BenchLeader

Claude Opus 4.8 vs GLM 5.3

詳しいプロフィール:Claude Opus 4.8(Anthropic)とGLM 5.3(Zhipu AI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 15件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.8とGLM 5.3の品質は互角です(BenchLeader Indexで61.1 対 58.8、±4.9の誤差範囲内)。価格はGLM 5.3の方が4.7倍安く、100万トークンあたりのブレンド価格で$2.15 対 $10.00です。推論(64 対 55)、数学(68 対 60)、知識(61 対 54)を重視するならClaude Opus 4.8、長文コンテキスト(65 対 63)を重視するならGLM 5.3が向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.8が61.1、GLM 5.3が58.8です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.8の100万トークンあたりのブレンド価格は$10.00です(定価、2026年11月16日)。
  • GLM 5.3の100万トークンあたりのブレンド価格は$2.15です(定価、2026年11月16日)。
  • 両モデルに結果がある51件のベンチマークのうち、Claude Opus 4.8が29件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングClaude Opus 4.8カテゴリスコア62 対 60;LiveCodeBench 87.8% 対 80.5%中
エージェント・ツール利用どちらでもカテゴリスコア57 対 58;Terminal-Bench 23.6% 対 41.2%どちらでも
数学Claude Opus 4.8カテゴリスコア68 対 60;FrontierMath Tiers 1–3 80.0% 対 68.8%高
推論Claude Opus 4.8カテゴリスコア64 対 55;GPQA Diamond 91.0% 対 90.9%高
知識Claude Opus 4.8カテゴリスコア61 対 54;SimpleQA Verified 53.0% 対 41.0%高
長い文書GLM 5.3カテゴリスコア65 対 63;AA-LCR v1.1 79.7% 対 77.7%中
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.3のみです(カテゴリスコア67)比較不可
最低コストGLM 5.3100万トークンあたりブレンド価格$2.15 対 $10.00;エージェント型コーディングセッション$0.102 対 $0.400–
回答開始の速さClaude Opus 4.8最初の回答トークンまで39.1秒(Claude Opus 4.8 (max))対 57.6秒(GLM 5.3 (max))–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • Claude Opus 4.8 (max)とGLM 5.3 (max)の品質は互角です(61.1 対 58.8、±4.9の誤差範囲内)。
  • Claude Opus 4.8 (max)はコーディング、知識、数学、推論で優れています。
  • GLM 5.3 (max)はエージェント・ツール、長文コンテキストで優れています。
  • GLM 5.3 (max)の方が4.7倍安くなっています(100万トークンあたりブレンド価格$2.15 対 $10.00)。

概要

仕様Claude Opus 4.8GLM 5.3
プロバイダーAnthropicZhipu AI
リリース日2026年5月28日2026年8月18日
コンテキストウィンドウ(トークン)1,000,0001,000,000
比較した構成Claude Opus 4.8 (max)GLM 5.3 (max)
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$5.00 / $25.00 / $0.500$1.40 / $4.40 / $0.260

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリClaude Opus 4.8 (max)GLM 5.3 (max)トップ
推論64.154.7Claude Opus 4.8
コーディング61.959.7Claude Opus 4.8
エージェント・ツール56.957.6互角
数学67.760.0Claude Opus 4.8
知識61.053.5Claude Opus 4.8
指示追従62.1–比較不可
人間の評価–67.2比較不可
長文コンテキスト63.464.5GLM 5.3

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキストClaude Opus 4.8, 推論: 64.1Claude Opus 4.8, コーディング: 61.9Claude Opus 4.8, エージェント・ツール: 56.9Claude Opus 4.8, 数学: 67.7Claude Opus 4.8, 知識: 61.0Claude Opus 4.8, 長文コンテキスト: 63.4GLM 5.3, 推論: 54.7GLM 5.3, コーディング: 59.7GLM 5.3, エージェント・ツール: 57.6GLM 5.3, 数学: 60.0GLM 5.3, 知識: 53.5GLM 5.3, 長文コンテキスト: 64.5

描画していないもの(測定済みのモデルが2つ未満):指示追従, マルチモーダル, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある51件のベンチマークのうち、Claude Opus 4.8のリードが29件、GLM 5.3のリードが22件です。両方を評価しているすべての総合指標で、Claude Opus 4.8が上回っています。

総合IndexClaude Opus 4.8 (max)GLM 5.3 (max)トップ
BenchLeader Index61.158.8互角
Arena Text1482†1482Claude Opus 4.8

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Claude Opus 4.8 (max)GLM 5.3 (max)
100万トークンあたりのブレンド価格$10.00$2.15
100万トークンあたりの入力/出力$5.00 / $25.00$1.40 / $4.40
100万トークンあたりのキャッシュ入力$0.500$0.260
タスクあたりの価格:チャットの返答$0.0095$0.0019
タスクあたりの価格:30ページのレポートを要約$0.075$0.019
タスクあたりの価格:コード編集$0.068$0.015
タスクあたりの価格:エージェント型コーディングセッション$0.400$0.102
タスクあたりの価格:構造化データの抽出$0.015$0.0037
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.198$0.050
ベンチマークのタスクあたりのコスト(AA Index)–$5.01
タスクあたりの出力トークン(AA Index)–119k
うち推論–85k
タスクあたりの時間(AA Index)–23 min
出力速度85 tok/s88 tok/s
回答開始までの時間39.1秒57.6秒
回答が完了するまでの時間(最終測定2026年11月13日)81.0秒144.1秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 4.8 (max)のスコアは61.1、最初の回答トークンまで39秒。Claude Opus 4.8 (high)は60.4(1秒)、Claude Opus 4.8は58.7(1秒)。GLM 5.3 (max)のスコアは58.8、最初の回答トークンまで58秒。GLM 5.3 (low)は47.3(7秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

181件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Claude Opus 4.8 (max)GLM 5.3 (max)
BenchLeader IndexBenchLeader61.158.8
エージェント・ツールスコアBenchLeader56.957.6
コーディングスコアBenchLeader61.959.7
指示追従スコアBenchLeader62.1–
知識スコアBenchLeader61.053.5
長文コンテキストスコアBenchLeader63.464.5
数学スコアBenchLeader67.760.0
推論スコアBenchLeader64.154.7
人間の評価スコアBenchLeader–67.2
ブレンド価格($/100万トークン)BenchLeader$10.00$2.15
出力速度BenchLeader85 tok/s88 tok/s
回答開始までの時間BenchLeader39.1秒57.6秒
コンテキストウィンドウBenchLeader1,000,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.0%90.9%
SimpleBenchSimpleBench64.8%†66.2%†
Arena Hard PromptsArena (LMArena)1505†1507
LiveBench 1.0 ReasoningLiveBench89.2%85.8%†
GPQA Diamond (AA)Artificial Analysis92.0%91.7%
Humanity's Last Exam (AA)Artificial Analysis48.7%42.3%
HLE-Diamond (AA)Artificial Analysis–17.9%
GPQA Diamond (Vals)Vals AI92.4%88.1%
EnigmaEvalScale AI SEAL23.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%†–
ARC-AGI-3ARC Prize1.5%†–
CritPtArtificial Analysis20.9%19.1%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–23.0%
HLE-Diamond (Scale)Scale AI SEAL–16.4%†
Arena ExpertArena (LMArena)1514†1522
Chess PuzzlesEpoch AI Benchmarking Hub52.0%37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub36.0%33.0%
LMCAEpoch AI Benchmarking Hub57.5%55.5%†
DTBenchEpoch AI Benchmarking Hub94.9%87.7%†
ForecastBenchForecastBench66.1%–
BTF-3Epoch AI Benchmarking Hub14.0%†14.9%†
コーディング
SciCodeSciCode53.5%59.0%
181件のベンチマークをすべて表示
指標公開元Claude Opus 4.8 (max)GLM 5.3 (max)
コーディング
WeirdMLWeirdML70.5%†75.4%
FrontierCodeCognition46.5%†40.1%
GSO-BenchGSO-Bench47.1%†–
Arena CodingArena (LMArena)1529†1522
Arena WebDevArena (LMArena)1536†1623
LiveBench 1.0 CodingLiveBench81.8%79.0%†
SciCode (AA)Artificial Analysis54.4%59.0%
LiveCodeBenchVals AI87.8%80.5%
IOIVals AI–68.4%
SWE-bench (Vals)Vals AI88.6%95.4%
Code MigrationVals AI47.3%44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI1.0%1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI82.7%78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL57.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL46.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL49.6%†–
SWE Atlas v1.1Scale AI SEAL–58.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–55.6%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
SWE-Bench Pro V2Scale AI SEAL–95.6%
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%
MirrorCodeEpoch AI Benchmarking Hub65.6%–
Surface Evolver BenchEpoch AI Benchmarking Hub87.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub59.0%69.0%
CursorBenchCursor–42.6%
ALE-BenchEpoch AI Benchmarking Hub1563.8†1317.4†
FrontierSWEEpoch AI Benchmarking Hub–30.2%
Terminal-Bench 4.0 (AA)Artificial Analysis21.7%41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%83.9%
Startrise FrontendStartrise–73.2%†
GameBench 2 OverallDuelLab GameBench 249.4†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 245.1†72.3
Design Arena WebsiteDesign Arena1250†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis–21.6%
エージェント・ツール
Terminal-BenchTerminal-Bench23.6%41.2%
OSWorld-Verified 2.0OSWorld20.6%–
Remote Labor IndexScale AI / CAIS8.3%†–
APEX-AgentsMercor48.9%56.6%†
Arena AgentArena (LMArena)–1
LiveBench Agentic CodingLiveBench50.5%60.9%†
Terminal-Bench HardArtificial Analysis58.3%–
τ²-Bench Telecom (AA)Artificial Analysis94.4%–
Terminal-Bench 2.1 (Vals)Vals AI71.9%71.5%
MCP AtlasScale AI SEAL82.2%84.2%†
HiL-BenchScale AI SEAL35.3%†58.3%†
τ³-bench Bankingτ²-bench39.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis14611655
τ³-Banking (AA)Artificial Analysis34.2%50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis45.0%38.8%
CyberBenchVals AI–72.1%
Finance Agent v2Vals AI53.9%55.8%
Finance Agent v2.1Vals AI–65.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–14.6%
Harvey's Legal Agent Benchmark v1Vals AI9.6%8.3%
Legal Research BenchVals AI43.8%49.0%
SkillsBenchVals AI59.2%47.5%
SREBenchVals AI–9.2%
Tax Agent BenchVals AI30.0%43.3%
Terminal-Bench 2.0 (Vals)Vals AI70.0%–
Terminal-Bench 4.0 (Vals)Vals AI23.2%38.9%
Terminal-Bench ScienceVals AI4.3%5.7%
Time Horizon Index: KSPVals AI11.8%–
Arena SearchArena (LMArena)1194†–
Arena Agent Task CompletionArena (LMArena)–3.1
DeepResearch BenchDeepResearch Bench50.2%†–
PostTrainBenchEpoch AI Benchmarking Hub31.0%34.5%
GBAEvalEpoch AI Benchmarking Hub70.9%†–
Vending-Bench 2Andon Labs2992.38163.6†
AutomationBenchArtificial Analysis45.6%62.2%
GDP.pdf (AA)Artificial Analysis22.8%11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis44.0%36.4%
AA-Briefcase v1.1Artificial Analysis13201501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1226†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–9.5%
CWE-Bench (AA)Artificial Analysis–55.8%
DeepSec-Bench (AA)Artificial Analysis–24.3%
CyberGym end-to-end (AA)Artificial Analysis–29.0%
FACTS SearchGoogle–87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub80.0%68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub56.1%29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.3%91.1%
ProofBenchVals AI69.0%49.0%
LiveBench MathematicsLiveBench94.3%87.9%†
AIME 2026MathArena100.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena81.3%–
Arena MathsArena (LMArena)1476†1501
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub53.0%41.0%
LiveBench 1.0 Data AnalysisLiveBench66.0%70.2%†
AA-Omniscience v1.1Artificial Analysis–6.0
MMLU-ProVals AI89.6%86.8%
LegalBenchVals AI83.6%84.8%
CorpFinVals AI66.7%–
TaxEvalVals AI75.6%72.4%
Excel Modeling BenchmarkVals AI69.4%56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI53.2%42.9%
MedScribeVals AI85.8%88.8%
Public Benefits Bench v1.1Vals AI68.1%68.5%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–66.7%
DrugDiscoveryBenchScale AI SEAL46.8%–
EBR-benchEpoch AI Benchmarking Hub28.6%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–61.1%
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle–40.3%†
指示追従
LiveBench LanguageLiveBench79.7%79.9%†
LiveBench Instruction FollowingLiveBench72.0%69.3%†
IFBenchArtificial Analysis62.2%–
Arena Instruction FollowingArena (LMArena)1479†1481
人間の評価
Arena TextArena (LMArena)1474†1482
EQ-Bench 4EQ-Bench1268†–
EQ-Bench Creative Writing v3EQ-Bench1840†2076†
Arena Creative WritingArena (LMArena)1464†1456
Arena Multi-turnArena (LMArena)1493†1482
Arena Longer QueriesArena (LMArena)1499†1488
マルチモーダル
Arena VisionArena (LMArena)1289†–
MMMU-Pro (Vals)Vals AI86.6%–
MortgageTaxVals AI69.9%–
Humanity's Sixth SenseScale AI SEAL23.5%–
GeoBenchGeoBench81.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub14.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub42.5%–
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
長文コンテキスト
AA-LCR v1.1Artificial Analysis77.7%79.7%
Arena DocumentArena (LMArena)1476†–
MLCRArtificial Analysis19.4%17.2%
FACTS GroundingGoogle–55.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub159.9†157.1†
LiveBench 1.0LiveBench76.2%76.1%†
AA Intelligence Index v5.0.1Artificial Analysis–31.6
AA Intelligence Index v4.3.2Artificial Analysis41.844.8
AA Progress Index v1Artificial Analysis318.4322.7
Vals IndexVals AI–59.9
Vals Finance IndexVals AI–61.4%
Vals RSI IndexVals AI24.0%22.9%
Vals Multimodal IndexVals AI70.9%–
Vals Router IndexVals AI–59.7%†
Vals Legal IndexVals AI–74.6%
AA Cyber IndexArtificial Analysis–36.4
安全性・誠実さ
FORTRESSScale AI SEAL18.2%28.2%
DistressBenchScale AI SEAL71.4%†72.5%†
メタデータ
AA Openness IndexArtificial Analysis–33.3

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Claude Opus 4.8 (max):BenchLeader Index 60.3 → 61.1。
  • Claude Opus 4.8 (max):新しい結果27件(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • Claude Opus 4.8 (max):新しい結果1件(GDPval-AA v2.1)。
  • Claude Opus 4.8 (max):スコアの改訂1件。
  • GLM 5.3 (max):新しい結果1件(PostTrainBench)。
  • Claude Opus 4.8 (max):新しい結果1件(MirrorCode)。
  • GLM 5.3 (max):スコアの改訂4件。
  • GLM 5.3 (max):スコアの改訂1件、価格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):価格 $0.30/M → $0.26/M。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Claude Opus 4.8 vs GLM 5.3:よくある質問

Claude Opus 4.8はGLM 5.3より優れていますか?
Claude Opus 4.8 (max)とGLM 5.3 (max)の品質は互角です(61.1 対 58.8、±4.9の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Opus 4.8とGLM 5.3はどちらが安いですか?今後変わる予定はありますか?
現在はGLM 5.3の方が安く、100万トークンあたり$2.15 対 $10.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはClaude Opus 4.8とGLM 5.3のどちらが向いていますか?
コーディングではClaude Opus 4.8の方がスコアが高くなっています(カテゴリ指標で62 対 60。50が平均)。共通するコーディングベンチマークのうち最も重要なLiveCodeBenchでは、Claude Opus 4.8が87.8%、GLM 5.3が80.5%です。
Claude Opus 4.8とGLM 5.3はどちらが速いですか?
GLM 5.3の方が出力が速くなっています(出力88 対 85トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Opus 4.8とGLM 5.3のどちらが向いていますか?
エージェント型のタスクでは互角です(カテゴリ指標で57 対 58)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Benchでは、Claude Opus 4.8が23.6%、GLM 5.3が41.2%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではGLM 5.3の方がスコアが高くなっています(65 対 63)。どちらも1,000,000トークンのコンテキストに対応しています。
レイテンシが低いのはどちらですか?
先に回答を始めるのはClaude Opus 4.8です。Artificial Analysisの測定では、最初の回答トークンまで39.1秒 対 57.6秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Claude Opus 4.8とGLM 5.3について、第三者ベンチマークの評価は一致していますか?
両方に結果がある51件のベンチマークのうち、Claude Opus 4.8のリードが29件、GLM 5.3のリードが22件です。両方を評価しているすべての総合指標で、Claude Opus 4.8が上回っています。
GLM 5.3はいつリリースされましたか?
GLM 5.3は2026年8月18日にリリースされました。