1. 模型
  2. Z.ai
  3. GLM-5.2 (Max) vs GLM-5.1 Category Rankings
a
@arenaX · 2026年6月16日

GLM-5.2 (Max) vs GLM-5.1 Category Rankings

@arena 的这张标注图在 X 上获得 1.8万 浏览，是其帖子中位数的 0.4 倍，在我们收录的 1,162 条 AI 图表帖中浏览排第 729。读取于2026年10月12日。

X数据标注图GLM-5Z.ai 全部模型GLM-5.1GLM-5.2 (Max)
发布者 @arena 于 X, 2026年6月16日. 来源: x.com
27/ 100

ViralChart 评分

安静

浏览和互动率都低于中位数帖子。

#960 / 1,162 我们收录的 AI 图表帖 · #205 / 239 @arena 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960。

收藏率0.027%，低于中位数0.076%，在1162条帖子中排第1004。

发布当天5条帖子中浏览量排第5，低于同账号其他4条。

综合得分27分，在1162条AI图表帖中排第960，在@arena中排第205。

0.08每个粉丝带来的浏览

23.4万 粉丝的账号，带来 1.8万 浏览。

5@arena 当天的帖子数

2026年6月16日 连发的 5 条帖子之一，当天浏览排第 5。

后 14%收藏率

0.027% 的浏览者收藏了它，打算回头再看。中位数帖子是 0.076%。

后 15%互动率

0.37% 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 @arena 的 239 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 #960 / 1,162

浏览1.8万#729后 37%
赞58#842后 28%
互动率0.37%#990后 15%
收藏率0.027%#1,004后 14%

在 @arena 的 239 条帖子中

评分 #205 / 239

浏览1.8万#172后 28%
赞58#188后 22%
互动率0.37%#204后 15%
收藏率0.027%#212后 12%

增长

目前只读取过一次

浏览1.8万
读取时发布天数118 天
平均每天浏览154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。

@arena 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6月16日

@arena的GLM-5.2对比图浏览量低

GLM-5.2 (Max) vs GLM-5.1分类排名图，浏览量1.8万。

发生了什么

2026年6月16日，@arena发布1张标注图表，对比GLM-5.2 (Max)和GLM-5.1的分类排名。当天同账号还有4条帖子，其中Code Arena浏览量163万。

数字

浏览量1.8万，在1162条AI图表帖中排第729，低于中位数4万。互动率0.37%，收藏率0.027%。

经验

收藏率第14百分位，低于中位数0.076%，在1162条中排第1004。发布当天5条中排第5，浏览量最低。

意味着什么

该帖在@arena的239条帖子中排第205，得分27分。后续6月17日和22日的帖子浏览量分别为3.4万和14.9万，均高于此帖。

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：@arena 接着发了什么

  1. Agent Kimi-K2.7 Code Leaderboard3.4万 浏览
  2. Code Arena Frontend Rankings14.9万 浏览
  3. Code GLM-5.2 (Max): Head-to-Head8.9万 浏览
  4. Text-to-Image Arena Pareto Frontier6.3万 浏览
  5. Text-to-Image Arena Leaderboard4789 浏览
  6. Claude Arena Frontend Rankings9.5万 浏览

数据与 API

从这张图读出 28 个数据点

从图片估算 37%
系列分组数值读取方式
GLM-5.2 (Max)Occupational: Writing, Literature, & Language1515 score图上印着
GLM-5.2 (Max)Occupational: Software & IT Services1485 score估读
GLM-5.2 (Max)Occupational: Medicine & Healthcare1455 score估读
GLM-5.2 (Max)Occupational: Mathematical1465 score估读
GLM-5.2 (Max)Occupational: Life, Physical, & Social Science1445 score估读
GLM-5.2 (Max)Occupational: Entertainment, Sports, & Media1450 score图上印着
GLM-5.2 (Max)Text: Multi-Turn1460 score估读
GLM-5.2 (Max)Text: Longer Query1470 score估读
GLM-5.2 (Max)Text: Instruction Following1480 score估读
GLM-5.2 (Max)Text: Hard Prompts1490 score估读
GLM-5.2 (Max)Text: Expert1500 score估读
GLM-5.2 (Max)Text: Creative Writing1520 score估读

显示 28 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/926ec912ebc1.json
GET https://viral-chart.com/api/charts/926ec912ebc1.json
GET https://viral-chart.com/api/charts/926ec912ebc1.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：926ec912ebc1。

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 0.37，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/926ec912ebc1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/926ec912ebc1/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/926ec912ebc1/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/926ec912ebc1/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？

@arena于2026年6月16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。