BenchLeader

GLM 5.3 Flash

推論エフォート
品質339中70位
57.8Index
上位4分の1
中央値比 +7.6
価格255中49位
$0.238100万トークンあたり
安い方から4分の1
中央値の0.3倍
速度216中160位
54トークン/秒
中央値より下
中央値の0.7倍
コスパ255中41位
242.9ポイント/$
上位4分の1
中央値の4.4倍

よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(42%安い)。

これより安価でスコアの高いランク付けモデルはありません。価格面でのフロンティアにあります。

2026年11月16日時点で、GLM 5.3 Flash(Zhipu AI)のBenchLeader Indexは57.8です(ランク付け対象は608構成)。最も強いのは数学(69)、最も弱いのは知識(45)です。API料金は入力100万トークンあたり$0.150、出力100万トークンあたり$0.500(3:1のブレンドで$0.238)で、2026年11月16日時点の定価です。出力速度は約54トークン/秒です(Artificial Analysis)。2026年8月20日にリリースされました。

要点(2026年11月16日時点)

  • GLM 5.3 FlashのAPI料金は入力100万トークンあたり$0.150、出力100万トークンあたり$0.500(3:1のブレンドで$0.238)です(定価、2026年11月16日)。
  • GLM 5.3 Flashの出力速度は約54トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GLM 5.3 Flashは2026年8月20日にリリースされました(Zhipu AI)。

詳しく見ると:GLM 5.3 FlashはZhipu AIのオープンウェイトの推論モデルです(2026年8月20日リリース)。最もスコアの高い構成は、BenchLeader Indexで57.8 ±4.7を記録し、608構成中146位で上位半分に入ります。重要なのはこの「±」です。ほかに250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。カテゴリ別では数学が最も高く(69)、知識が最も低くなっています(45)。ブレンド価格は100万トークンあたり$0.238で、ランク付けされたモデルの中で最も安い5分の1に入ります。出力速度は54トークン/秒、回答開始まで87.0秒で、多くのモデルより低速です。5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
$0.238/M
入力$0.150・出力$0.500
出典:Artificial Analysis
出力速度
54 tok/s
Artificial Analysisによる測定
回答開始
87 s
最初のトークン 0.65 s
コンテキスト
1M
出典:models.dev
回答完了まで
220 s
最終測定2026年11月13日
タスクあたりコスト
$0.583
1タスク41 min、AA Index
タスクあたりトークン数
134k
うち76%が推論
リリース日
2026年8月20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Index58
  2. 推論48
  3. コーディング57
  4. エージェント・ツール59
  5. 数学69
  6. 知識45
  7. 人間の評価66
  8. マルチモーダル64
  9. 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 Flash on BenchLeader: 総合 69位](https://www.benchleader.com/badge/glm-5-3-flash.svg?style=compact)](https://www.benchleader.com/models/glm-5-3-flash)

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3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 5.3 Flashこのページ2026年8月20日57.8#146
GLM 4.7 Flash2026年1月19日51.0#325
GLM-4.5-Flash2025年7月28日––

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
推論なし––54 tok/s87 s$0.0002エージェント・ツール 47
low––54 tok/s87 s$0.0002推論 44
high––54 tok/s87 s$0.0002推論 54
max52.4#27754 tok/s87 s$0.0002エージェント・ツール 49 · コーディング 52 · 総合 45 · 知識 59 · 数学 50 · 推論 63
未記載最良57.8#14654 tok/s87 s$0.0002エージェント・ツール 59 · コーディング 57 · 人間の評価 66 · 知識 45 · 長文コンテキスト 65 · 数学 69 · マルチモーダル 64 · 推論 48

Indexの推移

2026年9月8日〜2026年11月16日
485868
  • 標準
  • max

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

ベンチマーク標準出典推移
AA Openness IndexIndex対象外44.4#97Artificial Analysis

推論

ベンチマークlowhighmax標準出典推移
GPQA Diamond––90.2%#50–Epoch AI Benchmarking Hub
Arena Hard Promptsエフォート未記載–––1500#35Arena (LMArena)
LiveBench 2.0 ReasoningIndex対象外––77.6%#29–LiveBench
LiveBench 1.0 ReasoningIndex対象外エフォート未記載–––77.6%#58LiveBench
GPQA Diamond (AA)Index対象外エフォート未記載–––91.2%#49Artificial Analysis
Humanity's Last Exam (AA)Index対象外エフォート未記載–––39.9%#99Artificial Analysis
HLE-Diamond (AA)エフォート未記載–––18.2%#86Artificial Analysis
GPQA Diamond (Vals)Index対象外––86.4%#42–Vals AI
ARC-AGI-147.0%#19271.8%#14891.0%#76–ARC Prize
ARC-AGI-227.9%#14350.1%#11565.8%#80–ARC Prize
CritPtIndex対象外エフォート未記載–––15.4%#100Artificial Analysis
CritPt v2 hard subset (AA)エフォート未記載–––24.5%#91Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–––1511#31Arena (LMArena)
Chess PuzzlesIndex対象外––21.0%#94–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外––8.0%#124–Epoch 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
SciCodeエフォート未記載–––51.6%#105SciCode
FrontierCode––31.8%#31–Cognition
Arena Codingエフォート未記載–––1526#28Arena (LMArena)
Arena WebDevエフォート未記載–––1609#35Arena (LMArena)
LiveBench 2.0 CodingIndex対象外––70.9%#20–LiveBench
LiveBench 1.0 CodingIndex対象外エフォート未記載–––79.0%#26LiveBench
SciCode (AA)Index対象外エフォート未記載–––51.6%#105Artificial Analysis
LiveCodeBench––80.5%#68–Vals AI
IOI––52.5%#24–Vals AI
SWE-bench (Vals)Index対象外––92.0%#10–Vals AI
Code MigrationIndex対象外––20.5%#52–Vals AI
Code Migration v1.1Index対象外––51.6%#16–Vals AI
ProgramBenchIndex対象外––0.0%#34–Vals AI
Vibe Code Bench 1-100Index対象外––16.0%#18–Vals AI
Vibe Code Bench v1.1Index対象外––30.8%#82–Vals AI
SWE Atlas v1.1Index対象外エフォート未記載–––55.3%#21Scale AI SEAL
SWE Atlas v1.1: Codebase QnAIndex対象外エフォート未記載–––66.9%#15Scale AI SEAL
SWE Atlas v1.1: Test WritingIndex対象外エフォート未記載–––53.3%#22Scale AI SEAL
SWE Atlas v1.1: RefactoringIndex対象外エフォート未記載–––45.7%#22Scale AI SEAL
Surface Evolver BenchIndex対象外––52.5%#17–Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外––63.4%#30–Epoch AI Benchmarking Hub
CursorBenchIndex対象外26.9%#8431.1%#7436.8%#59–Cursor
ALE-BenchIndex対象外–303.6#131––Epoch AI Benchmarking Hub
FrontierSWEIndex対象外––18.1%#19–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外エフォート未記載–––32.8%#60Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外エフォート未記載–––84.3%#30Artificial Analysis
GameBench 2 OverallIndex対象外設定全体–––54.9#27DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外46.7#10760.8#6357.2#72–DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載–––1257#55Design Arena
FrontierCode 1.1 (AA)Index対象外エフォート未記載–––41.0%#38Artificial Analysis
FrontierCode 2.0 (AA)エフォート未記載–––17.6%#74Artificial Analysis

エージェント・ツール

ベンチマーク推論なしmax標準出典推移
Terminal-Bench35.5%#6637.0%#62–Terminal-Bench
APEX-Agentsエフォート未記載––52.8%#31Mercor
Arena Agentエフォート未記載––-2.9#38Arena (LMArena)
LiveBench Long AgenticIndex対象外–20.7%#24–LiveBench
LiveBench BrowserIndex対象外–59.8%#20–LiveBench
LiveBench Agentic CodingIndex対象外エフォート未記載––56.8%#25LiveBench
Terminal-Bench 2.1 (Vals)–62.9%#38–Vals AI
GDPval-AA v2.1, normalised scoreIndex対象外エフォート未記載––57.1%#18Artificial Analysis
GDPval-AA v2.1Index対象外エフォート未記載––1648#26Artificial Analysis
τ³-Banking (AA)エフォート未記載––47.2%#8Artificial Analysis
ITBench SRE (AA)Index対象外エフォート未記載––51.2%#4Artificial Analysis
Analyst Agent (AA)Index対象外エフォート未記載––25.0%#34Artificial Analysis
CyberBenchIndex対象外–67.9%#26–Vals AI
Finance Agent v2Index対象外–57.9%#15–Vals AI
Finance Agent v2.1Index対象外–60.6%#24–Vals AI
Harvey's Legal Agent Benchmark v1.1Index対象外–10.4%#23–Vals AI
Harvey's Legal Agent Benchmark v1Index対象外–6.7%#31–Vals AI
Legal Research BenchIndex対象外–45.2%#23–Vals AI
SkillsBenchIndex対象外–40.2%#29–Vals AI
SREBenchIndex対象外–0.8%#28–Vals AI
Tax Agent BenchIndex対象外–31.6%#29–Vals AI
Terminal-Bench 4.0 (Vals)Index対象外–37.4%#22–Vals AI
Terminal-Bench ScienceIndex対象外–2.9%#34–Vals AI
Arena Agent Task CompletionIndex対象外エフォート未記載––1.3#29Arena (LMArena)
PostTrainBenchIndex対象外–36.8%#7–Epoch AI Benchmarking Hub
AutomationBenchIndex対象外エフォート未記載––60.4%#52Artificial Analysis
GDP.pdf (AA)Index対象外エフォート未記載––15.4%#122Artificial Analysis
Harvey LAB-AA v1.1Index対象外エフォート未記載––0.8%#24Harvey
EnterpriseOps-GymIndex対象外エフォート未記載––33.2%#39Artificial Analysis
AA-Briefcase v1.1Index対象外エフォート未記載––1450#65Artificial Analysis
Terminal-Bench-Science 0.1 (AA)Index対象外エフォート未記載––4.8%#83Artificial Analysis
CWE-Bench (AA)エフォート未記載––55.8%#14Artificial Analysis
DeepSec-Bench (AA)エフォート未記載––19.9%#16Artificial Analysis
CyberGym end-to-end (AA)エフォート未記載––74.0%#9Artificial Analysis
MKA (AA)Index対象外エフォート未記載––36.2%#17Artificial Analysis

数学

ベンチマークmax標準出典推移
FrontierMath Tiers 1–355.8%#51–Epoch AI Benchmarking Hub
FrontierMath Tier 417.1%#60–Epoch AI Benchmarking Hub
OTIS Mock AIME93.9%#65–Epoch AI Benchmarking Hub
ProofBench21.0%#52–Vals AI
LiveBench MathematicsIndex対象外エフォート未記載–81.2%#60LiveBench
Arena Mathsエフォート未記載–1505#11Arena (LMArena)

知識

ベンチマークmax標準出典推移
LiveBench 2.0 Data AnalysisIndex対象外76.4%#20–LiveBench
LiveBench ResearchIndex対象外73.9%#26–LiveBench
LiveBench 1.0 Data AnalysisIndex対象外エフォート未記載–76.4%#34LiveBench
AA-Omniscience v1.1エフォート未記載–0.7#84Artificial Analysis
MMLU-Pro86.1%#48–Vals AI
LegalBench83.9%#45–Vals AI
TaxEval75.6%#16–Vals AI
Excel Modeling BenchmarkIndex対象外55.9%#49–Vals AI
Excel Modeling Benchmark v1.1Index対象外66.3%#31–Vals AI
MedScribeIndex対象外88.9%#9–Vals AI
Access to Justice BenchmarkIndex対象外71.1%#14–Vals AI
GDP.pdfIndex対象外14.0%#42–Epoch AI Benchmarking Hub
AA-Omniscience v1.1: accuracyIndex対象外エフォート未記載–28.2%#102Artificial Analysis
AA-Omniscience v1.1: non-hallucinationIndex対象外エフォート未記載–61.6%#52Artificial Analysis

指示追従

ベンチマーク標準出典推移
LiveBench LanguageIndex対象外77.3%#42LiveBench
LiveBench Instruction FollowingIndex対象外52.8%#68LiveBench
Arena Instruction FollowingIndex対象外1474#35Arena (LMArena)

人間の評価

ベンチマーク標準出典推移
Arena Text1475#36Arena (LMArena)
Arena Creative WritingIndex対象外1435#66Arena (LMArena)
Arena Multi-turnIndex対象外1476#51Arena (LMArena)
Arena Longer QueriesIndex対象外1480#51Arena (LMArena)

マルチモーダル

ベンチマークmax標準出典推移
Arena Visionエフォート未記載–1295#23Arena (LMArena)
LiveBench DesignIndex対象外73.7%#19–LiveBench
MMMU-Pro (Vals)Index対象外86.0%#23–Vals AI
SAGEIndex対象外89.3%#5–Vals AI
Humanity's Sixth SenseIndex対象外26.8%#24–Scale AI SEAL
VIALS-AAIndex対象外エフォート未記載–39.8%#16Handshake AI
Code2Video-AAIndex対象外エフォート未記載–975#20Artificial Analysis
AA-3DIndex対象外エフォート未記載–937#19Artificial Analysis

長文コンテキスト

ベンチマーク標準出典推移
AA-LCR v1.180.0%#88Artificial Analysis
MLCRIndex対象外11.7%#112Artificial Analysis
FACTS GroundingIndex対象外56.1%#22Google

総合

ベンチマークmax標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載–153.8#51Epoch AI Benchmarking Hub
LiveBench 2.060.7%#23–LiveBench
LiveBench 1.0Index対象外エフォート未記載–71.6%#54LiveBench
AA Intelligence Index v5.0.1Index対象外エフォート未記載–27.8#75Artificial Analysis
AA Intelligence Index v4.3.2Index対象外エフォート未記載–41.8#60Artificial Analysis
AA Progress Index v1Index対象外エフォート未記載–318.6#68Artificial Analysis
Vals IndexIndex対象外50.9#30–Vals AI
Vals Finance IndexIndex対象外55.8%#26–Vals AI
Vals Router IndexIndex対象外エフォート未記載–50.9%#20Vals AI
Vals Legal IndexIndex対象外71.0%#16–Vals AI
AA Cyber IndexIndex対象外エフォート未記載–49.9#9Artificial Analysis

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外26.7%#51Scale AI SEAL
DistressBenchIndex対象外72.7%#19Scale AI SEAL

GameBench 2 Overall: 54.9. GameBench 2, best reasoning setting (High): 60.8. 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.

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
CoreWeave168 tok/s0.52 s$0.120$0.3801.0Mnvfp4
Reka AI165 tok/s0.53 s$0.120$0.3001.0M–
Together156 tok/s0.43 s$0.150$0.5001.0M–
Particle AI147 tok/s0.61 s$0.120$0.5001.0Mnvfp4
Open Inference141 tok/s0.66 s$0.060$0.3001.0Mfp4
Friendli140 tok/s0.42 s$0.150$0.5001.0M–
Mistral135 tok/s1.07 s$0.150$0.5001.0M–
Cohere133 tok/s0.67 s$0.150$0.5001.0Mnvfp4
Baseten133 tok/s0.31 s$0.150$0.5001.0Mfp8
DigitalOcean133 tok/s0.71 s$0.113$0.3751.0M–
KT132 tok/s0.98 s$0.150$0.5001.0M–
Fireworks130 tok/s0.57 s$0.225$0.7501.0M–
Parasail128 tok/s0.69 s$0.188$0.6251.0Mfp4
Fireworks115 tok/s0.92 s$0.150$0.5001.0M–
Relace103 tok/s0.57 s$0.040$0.0781.0Mfp4
inference.net101 tok/s0.29 s$0.108$0.3501.0Mfp4
Venice101 tok/s0.71 s$0.150$0.5001.0M–
Parasail96 tok/s0.63 s$0.150$0.5001.0Mfp4
inference.net93 tok/s0.39 s$0.108$0.3501.0Mfp4
Crusoe93 tok/s0.74 s$0.150$0.5001.0Mfp4
Inceptron92 tok/s0.51 s$0.175$0.4701.0Mfp8
DeepInfra91 tok/s0.85 s$0.150$0.5001.0Mfp4
Makora83 tok/s0.78 s$0.140$0.2401.0Mfp4
Wafer75 tok/s0.67 s$0.042$0.1841.0Mnvfp4
River75 tok/s0.83 s$0.096$0.3201.0M–
NextBit74 tok/s0.76 s$0.120$0.4501.0Mfp4
Wafer71 tok/s0.52 s$0.065$0.2401.0Mnvfp4
Sail Research68 tok/s1.16 s$0.175$0.6251.0Mfp4
Nebius Token Factory67 tok/s0.74 s$0.150$0.5001.0Mfp4
DekaLLM63 tok/s1.21 s$0.100$0.5001.0M–
Morph62 tok/s0.56 s$0.131$0.1371.0Mfp8
GMICloud52 tok/s1.90 s$0.075$0.2501.0Mfp8
StreamLake45 tok/s2.42 s$0.088$0.2951.0Mfp8
Sail Research42 tok/s0.77 s$0.175$0.6251.0Mfp4
SiliconFlow41 tok/s1.88 s$0.100$0.4001.0Mfp8
Modal41 tok/s0.85 s$0.150$0.5001.0Mfp4
AtlasCloud40 tok/s7.24 s$0.150$0.5001.0Mfp8
Tenstorrent39 tok/s7.57 s$0.075$0.250262kfp8
Z.ai31 tok/s2.35 s$0.150$0.5001.0Mfp8
NovitaAI27 tok/s3.30 s$0.084$0.2801.0Mfp8
NEAR AI24 tok/s0.94 s$0.080$0.5001.0Mfp8
Darkbloom17 tok/s5.63 s$0.065$0.180262kfp4

利用状況

GLM 5.3 Flash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
#4
トークンシェア5.6%
Vercel AI Gateway、7日間
6.5%
トークンシェア
可用性、72時間
99.8%
OpenRouter、全プロバイダー
ツール呼び出しのエラー、7日間
1.00%
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56.3T、前週比 −10%。

直近30日間の典型的なリクエスト:リクエストあたり25.6kトークン、出力1トークンあたり入力32トークン、入力の83%がキャッシュから、出力の40%が推論、リクエストあたり0.30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 (6.74T)、Hermes Agent (3.42T)、Portkey AI (3.37T)、pi (1.46T)、Lemonade (1.12T)。

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
Runinfra386 tok/s1.58 s99.92%
Runware313 tok/s0.56 s100.00%
Particle297 tok/s0.86 s99.99%
Together AI232 tok/s0.60 s99.99%
DigitalOcean212 tok/s0.72 s100.00%
Friendli179 tok/s0.19 s100.00%

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。

価格の推移

上記の価格(100万トークンあたり)を、変更があった日ごとに示します。

$0.00$0.138$0.275$0.413$0.55026年9月26年10月26年11月
入力 出力
現在:入力$0.150・出力$0.500

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$0.030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$0.0002$0.00021.5 min
30ページのレポートを要約12,000 / 600$0.0021$0.00101.6 min
コード編集6,000 / 1,500$0.0017$0.00111.9 min
エージェント型コーディングセッション60,000 / 4,000$0.011$0.00562.7 min
構造化データの抽出2,000 / 200$0.0004$0.00021.5 min

このモデルを含むコーディングプラン

GLM 5.3 Flash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 Flashと比較する

関連ページ

埋め込み・引用

GLM 5.3 Flash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 Flash on BenchLeader: 総合 69位](https://www.benchleader.com/badge/glm-5-3-flash.svg)](https://www.benchleader.com/models/glm-5-3-flash)

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

BibTeX:

@misc{benchleader_glm_5_3_flash_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM 5.3 Flash on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-5-3-flash}},
  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 Flashのベンチマークスコアは?
2026年11月16日時点で、GLM 5.3 FlashのBenchLeader Indexは57.8 ±4.7です。最も強いのは数学(69)、最も弱いのは知識(45)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 Flashの順位は?
2026年11月16日時点で、GLM 5.3 Flashはランク付けされた608構成中146位です。ほかに250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 Flash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 Flashの料金は入力100万トークンあたり$0.150、出力100万トークンあたり$0.500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$0.238です。定価が最後に変わったのは2026年9月9日です。
GLM 5.3 FlashはDeepSeek V4.1 Flash 1017より優れていますか?
2026年11月16日時点で、DeepSeek V4.1 Flash 1017(推論エフォート max)とGLM 5.3 Flashの品質はほぼ互角です(BenchLeader Indexで57.7対57.8、±5.9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 Flashはいつリリースされましたか?
Zhipu AIが2026年8月20日にGLM 5.3 Flashをリリースしました。BenchLeaderには5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 Flash: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-flash