BenchLeader

GLM 5.3 Flash vs o3

詳しいプロフィール:GLM 5.3 Flash(Zhipu AI)とo3(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 18件の情報源のデータ

2026年11月16日時点で、GLM 5.3 Flashとo3の品質は互角です(BenchLeader Indexで57.8 対 60.4、±5.7の誤差範囲内)。価格はGLM 5.3 Flashの方が15倍安く、100万トークンあたりのブレンド価格で$0.238 対 $3.50です。マルチモーダル(64 対 53)、人間の評価(66 対 61)、長文コンテキスト(65 対 62)を重視するならGLM 5.3 Flash、推論(61 対 48)、エージェント・ツール(70 対 59)、知識(56 対 45)を重視するならo3が向いています。回答開始までの時間はo3の方が短く、5.2秒 対 87.0秒です。o3は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.3 Flashが57.8、o3が60.4です(BenchLeader、2026年11月16日)。
  • GLM 5.3 Flashの100万トークンあたりのブレンド価格は$0.238です(定価、2026年11月16日)。
  • o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
  • o3はGLM 5.3 Flashより出力が約2倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある19件のベンチマークのうち、GLM 5.3 Flashが18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o3カテゴリスコア60 対 57;Arena Coding 1460 対 1526中
エージェント・ツール利用o3カテゴリスコア70 対 59高
数学o3カテゴリスコア71 対 69;Arena Maths 1448 対 1505中
推論o3カテゴリスコア61 対 48;Arena Hard Prompts 1441 対 1500高
知識o3カテゴリスコア56 対 45高
長い文書GLM 5.3 Flashカテゴリスコア65 対 62;AA-LCR v1.1 80.0% 対 74.7%中
画像などのメディアGLM 5.3 Flashカテゴリスコア64 対 53;Arena Vision 1295 対 1214高
チャットの質(人間の評価)GLM 5.3 FlashArenaの投票で66 対 61中
最低コストGLM 5.3 Flash100万トークンあたりブレンド価格$0.238 対 $3.50;エージェント型コーディングセッション$0.011 対 $0.152–
回答開始の速さo3最初の回答トークンまで5.2秒(o3)対 87.0秒(GLM 5.3 Flash)–
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

  • GLM 5.3 Flashとo3の品質は互角です(57.8 対 60.4、±5.7の誤差範囲内)。
  • GLM 5.3 Flashは人間の評価、長文コンテキスト、マルチモーダルで優れています。
  • o3はエージェント・ツール、コーディング、知識、数学、推論で優れています。
  • GLM 5.3 Flashの方が15倍安くなっています(100万トークンあたりブレンド価格$0.238 対 $3.50)。
  • o3の方が出力が2.4倍速くなっています(131 対 54トークン/秒)。

概要

仕様GLM 5.3 Flasho3
プロバイダーZhipu AIOpenAI
リリース日2026年8月20日2025年4月16日
コンテキストウィンドウ(トークン)1,000,000200,000
比較した構成GLM 5.3 Flasho3
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.150 / $0.500 / $0.030$2.00 / $8.00 / $0.500

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GLM 5.3 Flasho3トップ
推論48.360.9o3
コーディング56.959.8o3
エージェント・ツール58.770.3o3
数学68.870.6o3
知識45.156.2o3
指示追従–65.2比較不可
人間の評価66.461.0GLM 5.3 Flash
マルチモーダル64.052.8GLM 5.3 Flash
長文コンテキスト64.661.9GLM 5.3 Flash

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マルチモーダル人間の評価GLM 5.3 Flash, 推論: 48.3GLM 5.3 Flash, コーディング: 56.9GLM 5.3 Flash, エージェント・ツール: 58.7GLM 5.3 Flash, 数学: 68.8GLM 5.3 Flash, 知識: 45.1GLM 5.3 Flash, 長文コンテキスト: 64.6GLM 5.3 Flash, マルチモーダル: 64.0GLM 5.3 Flash, 人間の評価: 66.4o3, 推論: 60.9o3, コーディング: 59.8o3, エージェント・ツール: 70.3o3, 数学: 70.6o3, 知識: 56.2o3, 長文コンテキスト: 61.9o3, マルチモーダル: 52.8o3, 人間の評価: 61.0

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。

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19件のベンチマークのうち、GLM 5.3 Flashのリードが18件、o3のリードが1件です。両方を評価しているすべての総合指標で、GLM 5.3 Flashが上回っています。

総合IndexGLM 5.3 Flasho3トップ
BenchLeader Index57.860.4互角
Arena Text14751432GLM 5.3 Flash

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GLM 5.3 Flasho3
100万トークンあたりのブレンド価格$0.238$3.50
100万トークンあたりの入力/出力$0.150 / $0.500$2.00 / $8.00
100万トークンあたりのキャッシュ入力$0.030$0.500
タスクあたりの価格:チャットの返答$0.0002$0.0032
タスクあたりの価格:30ページのレポートを要約$0.0021$0.029
タスクあたりの価格:コード編集$0.0017$0.024
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$0.011$0.152
タスクあたりの価格:構造化データの抽出$0.0004$0.0056
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)$0.0056$0.085
ベンチマークのタスクあたりのコスト(AA Index)$0.583–
タスクあたりの出力トークン(AA Index)134k–
うち推論103k–
タスクあたりの時間(AA Index)41 min–
出力速度54 tok/s131 tok/s
回答開始までの時間87.0秒5.2秒
回答が完了するまでの時間(最終測定2026年11月13日)220.4秒17.3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。GLM 5.3 Flashのスコアは57.8、最初の回答トークンまで87秒。GLM 5.3 Flash (max)は52.4(87秒)。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5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

190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GLM 5.3 Flasho3
BenchLeader IndexBenchLeader57.860.4
エージェント・ツールスコアBenchLeader58.770.3
コーディングスコアBenchLeader56.959.8
人間の評価スコアBenchLeader66.461.0
知識スコアBenchLeader45.156.2
長文コンテキストスコアBenchLeader64.661.9
数学スコアBenchLeader68.870.6
マルチモーダルスコアBenchLeader64.052.8
推論スコアBenchLeader48.360.9
指示追従スコアBenchLeader–65.2
ブレンド価格($/100万トークン)BenchLeader$0.238$3.50
出力速度BenchLeader54 tok/s131 tok/s
回答開始までの時間BenchLeader87.0秒5.2秒
コンテキストウィンドウBenchLeader1,000,000トークン200,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.2%†81.8%†
Humanity's Last ExamScale AI / CAIS–20.3%†
SimpleBenchSimpleBench–53.1%†
Arena Hard PromptsArena (LMArena)15001441
LiveBench 2.0 ReasoningLiveBench77.6%†–
LiveBench 1.0 ReasoningLiveBench77.6%–
GPQA Diamond (AA)Artificial Analysis91.2%82.7%
Humanity's Last Exam (AA)Artificial Analysis39.9%20.1%
HLE-Diamond (AA)Artificial Analysis18.2%–
GPQA Diamond (Vals)Vals AI86.4%†84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize91.0%†60.8%†
ARC-AGI-2ARC Prize65.8%†6.5%†
CritPtArtificial Analysis15.4%1.1%
CritPt v2 hard subset (AA)Artificial Analysis24.5%–
SciPredictScale AI SEAL–17.9%
Arena ExpertArena (LMArena)15111448
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub–39.7%†
DTBenchEpoch AI Benchmarking Hub–84.8%†
ForecastBenchForecastBench–64.3%
BTF-3Epoch AI Benchmarking Hub14.9%–
190件のベンチマークをすべて表示
指標公開元GLM 5.3 Flasho3
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–62.3%†
SciCodeSciCode51.6%–
WeirdMLWeirdML–52.4%†
FrontierCodeCognition31.8%†–
GSO-BenchGSO-Bench–8.8%†
Arena CodingArena (LMArena)15261460
Arena WebDevArena (LMArena)1609–
LiveBench 2.0 CodingLiveBench70.9%†–
LiveBench 1.0 CodingLiveBench79.0%–
LiveCodeBenchVals AI80.5%†83.9%†
IOIVals AI52.5%†–
SWE-bench (Vals)Vals AI92.0%†–
Aider PolyglotAider polyglot leaderboard–76.9%
SWE-bench Verified (bash only)SWE-bench–58.4%
SWE-bench Verified (any scaffold)SWE-bench–58.4%
Code MigrationVals AI20.5%†–
Code Migration v1.1Vals AI51.6%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI16.0%†–
Vibe Code Bench v1.1Vals AI30.8%†–
SWE Atlas v1.1Scale AI SEAL55.3%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL66.9%–
SWE Atlas v1.1: Test WritingScale AI SEAL53.3%–
SWE Atlas v1.1: RefactoringScale AI SEAL45.7%–
CadEvalEpoch AI Benchmarking Hub–74.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†933.5†
FrontierSWEEpoch AI Benchmarking Hub18.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%–
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 254.934.1
GameBench 2 by reasoning settingDuelLab GameBench 257.2†30.4†
Design Arena WebsiteDesign Arena12571028
FrontierCode 1.1 (AA)Artificial Analysis41.0%–
FrontierCode 2.0 (AA)Artificial Analysis17.6%–
LiveCodeBench (AA)Artificial Analysis–80.8%
エージェント・ツール
Terminal-BenchTerminal-Bench37.0%†–
GDPvalOpenAI–30.8%†
APEX-AgentsMercor52.8%–
Arena AgentArena (LMArena)-2.9–
LiveBench Long AgenticLiveBench20.7%†–
LiveBench BrowserLiveBench59.8%†–
LiveBench Agentic CodingLiveBench56.8%–
Terminal-Bench HardArtificial Analysis–37.1%
τ²-Bench Telecom (AA)Artificial Analysis–80.7%
Terminal-Bench 2.1 (Vals)Vals AI62.9%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%–
GDPval-AA v2.1Artificial Analysis1648–
τ³-Banking (AA)Artificial Analysis47.2%–
ITBench SRE (AA)Artificial Analysis51.2%–
Analyst Agent (AA)Artificial Analysis25.0%–
CyberBenchVals AI67.9%†–
Finance Agent v2Vals AI57.9%†–
Finance Agent v2.1Vals AI60.6%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI45.2%†–
SkillsBenchVals AI40.2%†–
SREBenchVals AI0.8%†–
Tax Agent BenchVals AI31.6%†–
Terminal-Bench 4.0 (Vals)Vals AI37.4%†–
Terminal-Bench ScienceVals AI2.9%†–
Arena SearchArena (LMArena)–1197
Arena Agent Task CompletionArena (LMArena)1.3–
DeepResearch BenchDeepResearch Bench–45.2%†
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
METR Time HorizonsMETR–63.6%
AutomationBenchArtificial Analysis60.4%–
GDP.pdf (AA)Artificial Analysis15.4%–
Harvey LAB-AA v1.1Harvey0.8%–
EnterpriseOps-GymArtificial Analysis33.2%–
AA-Briefcase v1.1Artificial Analysis1450–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%–
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis19.9%–
CyberGym end-to-end (AA)Artificial Analysis74.0%–
MKA (AA)Artificial Analysis36.2%–
BrowseComp-PlusBrowseComp-Plus–50.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
ProofBenchVals AI21.0%†–
LiveBench MathematicsLiveBench81.2%–
AIME (Vals)Vals AI–85.3%†
MGSMVals AI–91.8%†
IMO 2025MathArena–16.7%†
Omni-MATH (HELM)HELM Capabilities–71.4%
MATH 500Vals AI–94.6%†
Arena MathsArena (LMArena)15051448
AIME 2025 (AA)Artificial Analysis–88.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–49.4%†
LiveBench 2.0 Data AnalysisLiveBench76.4%†–
LiveBench ResearchLiveBench73.9%†–
LiveBench 1.0 Data AnalysisLiveBench76.4%–
AA-Omniscience v1.1Artificial Analysis0.7–
MMLU-ProVals AI86.1%†85.6%†
LegalBenchVals AI83.9%†83.8%†
CorpFinVals AI–59.7%†
TaxEvalVals AI75.6%†74.6%†
MedQAVals AI–96.1%†
PRBench FinanceScale AI SEAL–47.7%
PRBench LegalScale AI SEAL–48.6%
MultiNRCScale AI SEAL–45.5%†
MMLU-Pro (HELM)HELM Capabilities–85.9%
Excel Modeling BenchmarkVals AI55.9%†–
Excel Modeling Benchmark v1.1Vals AI66.3%†–
MedCodeVals AI–47.3%†
MedScribeVals AI88.9%†76.7%†
Access to Justice BenchmarkVals AI71.1%†–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%–
指示追従
LiveBench LanguageLiveBench77.3%–
LiveBench Instruction FollowingLiveBench52.8%–
IFBenchArtificial Analysis–71.4%
MultiChallengeScale AI SEAL–56.6%†
TutorBenchScale AI SEAL–52.1%†
IFEval (HELM)HELM Capabilities–86.9%
WildBench (HELM)HELM Capabilities–86.1%
Arena Instruction FollowingArena (LMArena)14741403
人間の評価
Arena TextArena (LMArena)14751432
EQ-Bench Creative Writing v3EQ-Bench–1675
Arena Creative WritingArena (LMArena)14351383
Arena Multi-turnArena (LMArena)14761420
Arena Longer QueriesArena (LMArena)14801411
Lech Mazur Creative WritingLech Mazur–83.9%†
マルチモーダル
Arena VisionArena (LMArena)12951214
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis–70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI86.0%†80.4%†
MortgageTaxVals AI–65.7%†
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†–
VTBScale AI SEAL–13.7%
GeoBenchGeoBench–60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
VIALS-AAHandshake AI39.8%–
Code2Video-AAArtificial Analysis975–
AA-3DArtificial Analysis937–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis80.0%74.7%
MLCRArtificial Analysis11.7%–
FACTS GroundingGoogle56.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8147.1
LiveBench 2.0LiveBench60.7%†–
LiveBench 1.0LiveBench71.6%–
AA Intelligence Index v5.0.1Artificial Analysis27.8–
AA Intelligence Index v4.3.2Artificial Analysis41.820.2
AA Progress Index v1Artificial Analysis318.6258.3
Vals IndexVals AI50.9†–
HELM Capabilities meanHELM Capabilities–81.1%
Vals Finance IndexVals AI55.8%†–
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†–
AA Cyber IndexArtificial Analysis49.9–
安全性・誠実さ
FORTRESSScale AI SEAL26.7%16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
DistressBenchScale AI SEAL72.7%–
メタデータ
AA Openness IndexArtificial Analysis44.45.6

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

  • GLM 5.3 Flash:BenchLeader Index 56.7 → 57.8。
  • o3:BenchLeader Index 61.2 → 60.4。
  • o3:スコアの改訂1件。
  • GLM 5.3 Flash:スコアの改訂1件。
  • GLM 5.3 Flash:スコアの改訂5件。
  • o3:新しい結果1件(Arena Search)。
  • GLM 5.3 Flash:新しい結果1件(FORTRESS)。
  • GLM 5.3 Flash:スコアの改訂2件、価格 $0.034/M → $0.030/M。
  • o3:スコアの改訂1件。
  • GLM 5.3 Flash:価格 $0.030/M → $0.034/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

GLM 5.3 Flash vs o3:よくある質問

GLM 5.3 Flashはo3より優れていますか?
GLM 5.3 Flashとo3の品質は互角です(57.8 対 60.4、±5.7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。
GLM 5.3 Flashとo3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 Flashの方が安く、100万トークンあたり$0.238 対 $3.50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GLM 5.3 Flashとo3のどちらが向いていますか?
コーディングではo3の方がスコアが高くなっています(カテゴリ指標で60 対 57。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Arena Codingでは、GLM 5.3 Flashが1526、o3が1460です。
GLM 5.3 Flashとo3はどちらが速いですか?
o3の方が出力が約2倍速くなっています(出力131 対 54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GLM 5.3 Flashとo3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o3の方がスコアが高くなっています(カテゴリ指標で70 対 59。50が平均)。
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 Flashの方がスコアが高くなっています(65 対 62)。コンテキストはGLM 5.3 Flashの方が長く、1,000,000トークンです(o3は200,000トークン)。
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o3です。Artificial Analysisの測定では、最初の回答トークンまで5.2秒 対 87.0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。
GLM 5.3 Flashとo3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19件のベンチマークのうち、GLM 5.3 Flashのリードが18件、o3のリードが1件です。両方を評価しているすべての総合指標で、GLM 5.3 Flashが上回っています。
GLM 5.3 Flashはいつリリースされましたか?
GLM 5.3 Flashは2026年8月20日にリリースされました。