BenchLeader

GLM 5.3 Flash vs Qwen3.8 2.4T A95B

詳しいプロフィール:GLM 5.3 Flash(Zhipu AI)とQwen3.8 2.4T A95B(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、GLM 5.3 FlashとQwen3.8 2.4T A95Bの品質は互角です(BenchLeader Indexで57.8 対 51.4、±15.1の誤差範囲内)。価格はGLM 5.3 Flashの方が13倍安く、100万トークンあたりのブレンド価格で$0.238 対 $3.00です。エージェント・ツール(59 対 48)、推論(48 対 46)を重視するならGLM 5.3 Flash、知識(49 対 45)を重視するならQwen3.8 2.4T A95Bが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.3 Flashが57.8、Qwen3.8 2.4T A95Bが51.4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)。
  • Qwen3.8 2.4T A95Bの100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • 両モデルに結果がある27件のベンチマークのうち、Qwen3.8 2.4T A95Bが14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
エージェント・ツール利用GLM 5.3 Flashカテゴリスコア59 対 48;CWE-Bench (AA) 55.8% 対 28.3%高
推論GLM 5.3 Flashカテゴリスコア48 対 46;HLE-Diamond (AA) 18.2% 対 20.1%中
知識Qwen3.8 2.4T A95Bカテゴリスコア49 対 45;AA-Omniscience v1.1 7.8 対 0.7中
長い文書どちらでもカテゴリスコア65 対 65;AA-LCR v1.1 80.0% 対 80.3%どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.3 Flashのみです(カテゴリスコア66)比較不可
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 $3.00;エージェント型コーディングセッション$0.011 対 $0.144–
回答開始の速さどちらでも最初の回答トークンまで87.0秒(GLM 5.3 Flash)対 107.3秒(Qwen3.8 2.4T A95B)–
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Qwen3.8 2.4T A95Bの品質は互角です(57.8 対 51.4、±15.1の誤差範囲内)。
  • GLM 5.3 Flashはエージェント・ツール、推論で優れています。
  • Qwen3.8 2.4T A95Bは知識、長文コンテキストで優れています。
  • GLM 5.3 Flashの方が13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 $3.00)。
  • GLM 5.3 Flashの方が出力が1.3倍速くなっています(54 対 41トークン/秒)。

概要

仕様GLM 5.3 FlashQwen3.8 2.4T A95B
プロバイダーZhipu AIAlibaba
リリース日2026年8月20日2026年8月12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GLM 5.3 FlashQwen3.8 2.4T A95B
オープンウェイトありあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.150 / $0.500 / $0.030$2.00 / $6.00 / $0.250

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 FlashQwen3.8 2.4T A95Bトップ
推論48.346.4GLM 5.3 Flash
コーディング56.9–比較不可
エージェント・ツール58.747.8GLM 5.3 Flash
数学68.8–比較不可
知識45.149.0Qwen3.8 2.4T A95B
人間の評価66.4–比較不可
マルチモーダル64.0–比較不可
長文コンテキスト64.664.8互角

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推論エージェント・ツール知識長文コンテキストGLM 5.3 Flash, 推論: 48.3GLM 5.3 Flash, エージェント・ツール: 58.7GLM 5.3 Flash, 知識: 45.1GLM 5.3 Flash, 長文コンテキスト: 64.6Qwen3.8 2.4T A95B, 推論: 46.4Qwen3.8 2.4T A95B, エージェント・ツール: 47.8Qwen3.8 2.4T A95B, 知識: 49.0Qwen3.8 2.4T A95B, 長文コンテキスト: 64.8

描画していないもの(測定済みのモデルが2つ未満):コーディング, 数学, 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27件のベンチマークのうち、GLM 5.3 Flashのリードが13件、Qwen3.8 2.4T A95Bのリードが14件です。

総合IndexGLM 5.3 FlashQwen3.8 2.4T A95Bトップ
BenchLeader Index57.851.4互角

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 FlashQwen3.8 2.4T A95B
100万トークンあたりのブレンド価格$0.238$3.00
100万トークンあたりの入力/出力$0.150 / $0.500$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.030$0.250
タスクあたりの価格:チャットの返答$0.0002$0.0026
タスクあたりの価格:30ページのレポートを要約$0.0021$0.028
タスクあたりの価格:コード編集$0.0017$0.021
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$0.144
タスクあたりの価格:構造化データの抽出$0.0004$0.0052
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$0.065
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/s41 tok/s
回答開始までの時間87.0秒107.3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248.5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)。Qwen3.8 2.4T A95Bのスコアは51.4、最初の回答トークンまで107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

136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 FlashQwen3.8 2.4T A95B
BenchLeader IndexBenchLeader57.851.4
エージェント・ツールスコアBenchLeader58.747.8
コーディングスコアBenchLeader56.9–
人間の評価スコアBenchLeader66.4–
知識スコアBenchLeader45.149.0
長文コンテキストスコアBenchLeader64.664.8
数学スコアBenchLeader68.8–
マルチモーダルスコアBenchLeader64.0–
推論スコアBenchLeader48.346.4
ブレンド価格($/100万トークン)BenchLeader$0.238$3.00
出力速度BenchLeader54 tok/s41 tok/s
回答開始までの時間BenchLeader87.0秒107.3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 Hub90.2%†–
Arena Hard PromptsArena (LMArena)1500–
LiveBench 2.0 ReasoningLiveBench77.6%†–
LiveBench 1.0 ReasoningLiveBench77.6%–
GPQA Diamond (AA)Artificial Analysis91.2%93.5%
Humanity's Last Exam (AA)Artificial Analysis39.9%42.5%
HLE-Diamond (AA)Artificial Analysis18.2%20.1%
GPQA Diamond (Vals)Vals AI86.4%†–
ARC-AGI-1ARC Prize91.0%†–
ARC-AGI-2ARC Prize65.8%†–
CritPtArtificial Analysis15.4%20.0%
CritPt v2 hard subset (AA)Artificial Analysis24.5%–
Arena ExpertArena (LMArena)1511–
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†–
BTF-3Epoch AI Benchmarking Hub14.9%–
コーディング
SciCodeSciCode51.6%–
FrontierCodeCognition31.8%†–
Arena CodingArena (LMArena)1526–
Arena WebDevArena (LMArena)1609–
LiveBench 2.0 CodingLiveBench70.9%†–
LiveBench 1.0 CodingLiveBench79.0%–
SciCode (AA)Artificial Analysis51.6%54.0%
LiveCodeBenchVals AI80.5%†–
IOIVals AI52.5%†–
136件のベンチマークをすべて表示
指標公開元GLM 5.3 FlashQwen3.8 2.4T A95B
コーディング
SWE-bench (Vals)Vals AI92.0%†–
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%–
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†–
FrontierSWEEpoch AI Benchmarking Hub18.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%82.0%
GameBench 2 OverallDuelLab GameBench 254.952.8
GameBench 2 by reasoning settingDuelLab GameBench 257.2†49.3†
Design Arena WebsiteDesign Arena1257–
FrontierCode 1.1 (AA)Artificial Analysis41.0%–
FrontierCode 2.0 (AA)Artificial Analysis17.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench37.0%†–
APEX-AgentsMercor52.8%–
Arena AgentArena (LMArena)-2.9–
LiveBench Long AgenticLiveBench20.7%†–
LiveBench BrowserLiveBench59.8%†–
LiveBench Agentic CodingLiveBench56.8%–
Terminal-Bench 2.1 (Vals)Vals AI62.9%†–
MCP AtlasScale AI SEAL–84.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%55.4%
GDPval-AA v2.1Artificial Analysis16481614
τ³-Banking (AA)Artificial Analysis47.2%49.1%
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 Agent Task CompletionArena (LMArena)1.3–
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
AutomationBenchArtificial Analysis60.4%57.3%
GDP.pdf (AA)Artificial Analysis15.4%15.6%
Harvey LAB-AA v1.1Harvey0.8%–
EnterpriseOps-GymArtificial Analysis33.2%47.4%
AA-Briefcase v1.1Artificial Analysis14501430
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%–
CWE-Bench (AA)Artificial Analysis55.8%28.3%
DeepSec-Bench (AA)Artificial Analysis19.9%9.5%
CyberGym end-to-end (AA)Artificial Analysis74.0%0.0%
MKA (AA)Artificial Analysis36.2%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†–
ProofBenchVals AI21.0%†–
LiveBench MathematicsLiveBench81.2%–
Arena MathsArena (LMArena)1505–
知識
LiveBench 2.0 Data AnalysisLiveBench76.4%†–
LiveBench ResearchLiveBench73.9%†–
LiveBench 1.0 Data AnalysisLiveBench76.4%–
AA-Omniscience v1.1Artificial Analysis0.77.8
MMLU-ProVals AI86.1%†–
LegalBenchVals AI83.9%†–
TaxEvalVals AI75.6%†–
Excel Modeling BenchmarkVals AI55.9%†–
Excel Modeling Benchmark v1.1Vals AI66.3%†–
MedScribeVals AI88.9%†–
Access to Justice BenchmarkVals AI71.1%†–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%65.5%
指示追従
LiveBench LanguageLiveBench77.3%–
LiveBench Instruction FollowingLiveBench52.8%–
Arena Instruction FollowingArena (LMArena)1474–
人間の評価
Arena TextArena (LMArena)1475–
EQ-Bench Creative Writing v3EQ-Bench–1844
Arena Creative WritingArena (LMArena)1435–
Arena Multi-turnArena (LMArena)1476–
Arena Longer QueriesArena (LMArena)1480–
マルチモーダル
Arena VisionArena (LMArena)1295–
LiveBench DesignLiveBench73.7%†–
MMMU-Pro (Vals)Vals AI86.0%†–
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†–
VIALS-AAHandshake AI39.8%–
Code2Video-AAArtificial Analysis975–
AA-3DArtificial Analysis937–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.0%80.3%
MLCRArtificial Analysis11.7%30.6%
FACTS GroundingGoogle56.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8–
LiveBench 2.0LiveBench60.7%†–
LiveBench 1.0LiveBench71.6%–
AA Intelligence Index v5.0.1Artificial Analysis27.8–
AA Intelligence Index v4.3.2Artificial Analysis41.840.0
AA Progress Index v1Artificial Analysis318.6317.8
Vals IndexVals AI50.9†–
Vals Finance IndexVals AI55.8%†–
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†–
AA Cyber IndexArtificial Analysis49.912.6
安全性・誠実さ
FORTRESSScale AI SEAL26.7%21.6%†
DistressBenchScale AI SEAL72.7%77.5%
メタデータ
AA Openness IndexArtificial Analysis44.427.8

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。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • GLM 5.3 Flash:スコアの改訂1件。
  • GLM 5.3 Flash:スコアの改訂5件。
  • 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。
  • Qwen3.8 2.4T A95B:スコアの改訂1件。
  • GLM 5.3 Flash:価格 $0.030/M → $0.034/M。
  • GLM 5.3 Flash:価格 $0.034/M → $0.030/M。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。

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 Qwen3.8 2.4T A95B:よくある質問

GLM 5.3 FlashはQwen3.8 2.4T A95Bより優れていますか?
GLM 5.3 FlashとQwen3.8 2.4T A95Bの品質は互角です(57.8 対 51.4、±15.1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Qwen3.8 2.4T A95B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 $3.00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。
GLM 5.3 FlashとQwen3.8 2.4T A95Bはどちらが速いですか?
GLM 5.3 Flashの方が出力が速くなっています(出力54 対 41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Qwen3.8 2.4T A95B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GLM 5.3 Flashの方がスコアが高くなっています(カテゴリ指標で59 対 48。50が平均)。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τ³-Banking (AA)では、GLM 5.3 Flashが47.2%、Qwen3.8 2.4T A95Bが49.1%です。
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互角です(65 対 65)。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。
ほかの質問(3件)
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GLM 5.3 Flashです。Artificial Analysisの測定では、最初の回答トークンまで87.0秒 対 107.3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Qwen3.8 2.4T A95B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27件のベンチマークのうち、GLM 5.3 Flashのリードが13件、Qwen3.8 2.4T A95Bのリードが14件です。
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。