1. 模型
  2. Z.ai
  3. Code GLM-5.2 (Max): Head-to-Head
a
@arenaX · 2026年6月24日

Code GLM-5.2 (Max): Head-to-Head

@arena 的这张跑分柱状图在 X 上获得 8.9万 浏览，是其帖子中位数的 1.9 倍，在我们收录的 1,162 条 AI 图表帖中浏览排第 405。读取于2026年10月12日。

GLM-5.2 (Max) leads in head-to-head comparisons

X数据跑分柱状图GLM-5Z.ai 全部模型Claude Opus 4.6GLM-5.1Kimi K2.7 CodeGLM-5.2 (Max)Claude Opus 4.7 (Thinking)Claude Opus 4.8 (Thinking)Claude Opus 4.6 (Thinking)Seed-2.1 Pro
发布者 @arena 于 X, 2026年6月24日. 来源: x.com
63/ 100

ViralChart 评分

传得远，互动偏少

浏览高于中位数，互动率却更低：看到的人多，动手的人少。大账号常见。

#394 / 1,162 我们收录的 AI 图表帖 · #67 / 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

传得远，互动偏少，得分在1162条AI图表帖中排第394。

收藏率0.12%，是AI图表帖中位数0.076%的1.6倍，排第73百分位。

浏览量8.9万，是@arena中位数4.6万的1.9倍，排第81位。

综合得分63，在1162条AI图表帖中排第394，高于中位。

0.38每个粉丝带来的浏览

23.4万 粉丝的账号，带来 8.9万 浏览。

前 27%收藏率

0.123% 的浏览者收藏了它，打算回头再看。中位数帖子是 0.076%。

1.9x@arena 帖子中位数的倍数

8.9万 浏览，而 @arena 一条典型帖子是 4.6万。

2.0x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。

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 #394 / 1,162

浏览8.9万#405前 35%
赞560#419前 36%
互动率0.72%#594后 49%
收藏率0.123%#319前 27%

在 @arena 的 239 条帖子中

评分 #67 / 239

浏览8.9万#81前 34%
赞560#78前 32%
互动率0.72%#111前 46%
收藏率0.123%#47前 19%

增长

目前只读取过一次

浏览8.9万
读取时发布天数110 天
平均每天浏览812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24日

@arena发布GLM-5.2对比图，浏览量8.9万

收藏率高于中位数，但互动率偏低。

发生了什么

@arena于2026年6月24日发布1张基准柱状图，对比GLM-5.2 (Max)与多个模型，当日无其他帖子。

数字

浏览量8.9万，在1162条AI图表帖中排第405；得分63，排第394。

经验

收藏率0.12%是AI图表帖中位数0.076%的1.6倍，说明高收藏率与高浏览量并存。

意味着什么

在@arena的239条帖子中排第67，浏览量是自家中位数4.6万的1.9倍，但互动率仅0.72%。

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. Text-to-Image Arena Pareto Frontier6.3万 浏览
  2. Text-to-Image Arena Leaderboard4789 浏览
  3. Claude Arena Frontend Rankings9.5万 浏览
  4. Claude Sonnet 5 vs 4.6 Category Rankings6100 浏览
  5. Claude Sonnet 5 Arena Agent Leaderboard2383 浏览

数据与 API

从这张图读出 42 个数据点

从图片估算 65%
系列分组数值读取方式
Target winsClaude Opus 4.7 (Thinking)55 %图上印着
TieClaude Opus 4.7 (Thinking)25 %图上印着
Opponent winsClaude Opus 4.7 (Thinking)20 %图上印着
Target winsClaude Opus 4.744.8 %估读
TieClaude Opus 4.720.9 %估读
Opponent winsClaude Opus 4.734.3 %估读
Target winsClaude Opus 4.6 (Thinking)42.1 %图上印着
TieClaude Opus 4.6 (Thinking)36.8 %图上印着
Opponent winsClaude Opus 4.6 (Thinking)21.1 %图上印着
Target winsClaude Opus 4.647 %估读
TieClaude Opus 4.610.6 %估读
Opponent winsClaude Opus 4.642.4 %估读

显示 42 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/f4a23a3706dd.json
GET https://viral-chart.com/api/charts/f4a23a3706dd.json
GET https://viral-chart.com/api/charts/f4a23a3706dd.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：f4a23a3706dd。

查看 Max 套餐API 文档
路径返回套餐
GET/api/v1/charts/f4a23a3706dd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/f4a23a3706dd/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/f4a23a3706dd/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/f4a23a3706dd/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24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。