免费检测 · 报告公开可查
glm-5.1 是不是真的？深度检测结果
匹配
glm-5.1 本次深度验真结果：匹配（86/100）。主要问题：复杂推理题答得不稳。
86模型一致性分
主要问题：复杂推理题答得不稳。
测评方模真真
检测模型GLM-5.1
中转站infistar.cc
测了几次130 次
耗时6 分 38 秒
身份结论验真通过
对照什么测的模真真既有版本化基线
Token 用量
优先显示接口自己报回来的实际用量；没有实际值时才显示估算。
实测用量42.8K这是接口自己报回来的实际用量，也是本页主要参考的数字。按题目估算的用量90.1K官方没给参考值时，按这次问的题目估算。偏差判断低 53%它报回来的用量比我们估的少，可能是这家的计数方式或压缩方式不同。用量结论比估算少这只是接口报回来的用量，实际扣多少钱以账单为准。
Token 缓存消耗检测
连着测几次，看重复内容有没有按便宜的缓存价计费；显示 0% 就是这次没享受到缓存优惠。
用到缓存的比例87.7%
缓存优惠稳定生效
多次测试都按缓存价计费，长对话能省下不少钱。
本次用量14.6K缓存 Token12.8K非缓存 Token1.8K平均每次2.9K
Token 用量记录有返回缓存优惠有检测结果正常
每次测试的缓存占比这只是接口报回来的缓存比例，实际优惠以账单为准
长上下文实测
测它一次最多能读多长的内容，再和官方标称的长度比一比。
实测到 32K
本次按 32K 逐档测试，均稳定返回。
参考窗口参考窗口 32K模型中心记录的上下文窗口；不同渠道可能开放不同长度。本次实测长度32K从模型可生成的最长上下文开始，逐步缩短测试，验证各长度下是否能稳定返回正确结果。
本次检测结果
把接口可用性、模型身份、返回信息完整性等项目拆开查看。
本次评分项目
匹配86/100
主要问题：复杂推理题答得不稳。
能不能调用、模型看不看得到10 / 10
未扣分接口返回是否规范12 / 12
未扣分是不是它说的那个模型18 / 18
未扣分回答水平像不像官方15 / 25
复杂推理题答得不稳（逻辑网格推理） -10用量和计费是否合理10 / 10
未扣分能不能一直正常用21 / 25
复杂推理题答得不稳（逻辑网格推理） -4检测明细
每条都能展开看细节，涉及隐私的内容已隐去。
模型列表可见性接口模型列表中可以看到 glm-5.1。
通过
检测细节
这题测了 108 次，结果：通过。
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测细节
这题测了 1 次，结果：通过。
模型身份自报问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 221 token
指令跟随用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 161 token
JSON 结构用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 265 token
标签结构复述按官方接口的标准调用，看返回是否规范。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 336 token
隐藏提示词边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 368 token
品牌边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 727 token
用量数据是否完整核对它报回来的用量和缓存计费。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 199 token
逻辑网格推理用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：逻辑网格推理不稳定
复测一致性反复多问几次，看会不会答一半就断或偷偷换模型。 2 次都对。
通过
检测细节
这题测了 2 次：2 次通过。 本题用量 381 token
GLM 系列边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 486 token
GLM 系列边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 1.8K token
模型代码锚定问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 391 token
模型族题：系列和档位识别问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 299 token
深度模型题：模型族专属边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 928 token
连问 5 次，重复内容有没有按缓存价计费针对这个模型再做一项专门检测。 5 次都对。
通过
检测细节
这题测了 5 次：5 次通过。 本题用量 14.6K token 其中按缓存价计费 12.8K token
32K 上下文能力实测32K 长度的内容能稳定读完，这就是本次上下文实测的依据。
通过
检测细节
这题测了 1 次：1 次通过。 这题用的内容长度：32K 本题用量 19.8K token
报告评论
暂无公开评价
可以写下第一条评价。
发布匿名评论
上传图片/视频
买 AI 前，先查模真真扫码查看报告打开完整验真详情
模型与生成能力检测 · 结论以本次证据为准
glm-5.1 是不是真的？深度检测结果
模型一致性分
匹配
glm-5.1 本次深度验真结果：匹配（86/100）。主要问题：复杂推理题答得不稳。
Token 用量
优先显示接口自己报回来的实际用量；没有实际值时才显示估算。
实测用量42.8K这是接口自己报回来的实际用量，也是本页主要参考的数字。按题目估算的用量90.1K官方没给参考值时，按这次问的题目估算。偏差判断低 53%它报回来的用量比我们估的少，可能是这家的计数方式或压缩方式不同。用量结论比估算少这只是接口报回来的用量，实际扣多少钱以账单为准。
Token 缓存消耗检测
连着测几次，看重复内容有没有按便宜的缓存价计费；显示 0% 就是这次没享受到缓存优惠。
用到缓存的比例87.7%
缓存优惠稳定生效
多次测试都按缓存价计费，长对话能省下不少钱。
本次用量14.6K缓存 Token12.8K非缓存 Token1.8K平均每次2.9K
Token 用量记录有返回缓存优惠有检测结果正常
每次测试的缓存占比这只是接口报回来的缓存比例，实际优惠以账单为准
长上下文实测
测它一次最多能读多长的内容，再和官方标称的长度比一比。
实测到 32K
本次按 32K 逐档测试，均稳定返回。
参考窗口参考窗口 32K模型中心记录的上下文窗口；不同渠道可能开放不同长度。本次实测长度32K从模型可生成的最长上下文开始，逐步缩短测试，验证各长度下是否能稳定返回正确结果。
本次检测结果
把接口能不能用、回答像不像官方模型、返回信息是否完整等项目拆开看
本次评分项目
匹配86/100
主要问题：复杂推理题答得不稳。
能不能调用、模型看不看得到10 / 10
未扣分接口返回是否规范12 / 12
未扣分是不是它说的那个模型18 / 18
未扣分回答水平像不像官方15 / 25
复杂推理题答得不稳（逻辑网格推理） -10用量和计费是否合理10 / 10
未扣分能不能一直正常用21 / 25
复杂推理题答得不稳（逻辑网格推理） -4检测明细
每条都能展开看细节，涉及隐私的内容已隐去
模型列表可见性接口模型列表中可以看到 glm-5.1。
通过
检测细节
这题测了 108 次，结果：通过。
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测细节
这题测了 1 次，结果：通过。
模型身份自报问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 221 token
指令跟随用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 161 token
JSON 结构用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 265 token
标签结构复述按官方接口的标准调用，看返回是否规范。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 336 token
隐藏提示词边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 368 token
品牌边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 727 token
用量数据是否完整核对它报回来的用量和缓存计费。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 199 token
逻辑网格推理用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：逻辑网格推理不稳定
复测一致性反复多问几次，看会不会答一半就断或偷偷换模型。 2 次都对。
通过
检测细节
这题测了 2 次：2 次通过。 本题用量 381 token
GLM 系列边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 486 token
GLM 系列边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 1.8K token
模型代码锚定问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 391 token
模型族题：系列和档位识别问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 299 token
深度模型题：模型族专属边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 928 token
连问 5 次，重复内容有没有按缓存价计费针对这个模型再做一项专门检测。 5 次都对。
通过
检测细节
这题测了 5 次：5 次通过。 本题用量 14.6K token 其中按缓存价计费 12.8K token
32K 上下文能力实测32K 长度的内容能稳定读完，这就是本次上下文实测的依据。
通过
检测细节
这题测了 1 次：1 次通过。 这题用的内容长度：32K 本题用量 19.8K token
最新用户点评
暂无公开评价
可以写下第一条评价。
本报告的评论与反馈
上传图片/视频