准柱状图，展示GLM-5.2创开放权重模型ECI纪录，含7个模型。当日无其他帖子。

数字

浏览量3.2万，在1162条AI图表帖中排第629，低于中位数4万。收藏率0.13%，排第294。

经验

收藏率0.13%高于中位数0.076%，但浏览量低于中位数，宽而薄。

意味着什么

在@EpochAIResearch的59条帖子中，浏览量排第13，得分排第20，表现中等。

由 ViralChart 根据2026年10月12日读取的公开数字撰写，每个数字展示前都与我们的数据核对过。

后续：@epochairesearch 接着发了什么

  1. Kimi K3 ECI benchmark comparison6.9万 浏览
  2. DeepSeek V4 Flash 0731 benchmark comparison18.3万 浏览
  3. Output Speed Comparison: NVIDIA Groq 3 LPX vs5799 浏览
  4. GPT-6 Astra ECI record64万 浏览
  5. TTFT vs context length for GPT-5.6 and Claude6.8万 浏览
  6. TTFT vs context length for GPT models2万 浏览

数据与 API

从这张图读出 14 个数据点

从图片估算 30%
系列分组数值读取方式
Closed modelsClaude Fable Opus 5158 ECI估读
Closed modelsClaude Opus 4.6155 ECI估读
Closed modelsGPT-5.2152 ECI估读
Open modelsGLM-5.2148 ECI估读
Open modelsKimi K2.6146 ECI估读
Closed modelsGPT-5145 ECI估读
Closed modelsClaude Opus 4.5143 ECI估读
Closed modelsClaude Fable Opus 5160 ECI估读
Closed modelsClaude Opus 4.6157 ECI估读
Closed modelsGPT-5.2154 ECI估读
Open modelsGLM-5.2150 ECI估读
Open modelsKimi K2.6148 ECI估读

显示 14 个中的 12 个。 全部数据点、重绘和制作器

Max 方案 · API

GET https://viral-chart.com/api/posts/83f0c7bd5614.json
GET https://viral-chart.com/api/charts/83f0c7bd5614.json
GET https://viral-chart.com/api/charts/83f0c7bd5614.skill.md
做一张这样的图打开帖子 JSON图表数据 JSON技能文件API 文档

原型里是静态文件。帖子 JSON 包含公开数字、排名、评分、象限、我们的读取记录，以及通过核对的文案。

API · Max

用 API 调用这张图

Max 套餐可以取这张图的数字（每个数字都带来源），格式为 JSON 或 CSV，附重画规格；也可以让智能体通过 MCP 调用。图表 id：83f0c7bd5614。

数值是近似的。我们对这张图的两次读取只部分一致（置信度 0.30，满分 1），引用前请对照原图。API 会标记 lowConfidence，加 ?min_confidence=0.5 可以把它排除。

查看 Max 套餐API 文档
路径返回套餐
GET/api/v1/charts/83f0c7bd5614标题、发布者、日期、图型、数据点数；用 Max 密钥时附数据链接开放
GET/api/v1/charts/83f0c7bd5614/data每个数据点及其来源和置信度，加上重画规格。加 ?format=csv 得到 CSVMax
GET/api/v1/charts/83f0c7bd5614/render?view=1本页使用的只读绘图视图开放
POST/mcp工具 get_chart_data 加这个 id，供 Claude、Cursor 等智能体使用Max
curlMax
curl -s https://viral-chart.com/api/v1/charts/83f0c7bd5614/data \
  -H "Authorization: Bearer $VIRALCHART_KEY"
Claude CodeMax
claude mcp add --transport http viralchart https://viral-chart.com/mcp \
  --header "Authorization: Bearer $VIRALCHART_KEY"

每个密钥每分钟 60 次，超出返回 429 和 Retry-After。每个账号最多 5 个密钥，在账户页创建，只显示一次。没有 Max 时数据接口返回 402，并附套餐链接。这些数字描述的是发布者拥有的图，每个文件都带授权说明。

更多关于 GLM-5 的图

GLM-5: Agentic Coding Performance by Effort Level
官方X · Z.ai2026年6月16日
Agentic Coding Performance by Effort Level767.1万 浏览 · 1.3万 赞
数据
GLM-5: LLM performance across six benchmarks
官方X · Z.ai2026年8月26日
LLM performance across six benchmarks695.8万 浏览 · 2.4万 赞
数据
GLM-5: LLM benchmark performance across nine tasks
官方X · Z.ai2026年8月14日
LLM benchmark performance across nine tasks591.4万 浏览 · 1.9万 赞
数据
GLM-5: Coding Evaluation
官方X · Z.ai2026年3月27日
Coding Evaluation130.1万 浏览 · 5444 赞
数据
GLM-5: Frontier models intelligence versus cost per task
官方X · Z.ai2026年8月18日
Frontier models intelligence versus cost per task53.2万 浏览 · 3781 赞
数据
GLM-5: LLM Performance on 8 Benchmarks
官方X · Z.ai2026年6月16日
LLM Performance on 8 Benchmarks25.4万 浏览 · 1181 赞
数据

Z.ai 的更多图

GLM-5.1: Coding Performance Evaluation
官方X · Z.ai2026年4月7日
Coding Performance Evaluation435.7万 浏览 · 1.1万 赞
数据
GLM-4: LLM Benchmarks Performance Evaluation
官方X · Z.ai2026年1月19日
LLM Benchmarks Performance Evaluation165.5万 浏览 · 5285 赞
数据
GLM-4: LLM Performance on 8 Benchmarks
官方X · Z.ai2026年2月11日
LLM Performance on 8 Benchmarks150万 浏览 · 5280 赞
数据
GLM-4: LLM Benchmarks Performance Evaluation
官方X · Z.ai2025年12月22日
LLM Benchmarks Performance Evaluation142.6万 浏览 · 3347 赞
数据
GLM-4: LLM Performance Evaluation: Agentic, Reasoning, and Coding Benchmarks
官方X · Z.ai2025年7月28日
LLM Performance Evaluation: Agentic, Reasoning, and Coding Benchmarks134.4万 浏览 · 3006 赞
数据
GLM-4: LLM Performance on 8 Benchmarks
官方X · Z.ai2025年9月30日
LLM Performance on 8 Benchmarks90.8万 浏览 · 1784 赞
数据

常见问题

这张图从哪里来？

@EpochAIResearch于2026年7月8日在 X（x.com）发布了它。我们把它留在这里，并以文字注明发布者和日期，方便你不离开本站就能研究。

我能做一张这样的图吗？

用格式，不用原图。打开它的数据页，用“做一张这样的图”：从这张图的数字起步，换成你的。