BenchLeader

GLM 5.3 vs GPT-5.4

詳しいプロフィール:GLM 5.3(Zhipu AI)とGPT-5.4(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 · 14件の情報源のデータ

2026年11月16日時点で、品質ではGPT-5.4がGLM 5.3を上回ります(BenchLeader Indexで63.1 対 58.8)。ただし、価格はGLM 5.3の方が2.6倍安く、100万トークンあたりのブレンド価格で$2.15 対 $5.63です。両方を測定できるすべてのカテゴリでGPT-5.4がリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.3が58.8、GPT-5.4が63.1です(BenchLeader、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)。
  • GPT-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
  • 両モデルに結果がある34件のベンチマークのうち、GPT-5.4が19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GPT-5.4カテゴリスコア65 対 60;LiveCodeBench 84.1% 対 80.5%中
エージェント・ツール利用GPT-5.4カテゴリスコア63 対 58;τ³-Banking (AA) 39.6% 対 50.3%中
数学GPT-5.4カテゴリスコア65 対 60;FrontierMath Tiers 1–3 78.6% 対 68.8%中
推論GPT-5.4カテゴリスコア66 対 55;GPQA Diamond 93.3% 対 90.9%高
知識GPT-5.4カテゴリスコア59 対 54;SimpleQA Verified 45.1% 対 41.0%中
長い文書GPT-5.4カテゴリスコア66 対 65;AA-LCR v1.1 82.0% 対 79.7%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 $5.63;エージェント型コーディングセッション$0.102 対 $0.210–
回答開始の速さGLM 5.3最初の回答トークンまで57.6秒(GLM 5.3 (max))対 144.9秒(GPT-5.4 (xhigh))–
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

  • 品質ではGPT-5.4 (xhigh)がリードしています:63.1 対 58.8。
  • GPT-5.4 (xhigh)はエージェント・ツール、コーディング、知識、長文コンテキスト、数学、推論で優れています。
  • GLM 5.3 (max)の方が2.6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 $5.63)。

概要

仕様GLM 5.3GPT-5.4
プロバイダーZhipu AIOpenAI
リリース日2026年8月18日2026年3月5日
コンテキストウィンドウ(トークン)1,000,0001,050,000
比較した構成GLM 5.3 (max)GPT-5.4 (xhigh)
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)$1.40 / $4.40 / $0.260$2.50 / $15.00 / $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 (max)GPT-5.4 (xhigh)トップ
推論54.765.7GPT-5.4
コーディング59.764.7GPT-5.4
エージェント・ツール57.663.0GPT-5.4
数学60.064.8GPT-5.4
知識53.558.6GPT-5.4
指示追従–72.4比較不可
人間の評価67.2–比較不可
マルチモーダル–60.8比較不可
長文コンテキスト64.565.7GPT-5.4

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GLM 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: 64.5GPT-5.4, 推論: 65.7GPT-5.4, コーディング: 64.7GPT-5.4, エージェント・ツール: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知識: 58.6GPT-5.4, 長文コンテキスト: 65.7

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34件のベンチマークのうち、GLM 5.3のリードが15件、GPT-5.4のリードが19件です。第三者の総合指標でも評価が分かれ、GLM 5.3はArena Textで、GPT-5.4はBenchLeader Indexでリードしています。

総合IndexGLM 5.3 (max)GPT-5.4 (xhigh)トップ
BenchLeader Index58.863.1GPT-5.4
Arena Text14821475†GLM 5.3

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 (max)GPT-5.4 (xhigh)
100万トークンあたりのブレンド価格$2.15$5.63
100万トークンあたりの入力/出力$1.40 / $4.40$2.50 / $15.00
100万トークンあたりのキャッシュ入力$0.260$0.250
タスクあたりの価格:チャットの返答$0.0019$0.0055
タスクあたりの価格:30ページのレポートを要約$0.019$0.039
タスクあたりの価格:コード編集$0.015$0.037
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$0.102$0.210
タスクあたりの価格:構造化データの抽出$0.0037$0.0080
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)$0.050$0.109
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88 tok/s73 tok/s
回答開始までの時間57.6秒144.9秒
回答が完了するまでの時間(最終測定2026年11月13日)144.1秒193.1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。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)。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2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

192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 (max)GPT-5.4 (xhigh)
BenchLeader IndexBenchLeader58.863.1
エージェント・ツールスコアBenchLeader57.663.0
コーディングスコアBenchLeader59.764.7
人間の評価スコアBenchLeader67.2–
知識スコアBenchLeader53.558.6
長文コンテキストスコアBenchLeader64.565.7
数学スコアBenchLeader60.064.8
推論スコアBenchLeader54.765.7
指示追従スコアBenchLeader–72.4
マルチモーダルスコアBenchLeader–60.8
ブレンド価格($/100万トークン)BenchLeader$2.15$5.63
出力速度BenchLeader88 tok/s73 tok/s
回答開始までの時間BenchLeader57.6秒144.9秒
コンテキストウィンドウBenchLeader1,000,000トークン1,050,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.9%93.3%
Humanity's Last ExamScale AI / CAIS–36.2%
SimpleBenchSimpleBench66.2%†–
Arena Hard PromptsArena (LMArena)15071487†
LiveBench 1.0 ReasoningLiveBench85.8%†88.1%
GPQA Diamond (AA)Artificial Analysis91.7%92.0%
Humanity's Last Exam (AA)Artificial Analysis42.3%43.7%
HLE-Diamond (AA)Artificial Analysis17.9%–
GPQA Diamond (Vals)Vals AI88.1%91.7%
Kagi LLM BenchmarkKagi LLM Benchmark–63.8%†
ARC-AGI-1ARC Prize–93.7%
ARC-AGI-2ARC Prize–74.0%
ARC-AGI-3ARC Prize–0.2%†
CritPtArtificial Analysis19.1%23.4%
CritPt v2 hard subset (AA)Artificial Analysis33.5%–
MysteryMechanismVals AI23.0%–
HLE-Diamond (Scale)Scale AI SEAL16.4%†–
Arena ExpertArena (LMArena)15221491†
Chess PuzzlesEpoch AI Benchmarking Hub37.0%48.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%37.0%
CL-benchEpoch AI Benchmarking Hub–27.9%
CL-bench LifeEpoch AI Benchmarking Hub–21.7%
LMCAEpoch AI Benchmarking Hub55.5%†52.0%
DTBenchEpoch AI Benchmarking Hub87.7%†94.4%
ForecastBenchForecastBench–63.0%†
192件のベンチマークをすべて表示
指標公開元GLM 5.3 (max)GPT-5.4 (xhigh)
推論
BTF-3Epoch AI Benchmarking Hub14.9%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.9%†
SciCodeSciCode59.0%56.6%
WeirdMLWeirdML75.4%77.7%
FrontierCodeCognition40.1%–
GSO-BenchGSO-Bench–31.4%
Arena CodingArena (LMArena)15221511†
Arena WebDevArena (LMArena)16231400†
LiveBench 1.0 CodingLiveBench79.0%†77.5%
SciCode (AA)Artificial Analysis59.0%–
LiveCodeBenchVals AI80.5%84.1%
IOIVals AI68.4%–
SWE-bench (Vals)Vals AI95.4%78.2%
SWE-Bench ProScale AI SEAL–59.1%
Code MigrationVals AI44.2%35.0%
Code Migration v1.1Vals AI55.1%–
ProgramBenchVals AI1.5%0.0%
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI78.1%67.4%
Vibe Code Bench 1-100 v1.1Vals AI29.8%–
SWE-Bench Pro (private)Scale AI SEAL–43.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–40.8%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.3%
SWE Atlas v1.0: Test WritingScale AI SEAL–44.4%
SWE Atlas v1.1Scale AI SEAL58.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL55.6%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
SWE-Bench Pro V2Scale AI SEAL95.6%–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%–
MirrorCodeEpoch AI Benchmarking Hub–23.3%
DeepSWE v1.1Epoch AI Benchmarking Hub69.0%51.8%
CursorBenchCursor42.6%–
ALE-BenchEpoch AI Benchmarking Hub1317.4†1607†
AlgoTuneAlgoTune–1.9†
FrontierSWEEpoch AI Benchmarking Hub30.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%–
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%78.3%
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†53.4†
GameBench 2 by reasoning settingDuelLab GameBench 272.362.1
Design Arena WebsiteDesign Arena1279†1190†
FrontierCode 1.1 (AA)Artificial Analysis40.1%–
FrontierCode 2.0 (AA)Artificial Analysis21.6%–
エージェント・ツール
Terminal-BenchTerminal-Bench41.2%81.8%†
APEX-AgentsMercor56.6%†52.4%†
Arena AgentArena (LMArena)1–
LiveBench Agentic CodingLiveBench60.9%†53.8%
Terminal-Bench HardArtificial Analysis–57.6%
τ²-Bench Telecom (AA)Artificial Analysis–87.1%
Terminal-Bench 2.1 (Vals)Vals AI71.5%–
MCP AtlasScale AI SEAL84.2%†70.6%
HiL-BenchScale AI SEAL58.3%†9.7%†
τ³-bench Bankingτ²-bench–39.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%–
GDPval-AA v2.1Artificial Analysis16551256
τ³-Banking (AA)Artificial Analysis50.3%39.6%
ITBench SRE (AA)Artificial Analysis46.1%–
Analyst Agent (AA)Artificial Analysis38.8%–
APEX-Agents (AA)Artificial Analysis–33.3%
CyberBenchVals AI72.1%–
Finance Agent v2Vals AI55.8%–
Finance Agent v2.1Vals AI65.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%0.0%
Legal Research BenchVals AI49.0%–
SkillsBenchVals AI47.5%51.7%
SREBenchVals AI9.2%–
Tax Agent BenchVals AI43.3%–
Terminal-Bench 2.0 (Vals)Vals AI–58.4%†
Terminal-Bench 4.0 (Vals)Vals AI38.9%–
Terminal-Bench ScienceVals AI5.7%–
Arena SearchArena (LMArena)–1196†
Arena Agent Task CompletionArena (LMArena)3.1–
DeepResearch BenchDeepResearch Bench–35.1%†
PostTrainBenchEpoch AI Benchmarking Hub34.5%17.8%†
METR Time HorizonsMETR–74.3%
GBAEvalEpoch AI Benchmarking Hub–45.1%†
Vending-Bench 2Andon Labs8163.6†6144.2†
AutomationBenchArtificial Analysis62.2%–
GDP.pdf (AA)Artificial Analysis11.2%–
Harvey LAB-AA v1.1Harvey0.3%–
EnterpriseOps-GymArtificial Analysis36.4%–
AA-Briefcase v1.1Artificial Analysis1501–
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†1042†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%–
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis24.3%–
CyberGym end-to-end (AA)Artificial Analysis29.0%–
DeepSearchQAGoogle–63.7%†
FACTS SearchGoogle87.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%78.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%49.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%95.3%
ProofBenchVals AI49.0%56.0%
LiveBench MathematicsLiveBench87.9%†94.2%
AIME (Vals)Vals AI–96.7%
AIME 2026MathArena–99.2%
HMMT February 2026MathArena–97.7%
USAMO 2026MathArena–95.2%
MathArena ApexMathArena–54.2%
Arena MathsArena (LMArena)15011459†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%45.1%
LiveBench 1.0 Data AnalysisLiveBench70.2%†79.3%
AA-Omniscience v1.1Artificial Analysis6.0–
MMLU-ProVals AI86.8%87.5%
LegalBenchVals AI84.8%86.0%
CorpFinVals AI–65.3%
TaxEvalVals AI72.4%74.0%
MedQAVals AI–96.1%
PRBench FinanceScale AI SEAL–45.6%†
PRBench LegalScale AI SEAL–44.4%†
MultiNRCScale AI SEAL–58.3%†
CaseLaw v2Vals AI–63.8%
Excel Modeling BenchmarkVals AI56.3%–
Excel Modeling Benchmark v1.1Vals AI69.1%–
MedCodeVals AI42.9%41.3%
MedScribeVals AI88.8%77.5%
Public Benefits Bench v1.1Vals AI68.5%–
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI66.7%–
EBR-benchEpoch AI Benchmarking Hub–25.4%
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%–
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†–
指示追従
LiveBench LanguageLiveBench79.9%†82.6%
LiveBench Instruction FollowingLiveBench69.3%†70.2%
IFBenchArtificial Analysis–74.0%
Arena Instruction FollowingArena (LMArena)14811460†
人間の評価
Arena TextArena (LMArena)14821465†
EQ-Bench 4EQ-Bench–1258†
EQ-Bench Creative Writing v3EQ-Bench2076†1841†
Arena Creative WritingArena (LMArena)14561433†
Arena Multi-turnArena (LMArena)14821480†
Arena Longer QueriesArena (LMArena)14881477†
マルチモーダル
Arena VisionArena (LMArena)–1292†
MMMU-ProArtificial Analysis–78.4%
VISTAScale AI SEAL–50.9%†
MMMU-Pro (Vals)Vals AI–87.5%
MortgageTaxVals AI–68.3%
VTBScale AI SEAL–29.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–27.1%†
Furniture AssemblyEpoch AI Benchmarking Hub–37.5%
Code2Video-AAArtificial Analysis1034–
AA-3DArtificial Analysis794–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%82.0%
Arena DocumentArena (LMArena)–1471†
MLCRArtificial Analysis17.2%–
FACTS GroundingGoogle55.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†157.8†
LiveBench 1.0LiveBench76.1%†78.0%
AA Intelligence Index v5.0.1Artificial Analysis31.6–
AA Intelligence Index v4.3.2Artificial Analysis44.839.0
AA Progress Index v1Artificial Analysis322.7311.6
Vals IndexVals AI59.9–
Vals Finance IndexVals AI61.4%–
Vals RSI IndexVals AI22.9%15.5%
Vals Router IndexVals AI59.7%†–
Vals Legal IndexVals AI74.6%–
AA Cyber IndexArtificial Analysis36.4–
安全性・誠実さ
FORTRESSScale AI SEAL28.2%–
MASKScale AI SEAL–89.7%†
DistressBenchScale AI SEAL72.5%†–
メタデータ
AA Openness IndexArtificial Analysis33.3–

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

  • GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GLM 5.3 (max):新しい結果1件(PostTrainBench)。
  • GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
  • GLM 5.3 (max):スコアの改訂4件。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GLM 5.3 (max):スコアの改訂1件、価格 $0.30/M → $0.26/M。
  • GPT-5.4 (xhigh):スコアの改訂1件。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):価格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):価格 $0.26/M → $0.30/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 vs GPT-5.4:よくある質問

GPT-5.4はGLM 5.3より優れていますか?
品質ではGPT-5.4 (xhigh)がリードしています:63.1 対 58.8。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日時点では総合でGPT-5.4 (xhigh)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
GLM 5.3とGPT-5.4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 $5.63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とGPT-5.4のどちらが向いていますか?
コーディングではGPT-5.4の方がスコアが高くなっています(カテゴリ指標で65 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、GLM 5.3が80.5%、GPT-5.4が84.1%です。
GLM 5.3とGPT-5.4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 73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とGPT-5.4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GPT-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 58。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が50.3%、GPT-5.4が39.6%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GPT-5.4の方がスコアが高くなっています(66 対 65)。どちらも約1.1Mトークンです(GLM 5.3は1,000,000、GPT-5.4は1,050,000)。
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です。Artificial Analysisの測定では、最初の回答トークンまで57.6秒 対 144.9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とGPT-5.4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34件のベンチマークのうち、GLM 5.3のリードが15件、GPT-5.4のリードが19件です。第三者の総合指標でも評価が分かれ、GLM 5.3はArena Textで、GPT-5.4はBenchLeader Indexでリードしています。
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。