BenchLeader

GLM 5.3

推論エフォート
品質339中55位
58.8Index
上位4分の1
中央値比 +8.6
価格255中181位
$2.15100万トークンあたり
多くのモデルより高い
中央値の2.5倍
速度216中99位
88トークン/秒
中央値より上
中央値の1.1倍
コスパ255中178位
27.3ポイント/$
中央値より下
中央値の0.5倍

よりコスパが高いモデル: GLM 5.3 Flash $0.238/MでIndex 57.8(89%安い)。

より安価でスコアの高いランク付けモデルが12つあります:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50)ほか9つ。

2026年11月16日時点で、GLM 5.3(Zhipu AI)のBenchLeader Indexは58.8です(ランク付け対象は608構成)。最も強いのは人間の評価(67)、最も弱いのは知識(54)です。API料金は入力100万トークンあたり$1.40、出力100万トークンあたり$4.40(3:1のブレンドで$2.15)で、2026年11月16日時点の定価です。出力速度は約88トークン/秒です(Artificial Analysis)。2026年8月18日にリリースされました。

要点(2026年11月16日時点)

  • GLM 5.3のAPI料金は入力100万トークンあたり$1.40、出力100万トークンあたり$4.40(3:1のブレンドで$2.15)です(定価、2026年11月16日)。
  • GLM 5.3の出力速度は約88トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GLM 5.3は2026年8月18日にリリースされました(Zhipu AI)。

詳しく見ると:GLM 5.3はZhipu AIのオープンウェイトの推論モデルです(2026年8月18日リリース)。最もスコアの高い構成(推論エフォート max)は、BenchLeader Indexで58.8 ±3.0を記録し、608構成中118位で上位半分に入ります。重要なのはこの「±」です。ほかに221構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では人間の評価が最も高く(67)、知識が最も低くなっています(54)。ブレンド価格は100万トークンあたり$2.15で、ランク付けされたモデルの多くより高価です。出力速度は88トークン/秒、回答開始まで57.6秒で、多くのモデルより高速です。4通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$2.15/M
入力$1.40・出力$4.40
出典:Artificial Analysis
出力速度
88 tok/s
Artificial Analysisによる測定
回答開始
58 s
最初のトークン 0.40 s
コンテキスト
1M
出典:models.dev
回答完了まで
144 s
最終測定2026年11月13日
タスクあたりコスト
$5.01
1タスク23 min、AA Index
タスクあたりトークン数
119k
うち71%が推論
リリース日
2026年8月18日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index59
  2. 推論55
  3. コーディング60
  4. エージェント・ツール58
  5. 数学60
  6. 知識54
  7. 人間の評価67
  8. 長文コンテキスト65

この順位を埋め込む

ほかのバッジスタイル
[![GLM 5.3 on BenchLeader: 総合 55位](https://www.benchleader.com/badge/glm-5-3.svg?style=compact)](https://www.benchleader.com/models/glm-5-3)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Zhipu AIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Zhipu AIはこの名前で8つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
GLM 5.3maxこのページ2026年8月18日58.8#118
GLM 5.2max2026年6月16日58.9#115
GLM 5.12026年4月7日55.4#208
GLM-5thinking2026年2月11日60.2#81
GLM 4.72025年12月22日51.7#303
GLM-4.6thinking2025年9月30日51.4#314
GLM-4.52025年7月28日51.6#308
GLM-4-0520–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
low47.3#41072 tok/s6.76 s$0.0019コーディング 42 · 知識 39 · 長文コンテキスト 61 · 推論 43
high––87 tok/s0.40 s$0.0019
max最良58.8#11888 tok/s58 s$0.0019エージェント・ツール 58 · コーディング 60 · 人間の評価 67 · 知識 54 · 長文コンテキスト 65 · 数学 60 · 推論 55
未記載––87 tok/s0.40 s$0.0019エージェント・ツール 60 · 推論 60

考えさせるほど増えるコスト

エフォートを上げるとIndexのポイントは伸びますが、費用は何倍にもなります。このモデルではmaxのコストがlowの3.2倍で、Indexの変化は+11.5、支出が2倍になるごとに6.9ポイントです。ほかのモデルと比べる。

5055low:タスクあたり$1.57、Index 47.347.3low $1.57max:タスクあたり$5.01、Index 58.858.8max $5.01Index

各点は推論の設定1つを表し、Artificial AnalysisのIndexタスク1件あたりのコスト(対数目盛)とBenchLeader Indexを示します。

Indexの推移

2026年9月8日〜2026年11月16日
445566
  • max
  • low

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

メタデータ

ベンチマークlowmax出典推移
AA Openness IndexIndex対象外33.3#23933.3#239Artificial Analysis

推論

ベンチマークlowmax標準出典推移
GPQA Diamond–90.9%#40–Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載––66.2%#31SimpleBench
Arena Hard Prompts–1507#23–Arena (LMArena)
LiveBench 1.0 ReasoningIndex対象外エフォート未記載––85.8%#35LiveBench
GPQA Diamond (AA)Index対象外–91.7%#45–Artificial Analysis
Humanity's Last Exam (AA)Index対象外36.6%#12442.3%#83–Artificial Analysis
HLE-Diamond (AA)17.5%#8917.9%#87–Artificial Analysis
GPQA Diamond (Vals)Index対象外–88.1%#34–Vals AI
CritPtIndex対象外14.6%#11019.1%#77–Artificial Analysis
CritPt v2 hard subset (AA)21.5%#9633.5%#69–Artificial Analysis
MysteryMechanismIndex対象外–23.0%#21–Vals AI
HLE-Diamond (Scale)Index対象外エフォート未記載汚染の可能性––16.4%#18Scale AI SEAL
Arena ExpertIndex対象外–1522#20–Arena (LMArena)
Chess PuzzlesIndex対象外–37.0%#48–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外–33.0%#32–Epoch AI Benchmarking Hub
LMCAIndex対象外エフォート未記載––55.5%#51Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載––87.7%#105Epoch AI Benchmarking Hub
BTF-3Index対象外エフォート未記載––14.9%#1Epoch AI Benchmarking Hub

コーディング

ベンチマークlowhighmax標準出典推移
SciCode42.0%#169–59.0%#21–SciCode
WeirdML––75.4%#29–WeirdML
FrontierCode––40.1%#26–Cognition
Arena Coding––1522#33–Arena (LMArena)
Arena WebDev––1623#29–Arena (LMArena)
LiveBench 1.0 CodingIndex対象外エフォート未記載–––79.0%#26LiveBench
SciCode (AA)Index対象外42.0%#180–59.0%#21–Artificial Analysis
LiveCodeBench––80.5%#67–Vals AI
IOI––68.4%#14–Vals AI
SWE-bench (Vals)Index対象外––95.4%#5–Vals AI
Code MigrationIndex対象外––44.2%#24–Vals AI
Code Migration v1.1Index対象外––55.1%#12–Vals AI
ProgramBenchIndex対象外––1.5%#14–Vals AI
Vibe Code Bench 1-100Index対象外––20.0%#13–Vals AI
Vibe Code Bench v1.1Index対象外––78.1%#39–Vals AI
Vibe Code Bench 1-100 v1.1Index対象外––29.8%#3–Vals AI
SWE Atlas v1.1Index対象外エフォート未記載–––58.1%#17Scale AI SEAL
SWE Atlas v1.1: Codebase QnAIndex対象外エフォート未記載–––70.2%#12Scale AI SEAL
SWE Atlas v1.1: Test WritingIndex対象外エフォート未記載–––55.6%#20Scale AI SEAL
SWE Atlas v1.1: RefactoringIndex対象外エフォート未記載–––48.6%#19Scale AI SEAL
SWE-Bench Pro V2Index対象外––95.6%#11–Scale AI SEAL
SWE-Bench Pro V2 HARDIndex対象外––84.3%#11–Scale AI SEAL
DeepSWE v1.1Index対象外––69.0%#16–Epoch AI Benchmarking Hub
CursorBenchIndex対象外33.3%#6938.0%#5442.6%#42–Cursor
ALE-BenchIndex対象外–1317.4#38––Epoch AI Benchmarking Hub
FrontierSWEIndex対象外––30.2%#12–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外34.9%#53–41.9%#42–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外––83.9%#34–Artificial Analysis
Startrise FrontendIndex対象外エフォート未記載–––73.2%#12Startrise
GameBench 2 OverallIndex対象外設定全体–––64.6#14DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外51.0#9170.3#3872.3#34–DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載–––1279#34Design Arena
FrontierCode 1.1 (AA)Index対象外34.9%#55–40.1%#42–Artificial Analysis
FrontierCode 2.0 (AA)12.7%#89–21.6%#66–Artificial Analysis

エージェント・ツール

ベンチマークlowmax標準出典推移
Terminal-Bench–41.2%#54–Terminal-Bench
APEX-Agentsエフォート未記載––56.6%#23Mercor
Arena Agent–1#27–Arena (LMArena)
LiveBench Agentic CodingIndex対象外エフォート未記載––60.9%#15LiveBench
Terminal-Bench 2.1 (Vals)–71.5%#26–Vals AI
MCP Atlasエフォート未記載––84.2%#8Scale AI SEAL
HiL-Benchエフォート未記載––58.3%#14Scale AI SEAL
GDPval-AA v2.1, normalised scoreIndex対象外41.2%#6057.5%#16–Artificial Analysis
GDPval-AA v2.1Index対象外1332#1111655#25–Artificial Analysis
τ³-Banking (AA)–50.3%#4–Artificial Analysis
ITBench SRE (AA)Index対象外–46.1%#12–Artificial Analysis
Analyst Agent (AA)Index対象外–38.8%#25–Artificial Analysis
CyberBenchIndex対象外–72.1%#17–Vals AI
Finance Agent v2Index対象外–55.8%#23–Vals AI
Finance Agent v2.1Index対象外–65.0%#13–Vals AI
Harvey's Legal Agent Benchmark v1.1Index対象外–14.6%#12–Vals AI
Harvey's Legal Agent Benchmark v1Index対象外–8.3%#27–Vals AI
Legal Research BenchIndex対象外–49.0%#11–Vals AI
SkillsBenchIndex対象外–47.5%#24–Vals AI
SREBenchIndex対象外–9.2%#15–Vals AI
Tax Agent BenchIndex対象外–43.3%#9–Vals AI
Terminal-Bench 4.0 (Vals)Index対象外–38.9%#19–Vals AI
Terminal-Bench ScienceIndex対象外–5.7%#23–Vals AI
Arena Agent Task CompletionIndex対象外–3.1#23–Arena (LMArena)
PostTrainBenchIndex対象外–34.5%#9–Epoch AI Benchmarking Hub
Vending-Bench 2Index対象外エフォート未記載––8163.6#16Andon Labs
AutomationBenchIndex対象外52.0%#10062.2%#45–Artificial Analysis
GDP.pdf (AA)Index対象外8.8%#17111.2%#149–Artificial Analysis
Harvey LAB-AA v1.1Index対象外–0.3%#27–Harvey
EnterpriseOps-GymIndex対象外–36.4%#35–Artificial Analysis
AA-Briefcase v1.1Index対象外1185#1201501#49–Artificial Analysis
GDPxIndex対象外–2.7%#19–GDPx by SemiAnalysis
Design Arena AgenticIndex対象外エフォート未記載––1239#25Design Arena
Terminal-Bench-Science 0.1 (AA)Index対象外3.8%#899.5%#67–Artificial Analysis
CWE-Bench (AA)–55.8%#14–Artificial Analysis
DeepSec-Bench (AA)–24.3%#13–Artificial Analysis
CyberGym end-to-end (AA)–29.0%#16–Artificial Analysis
FACTS SearchIndex対象外エフォート未記載––87.7%#12Google

数学

ベンチマークmax標準出典推移
FrontierMath Tiers 1–368.8%#34–Epoch AI Benchmarking Hub
FrontierMath Tier 429.3%#44–Epoch AI Benchmarking Hub
OTIS Mock AIME91.1%#79–Epoch AI Benchmarking Hub
ProofBench49.0%#36–Vals AI
LiveBench MathematicsIndex対象外エフォート未記載–87.9%#45LiveBench
Arena Maths1501#16–Arena (LMArena)

知識

ベンチマークlowmax標準出典推移
SimpleQA Verified–41.0%#52–Epoch AI Benchmarking Hub
LiveBench 1.0 Data AnalysisIndex対象外エフォート未記載––70.2%#52LiveBench
AA-Omniscience v1.1-11.2#1086.0#70–Artificial Analysis
MMLU-Pro–86.8%#37–Vals AI
LegalBench–84.8%#29–Vals AI
TaxEval–72.4%#64–Vals AI
Excel Modeling BenchmarkIndex対象外–56.3%#47–Vals AI
Excel Modeling Benchmark v1.1Index対象外–69.1%#23–Vals AI
MedCodeIndex対象外–42.9%#47–Vals AI
MedScribeIndex対象外–88.8%#11–Vals AI
Public Benefits Bench v1.1Index対象外–68.5%#10–Vals AI
Access to Justice BenchmarkIndex対象外–73.7%#5–Vals AI
Financial Coaching BenchIndex対象外–74.1%#11–Vals AI
Immigration BenchIndex対象外–66.7%#14–Vals AI
AA-Omniscience v1.1: accuracyIndex対象外31.9%#9232.3%#91–Artificial Analysis
AA-Omniscience v1.1: non-hallucinationIndex対象外36.8%#9661.1%#53–Artificial Analysis
HealthBench Professional (AA)Index対象外–52.8%#17–OpenAI
FACTS ParametricIndex対象外エフォート未記載––40.3%#21Google

指示追従

ベンチマークmax標準出典推移
LiveBench LanguageIndex対象外エフォート未記載–79.9%#31LiveBench
LiveBench Instruction FollowingIndex対象外エフォート未記載–69.3%#33LiveBench
Arena Instruction FollowingIndex対象外1481#24–Arena (LMArena)

人間の評価

ベンチマークmax標準出典推移
Arena Text1482#28–Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–2076#7EQ-Bench
Arena Creative WritingIndex対象外1456#33–Arena (LMArena)
Arena Multi-turnIndex対象外1482#37–Arena (LMArena)
Arena Longer QueriesIndex対象外1488#32–Arena (LMArena)

マルチモーダル

ベンチマークmax出典推移
Code2Video-AAIndex対象外1034#13Artificial Analysis
AA-3DIndex対象外794#22Artificial Analysis

長文コンテキスト

ベンチマークlowmax標準出典推移
AA-LCR v1.172.7%#20479.7%#100–Artificial Analysis
MLCRIndex対象外11.1%#11517.2%#75–Artificial Analysis
FACTS GroundingIndex対象外エフォート未記載––55.2%#23Google

総合

ベンチマークlowmax標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––157.1#32Epoch AI Benchmarking Hub
LiveBench 1.0Index対象外エフォート未記載––76.1%#32LiveBench
AA Intelligence Index v5.0.1Index対象外23.1#8731.6#58–Artificial Analysis
AA Intelligence Index v4.3.2Index対象外34.3#10144.8#42–Artificial Analysis
AA Progress Index v1Index対象外311.5#94322.7#50–Artificial Analysis
Vals IndexIndex対象外–59.9#15–Vals AI
Vals Finance IndexIndex対象外–61.4%#10–Vals AI
Vals RSI IndexIndex対象外–22.9%#15–Vals AI
Vals Router IndexIndex対象外エフォート未記載––59.7%#9Vals AI
Vals Legal IndexIndex対象外–74.6%#6–Vals AI
AA Cyber IndexIndex対象外–36.4#17–Artificial Analysis

安全性・誠実さ

ベンチマークmax標準出典推移
FORTRESSIndex対象外28.2%#55–Scale AI SEAL
DistressBenchIndex対象外エフォート未記載–72.5%#20Scale AI SEAL

GameBench 2 Overall: 64.6. GameBench 2, best reasoning setting (Max): 72.3. 参考値で、BenchLeader Indexには含まれません。

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.

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
Tenstorrent209 tok/s0.77 s$0.600$2.001.0Mfp8
Amazon Bedrock179 tok/s0.47 s$1.68$5.281.0M–
Parasail160 tok/s0.23 s$1.40$4.401.0Mfp4
Fireworks151 tok/s0.95 s$2.10$6.601.0M–
Parasail141 tok/s0.73 s$2.10$6.601.0Mfp4
Baseten (fp8)135 tok/s0.85 s$2.10$6.601.0Mfp8
Inceptron129 tok/s0.90 s$1.00$4.201.0Mfp4
Together129 tok/s0.36 s$1.40$4.401.0M–
Decart128 tok/s0.44 s$0.560$1.801.0Mfp4
Venice126 tok/s0.56 s$1.40$4.401M–
Mistral123 tok/s0.69 s$1.54$4.841.0Mnvfp4
Baseten (fp8)116 tok/s0.81 s$2.10$6.601.0Mfp8
Makora114 tok/s0.26 s$1.00$4.001.0Mfp4
CoreWeave113 tok/s0.44 s$0.750$3.001.0Mnvfp4
AkashML112 tok/s0.98 s$0.190$4.401.0Mfp4
DigitalOcean109 tok/s0.45 s$0.910$2.861.0M–
Modal108 tok/s0.38 s$1.40$4.401.0M–
Mistral106 tok/s1.05 s$1.40$4.401.0Mnvfp4
Alibaba Cloud Int.101 tok/s0.77 s$2.80$8.801M–
Cohere98 tok/s0.39 s$0.950$3.501.0Mnvfp4
Crusoe98 tok/s0.43 s$1.40$4.401.0Mfp4
Wafer96 tok/s0.29 s$0.179$1.401.0Mfp4
Wafer93 tok/s0.22 s$0.070$1.401.0Mfp4
inference.net92 tok/s0.29 s$0.084$3.601.0Mfp4
Sail Research92 tok/s0.61 s$1.05$4.201.0Mfp8
Doubleword91 tok/s0.66 s$1.40$4.401.0M–
inference.net89 tok/s0.27 s$0.084$3.601.0Mfp4
Relace88 tok/s1.06 s$0.070$4.381.0Mfp4
Fireworks Spot85 tok/s0.36 s$0.980$3.081.0M–
Friendli84 tok/s0.38 s$1.26$3.961.0M–
Sail Research78 tok/s0.37 s$0.750$3.001.0Mfp8
Cloudflare77 tok/s1.75 s$0.700$2.201.0M–
Baseten (fp4)76 tok/s0.83 s$1.40$4.401.0Mfp4
Fireworks74 tok/s0.49 s$1.40$4.401.0M–
DeepInfra68 tok/s1.35 s$0.563$2.501.0Mfp4
Baseten (fp4)68 tok/s0.95 s$1.40$4.401.0Mfp4
Nebius Token Factory68 tok/s0.79 s$1.40$4.401.0Mfp4
Morph67 tok/s0.45 s$1.03$3.171.0Mfp8
SiliconFlow61 tok/s2.36 s$0.700$2.201.0Mfp8
Reka AI58 tok/s0.59 s$0.150$3.001.0M–
NovitaAI58 tok/s1.36 s$0.630$1.981.0Mfp8
Z.ai58 tok/s1.91 s$1.40$4.401.0Mfp8
DeepInfra56 tok/s2.96 s$0.450$2.001.0Mfp4
GMICloud54 tok/s2.23 s$0.700$2.201.0Mfp8
Alibaba Cloud Int.52 tok/s2.68 s$1.19$3.741M–
AtlasCloud47 tok/s1.83 s$1.40$4.401.0Mfp8
Featherless47 tok/s0.77 s$1.40$4.40262k–
SambaNova45 tok/s1.11 s$1.40$4.401.0M–

利用状況

GLM 5.3が実際にどれだけ使われているかを、利用状況を公開しているゲートウェイの報告に基づいて示します。利用状況はIndexには含まれません。よく使われているモデルとプロバイダー

OpenRouter、過去1週間
#9
トークンシェア1.8%
Vercel AI Gateway、7日間
10.5%
トークンシェア
可用性、72時間
99.9%
OpenRouter、全プロバイダー
ツール呼び出しのエラー、7日間
0.63%
ツール呼び出しに占める割合
OpenRouterでの1日あたりのトークン数(2026年10月17日〜2026年11月15日):合計17.8T、前週比 +3.0%。

直近30日間の典型的なリクエスト:リクエストあたり58.7kトークン、出力1トークンあたり入力59トークン、入力の91%がキャッシュから、出力の72%が推論、リクエストあたり0.49回のツール呼び出し。

OpenRouterでこのモデルに最も多くのトークンを送っているアプリ:Claude Code (1.83T)、Hermes Agent (890B)、pi (683B)、Strix (566B)、omp (462B)。

Vercel AI Gatewayのプロバイダースループット最初のトークン稼働率、1日
Amazon Bedrock339 tok/s0.34 s98.26%
Boundless287 tok/s0.36 s100.00%
Parasail270 tok/s1.62 s100.00%
DigitalOcean263 tok/s0.22 s100.00%
Modal218 tok/s2.89 s99.99%
Crusoe204 tok/s15.39 s78.13%

出典: 利用状況: OpenRouterのランキング · Vercel AI Gateway, CC BY 4.0・2026年11月16日時点のデータ。

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.260のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0019$0.00151.0 min
30ページのレポートを要約12,000 / 600$0.019$0.00921.1 min
コード編集6,000 / 1,500$0.015$0.00991.2 min
エージェント型コーディングセッション60,000 / 4,000$0.102$0.0501.7 min
構造化データの抽出2,000 / 200$0.0037$0.002059.9 s

このモデルを含むコーディングプラン

GLM 5.3を使えるサブスクリプションです。それぞれの利用上限と、タスクあたりのコストを掲載しています。

Zhipu AIのほかのモデル

今月の新着

GLM 5.3と比較する

関連ページ

埋め込み・引用

GLM 5.3の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![GLM 5.3 on BenchLeader: 総合 55位](https://www.benchleader.com/badge/glm-5-3.svg)](https://www.benchleader.com/models/glm-5-3)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). GLM 5.3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-5-3

BibTeX:

@misc{benchleader_glm_5_3_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM 5.3 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-5-3}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

GLM 5.3のベンチマークスコアは?
2026年11月16日時点で、GLM 5.3(推論エフォート max)のBenchLeader Indexは58.8 ±3.0です。最も強いのは人間の評価(67)、最も弱いのは知識(54)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
GLM 5.3の順位は?
2026年11月16日時点で、GLM 5.3(推論エフォート max)はランク付けされた608構成中118位です。ほかに221構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
GLM 5.3の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、GLM 5.3の料金は入力100万トークンあたり$1.40、出力100万トークンあたり$4.40で、ブレンド価格(出力1トークンにつき入力3トークン)は$2.15です。
GLM 5.3はQwen3.8 Maxより優れていますか?
2026年11月16日時点で、GLM 5.3(推論エフォート max)とQwen3.8 Max(推論エフォート max)の品質はほぼ互角です(BenchLeader Indexで58.8対58.7、±4.5の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
GLM 5.3はいつリリースされましたか?
Zhipu AIが2026年8月18日にGLM 5.3をリリースしました。BenchLeaderには4通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「GLM 5.3:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/glm-5-3