1. 模型
  2. Z.ai
  3. GLM-5.2 Performance by Signal
a
@arenaX · 2026年6月16日

GLM-5.2 Performance by Signal

@arena 的这张标注图在 X 上获得 3.7万 浏览，是其帖子中位数的 0.8 倍，在我们收录的 1,162 条 AI 图表帖中浏览排第 600。读取于2026年10月12日。

GLM-5.2 (Max): Ranked #10 Performance by Signal

X数据标注图GLM-5Z.ai 全部模型GLM-5.1GLM-5.2
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。

#958 / 1,162 我们收录的 AI 图表帖 · #203 / 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，得分在1162条AI图表帖中排第958。

互动率0.12%，在1162条AI图表帖中排第1139，低于中位数0.73%。

得分27，在1162条AI图表帖中排第958，在@arena的239条帖子中排第203。

发布当天5条帖子中浏览量排第3，与当天其他帖子持平。

0.16每个粉丝带来的浏览

23.4万 粉丝的账号，带来 3.7万 浏览。

后 2%互动率

0.12% 的浏览者点赞、转发、引用或回复。中位数帖子是 0.73%。

后 6%收藏率

0.011% 的浏览者收藏了它，打算回头再看。中位数帖子是 0.076%。

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 3。

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 #958 / 1,162

浏览3.7万#600后 48%
赞38#918后 21%
互动率0.12%#1,139后 2%
收藏率0.011%#1,095后 6%

在 @arena 的 239 条帖子中

评分 #203 / 239

浏览3.7万#136后 43%
赞38#200后 16%
互动率0.12%#234后 2%
收藏率0.011%#230后 4%

增长

目前只读取过一次

浏览3.7万
读取时发布天数118 天
平均每天浏览314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信号图表浏览量低

互动率仅0.12%，低于中位数。

发生了什么

@arena于2026年6月16日发布1张标注图表，主题为GLM-5.2 Performance by Signal，展示GLM-5.2与GLM-5.1。当天另有4条帖子，其中Code Arena: Frontend Rankings浏览量163万。

数字

浏览量3.7万，在1162条AI图表帖中排第600，低于中位数4万。互动率0.12%，排第1139。

经验

互动率第2百分位，后10%，低于中位数0.73%。收藏率0.011%，浏览量3.7万。

意味着什么

该帖在@arena的239条帖子中排第203，互动率低于自身中位数0.68%，表现靠后。

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. Code Arena: Frontend Rankings163.3万 浏览
  2. GLM-5.2 (Max) vs GLM-5.1 Category Rankings1.8万 浏览
  3. Agent Kimi-K2.7 Code Leaderboard3.4万 浏览
  4. Code Arena Frontend Rankings14.9万 浏览
  5. Code GLM-5.2 (Max): Head-to-Head8.9万 浏览
  6. Text-to-Image Arena Pareto Frontier6.3万 浏览

数据与 API

从这张图读出 12 个数据点

从图片估算 56%
系列分组数值读取方式
GLM-5.2Agent: Overall5 %图上印着
GLM-5.2Agent: Praise vs Complaint15 %估读
GLM-5.2Agent: Steerability0 %估读
GLM-5.2Agent: Tool Hallucination5 %估读
GLM-5.2Agent: Bash Recovery-5 %估读
GLM-5.2Agent: Confirmed Success10 %估读
GLM-5.1Agent: Overall0 %估读
GLM-5.1Agent: Praise vs Complaint5 %估读
GLM-5.1Agent: Steerability-5 %估读
GLM-5.1Agent: Tool Hallucination0 %估读
GLM-5.1Agent: Bash Recovery-10 %估读
GLM-5.1Agent: Confirmed Success5 %估读

Max 方案 · API

GET https://viral-chart.com/api/posts/b98f9b9ce590.json
GET https://viral-chart.com/api/charts/b98f9b9ce590.json
GET https://viral-chart.com/api/charts/b98f9b9ce590.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：b98f9b9ce590。

查看 Max 套餐API 文档
路径返回套餐
GET/api/v1/charts/b98f9b9ce590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/b98f9b9ce590/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/b98f9b9ce590/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/b98f9b9ce590/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。