BenchLeader

Claude Opus 4.5 vs GLM 5.3

完整资料:Claude Opus 4.5(Anthropic)和 GLM 5.3(Zhipu AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,Claude Opus 4.5 与 GLM 5.3 的质量不相上下(BenchLeader Index 59.7 比 58.8,在 ±4.4 的误差范围内)。GLM 5.3 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $2.15 比 $10.00)。看重推理(67 比 55)、知识(60 比 54)和数学(65 比 60)选 Claude Opus 4.5;看重智能体与工具(58 比 53)和人类偏好(67 比 66)选 GLM 5.3。Claude Opus 4.5 的首次回答更快(1.1 秒 比 57.6 秒)。GLM 5.3 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.5 的 BenchLeader Index 为 59.7,GLM 5.3 为 58.8(BenchLeader,2026年11月16日)。
  • Claude Opus 4.5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • GLM 5.3 每百万 token 混合价格为 $2.15(标价,2026年11月16日)。
  • GLM 5.3 比 Claude Opus 4.5 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 19 项基准测试中,GLM 5.3 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.5 的评分为 1493,GLM 5.3 为 1623(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程均可类别得分 61 比 60;Arena WebDev 1493 比 1623均可
智能体与工具调用GLM 5.3类别得分 58 比 53中
数学Claude Opus 4.5类别得分 65 比 60;Arena Maths 1472 比 1501中
推理Claude Opus 4.5类别得分 67 比 55;Arena Hard Prompts 1501 比 1507高
知识Claude Opus 4.5类别得分 60 比 54;MMLU-Pro 87.3% 比 86.8%中
对话质量(人类偏好)GLM 5.3Arena 投票 67 比 66中
成本最低GLM 5.3每百万 token 混合价格 $2.15 比 $10.00;智能体编程会话 $0.102 比 $0.400–
首次回答最快Claude Opus 4.5首个回答 token 1.1 秒(Claude Opus 4.5 (high))比 57.6 秒(GLM 5.3 (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Opus 4.5 (high) 与 GLM 5.3 (max) 的质量不相上下(59.7 比 58.8,在 ±4.4 的误差范围内)。
  • Claude Opus 4.5 (high) 在编程、知识、数学、推理方面更强。
  • GLM 5.3 (max) 在智能体与工具、人类偏好方面更强。
  • GLM 5.3 (max) 更便宜,对方的价格是它的 4.7 倍(每百万 token 混合价格 $2.15 比 $10.00)。
  • GLM 5.3 (max) 的输出速度是对方的 2.2 倍(88 比 40 token/秒)。

概览

规格Claude Opus 4.5GLM 5.3
提供商AnthropicZhipu AI
发布日期2025年11月24日2026年8月18日
上下文窗口(token)200,0001,000,000
对比时的配置Claude Opus 4.5 (high)GLM 5.3 (max)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$1.40 / $4.40 / $0.260

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 4.5 (high)GLM 5.3 (max)领先者
推理66.654.7Claude Opus 4.5
编程60.659.7持平
智能体与工具52.757.6GLM 5.3
数学65.360.0Claude Opus 4.5
知识60.053.5Claude Opus 4.5
人类偏好66.267.2GLM 5.3
长上下文–64.5无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识人类偏好Claude Opus 4.5, 推理: 66.6Claude Opus 4.5, 编程: 60.6Claude Opus 4.5, 智能体与工具: 52.7Claude Opus 4.5, 数学: 65.3Claude Opus 4.5, 知识: 60.0Claude Opus 4.5, 人类偏好: 66.2GLM 5.3, 推理: 54.7GLM 5.3, 编程: 59.7GLM 5.3, 智能体与工具: 57.6GLM 5.3, 数学: 60.0GLM 5.3, 知识: 53.5GLM 5.3, 人类偏好: 67.2

未绘制(测得的模型少于两个):指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 19 项基准测试中,Claude Opus 4.5 领先 9 项,GLM 5.3 领先 10 项。所有同时评测两者的综合评分都认为 GLM 5.3 更强。

综合 IndexClaude Opus 4.5 (high)GLM 5.3 (max)领先者
BenchLeader Index59.758.8不相上下
Arena Text14741482GLM 5.3

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 4.5 (high)GLM 5.3 (max)
每百万 token 混合价格$10.00$2.15
每百万 token 输入 / 输出$5.00 / $25.00$1.40 / $4.40
每百万 token 缓存输入$0.500$0.260
每项任务价格:聊天回复$0.0095$0.0019
每项任务价格:总结一份 30 页的报告$0.075$0.019
每项任务价格:代码编辑$0.068$0.015
每项任务价格:智能体编程会话$0.400$0.102
每项任务价格:结构化信息提取$0.015$0.0037
智能体编程会话(输入大多命中缓存)$0.198$0.050
每项基准测试任务成本(AA Index)–$5.01
每项任务输出 token(AA Index)–119k
其中推理部分–85k
每项任务耗时(AA Index)–23 min
输出速度40 tok/s88 tok/s
首次回答时间1.1 秒57.6 秒
完整回答耗时(最近一次测量 2026年11月13日)–144.1 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.5 (high) 得分 59.7,首个回答 token 需 1 秒;Claude Opus 4.5 (thinking) 为 59.3(14 秒),Claude Opus 4.5 为 57.1(1 秒)。GLM 5.3 (max) 得分 58.8,首个回答 token 需 58 秒;GLM 5.3 (low) 为 47.3(7 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 195 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 4.5 (high)GLM 5.3 (max)
BenchLeader IndexBenchLeader59.758.8
智能体与工具得分BenchLeader52.757.6
编程得分BenchLeader60.659.7
人类偏好得分BenchLeader66.267.2
知识得分BenchLeader60.053.5
数学得分BenchLeader65.360.0
推理得分BenchLeader66.654.7
长上下文得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$10.00$2.15
输出速度BenchLeader40 tok/s88 tok/s
首次回答时间BenchLeader1.1 秒57.6 秒
上下文窗口BenchLeader200,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.0%†90.9%
Humanity's Last ExamScale AI / CAIS25.2%†–
SimpleBenchSimpleBench62.0%†66.2%†
Arena Hard PromptsArena (LMArena)15011507
LiveBench 1.0 ReasoningLiveBench80.1%85.8%†
GPQA Diamond (AA)Artificial Analysis86.6%†91.7%
Humanity's Last Exam (AA)Artificial Analysis30.1%†42.3%
HLE-Diamond (AA)Artificial Analysis–17.9%
GPQA Diamond (Vals)Vals AI85.9%88.1%
Kagi LLM BenchmarkKagi LLM Benchmark70.7%†–
ARC-AGI-1ARC Prize80.0%†–
ARC-AGI-2ARC Prize37.6%†–
CritPtArtificial Analysis4.6%†19.1%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–23.0%
SciPredictScale AI SEAL23.1%†–
HLE-Diamond (Scale)Scale AI SEAL–16.4%†
Arena ExpertArena (LMArena)15031522
Chess PuzzlesEpoch AI Benchmarking Hub14.0%†37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†33.0%
CL-benchEpoch AI Benchmarking Hub21.1%†–
LMCAEpoch AI Benchmarking Hub44.5%55.5%†
DTBenchEpoch AI Benchmarking Hub89.9%87.7%†
ForecastBenchForecastBench64.6%†–
BTF-3Epoch AI Benchmarking Hub–14.9%†
显示全部 195 项基准测试
指标发布方Claude Opus 4.5 (high)GLM 5.3 (max)
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†–
SciCodeSciCode–59.0%
WeirdMLWeirdML63.7%†75.4%
FrontierCodeCognition–40.1%
GSO-BenchGSO-Bench26.5%†–
Arena CodingArena (LMArena)15301522
Arena WebDevArena (LMArena)14931623
LiveBench 1.0 CodingLiveBench79.7%79.0%†
LiveCodeBenchVals AI83.7%80.5%
IOIVals AI–68.4%
SWE-bench (Vals)Vals AI76.4%95.4%
SWE-Bench ProScale AI SEAL45.9%†–
SWE-bench Verified (bash only)SWE-bench76.8%–
SWE-bench Multilingual (bash only)SWE-bench70.7%†–
SWE-bench Verified (any scaffold)SWE-bench79.2%†–
Code MigrationVals AI–44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI20.6%78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
SWE-Bench Pro (private)Scale AI SEAL23.4%†–
SWE Atlas v1.1Scale AI SEAL–58.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–55.6%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
SWE-Bench Pro V2Scale AI SEAL–95.6%
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%
DeepSWE v1.1Epoch AI Benchmarking Hub–69.0%
CursorBenchCursor–42.6%
ALE-BenchEpoch AI Benchmarking Hub1025.4†1317.4†
AlgoTuneAlgoTune1.8†–
FrontierSWEEpoch AI Benchmarking Hub–30.2%
WeirdML v3WeirdML6.5%–
Terminal-Bench 4.0 (AA)Artificial Analysis–41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–83.9%
Startrise FrontendStartrise–73.2%†
GameBench 2 OverallDuelLab GameBench 247.1†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–72.3
Design Arena WebsiteDesign Arena1239†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis–21.6%
LiveCodeBench (AA)Artificial Analysis87.1%†–
智能体与工具
Terminal-BenchTerminal-Bench63.1%†41.2%
GDPvalOpenAI45.5%†–
CybenchCybench82.0%†–
Remote Labor IndexScale AI / CAIS3.8%†–
APEX-AgentsMercor–56.6%†
Arena AgentArena (LMArena)–1
LiveBench Agentic CodingLiveBench39.7%60.9%†
Terminal-Bench HardArtificial Analysis47.0%†–
τ²-Bench Telecom (AA)Artificial Analysis89.5%†–
Terminal-Bench 2.1 (Vals)Vals AI–71.5%
MCP AtlasScale AI SEAL69.8%84.2%†
HiL-BenchScale AI SEAL–58.3%†
BFCL OverallBerkeley Function Calling Leaderboard77.5%†–
τ²-benchτ²-bench85.3%–
τ³-bench Bankingτ²-bench24.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis–1655
τ³-Banking (AA)Artificial Analysis–50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis–38.8%
CyberBenchVals AI–72.1%
Finance Agent v2Vals AI–55.8%
Finance Agent v2.1Vals AI–65.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–14.6%
Harvey's Legal Agent Benchmark v1Vals AI–8.3%
Legal Research BenchVals AI–49.0%
Poker AgentVals AI1033.4%†–
SkillsBenchVals AI–47.5%
SREBenchVals AI–9.2%
Tax Agent BenchVals AI–43.3%
Terminal-Bench 2.0 (Vals)Vals AI58.4%–
Terminal-Bench 4.0 (Vals)Vals AI–38.9%
Terminal-Bench ScienceVals AI–5.7%
Arena SearchArena (LMArena)1186†–
Arena Agent Task CompletionArena (LMArena)–3.1
BALROGBALROG43.0%†–
DeepResearch BenchDeepResearch Bench54.8%–
PostTrainBenchEpoch AI Benchmarking Hub–34.5%
METR Time HorizonsMETR75.0%†–
Vending-Bench 2Andon Labs4967.1†8163.6†
AutomationBenchArtificial Analysis–62.2%
GDP.pdf (AA)Artificial Analysis–11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis–36.4%
AA-Briefcase v1.1Artificial Analysis–1501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1156†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–9.5%
CWE-Bench (AA)Artificial Analysis–55.8%
DeepSec-Bench (AA)Artificial Analysis–24.3%
CyberGym end-to-end (AA)Artificial Analysis–29.0%
DeepSearchQAGoogle24.0%†–
FACTS SearchGoogle–87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub34.4%†68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub4.9%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.1%†91.1%
ProofBenchVals AI36.0%†49.0%
LiveBench MathematicsLiveBench90.4%87.9%†
AIME (Vals)Vals AI76.9%†–
MGSMVals AI94.8%†–
Arena MathsArena (LMArena)14721501
AIME 2025 (AA)Artificial Analysis91.3%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub45.7%†41.0%
LiveBench 1.0 Data AnalysisLiveBench74.4%70.2%†
AA-Omniscience v1.1Artificial Analysis–6.0
MMLU-ProVals AI87.3%86.8%
LegalBenchVals AI84.6%84.8%
CorpFinVals AI65.1%–
TaxEvalVals AI74.9%72.4%
MedQAVals AI93.2%†–
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL44.2%†–
MultiNRCScale AI SEAL41.2%†–
CaseLaw v2Vals AI62.6%†–
Excel Modeling BenchmarkVals AI–56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI49.2%42.9%
MedScribeVals AI85.3%88.8%
Public Benefits Bench v1.1Vals AI–68.5%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–66.7%
EBR-benchEpoch AI Benchmarking Hub14.3%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–61.1%
Global-MMLU-Lite (AA)Artificial Analysis91.3%†–
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle–40.3%†
指令遵循
LiveBench LanguageLiveBench81.3%79.9%†
LiveBench Instruction FollowingLiveBench62.5%69.3%†
IFBenchArtificial Analysis58.0%†–
MultiChallengeScale AI SEAL59.0%†–
TutorBenchScale AI SEAL49.8%†–
Arena Instruction FollowingArena (LMArena)14831481
人类偏好
Arena TextArena (LMArena)14741482
EQ-Bench Creative Writing v3EQ-Bench1686†2076†
Arena Creative WritingArena (LMArena)14691456
Arena Multi-turnArena (LMArena)14851482
Arena Longer QueriesArena (LMArena)14951488
多模态
MMMU-ProArtificial Analysis74.0%†–
VISTAScale AI SEAL45.3%†–
MMMU-Pro (Vals)Vals AI83.0%–
MortgageTaxVals AI68.7%–
GeoBenchGeoBench75.0%†–
VPCTEpoch AI Benchmarking Hub40.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
长上下文
AA-LCR v1.1Artificial Analysis77.3%†79.7%
Arena DocumentArena (LMArena)1468†–
MLCRArtificial Analysis–17.2%
FACTS GroundingGoogle–55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.9†157.1†
LiveBench 1.0LiveBench72.6%76.1%†
AA Intelligence Index v5.0.1Artificial Analysis–31.6
AA Intelligence Index v4.3.2Artificial Analysis29.1†44.8
AA Progress Index v1Artificial Analysis284.4†322.7
Vals IndexVals AI–59.9
Vals Finance IndexVals AI–61.4%
Vals RSI IndexVals AI14.8%22.9%
Vals Router IndexVals AI–59.7%†
Vals Legal IndexVals AI–74.6%
AA Cyber IndexArtificial Analysis–36.4
安全与诚实
FORTRESSScale AI SEAL13.6%†28.2%
MASKScale AI SEAL87.1%†–
DistressBenchScale AI SEAL–72.5%†
元数据
AA Openness IndexArtificial Analysis11.1†33.3

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

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.

变化

  • Claude Opus 4.5 (high):13 项新结果(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • GLM 5.3 (max):4 项分数修订。
  • GLM 5.3 (max):1 项分数修订;价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):BenchLeader Index 61.3 → 58.9。
  • GLM 5.3 (max):5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $2.01/M → $5.01/M;价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.5 vs GLM 5.3:常见问题

Claude Opus 4.5 比 GLM 5.3 更好吗?
Claude Opus 4.5 (high) 与 GLM 5.3 (max) 的质量不相上下(59.7 比 58.8,在 ±4.4 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.5 和 GLM 5.3 哪个更便宜?价格会变吗?
目前 GLM 5.3 更便宜:每百万 token $2.15 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.5 还是 GLM 5.3 更好?
两者在编程方面持平(类别得分 61 比 60)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.5 为 1493,GLM 5.3 为 1623。
Claude Opus 4.5 和 GLM 5.3 哪个更快?
GLM 5.3 输出更快(约 1.5 倍;输出 88 比 40 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.5 还是 GLM 5.3 更好?
GLM 5.3 在智能体任务方面得分更高(类别得分 58 比 53,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
GLM 5.3 支持更长的上下文:1,000,000 token,Claude Opus 4.5 为 200,000 token。
哪个延迟更低?
Claude Opus 4.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.1 秒比 57.6 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 4.5 和 GLM 5.3 的看法一致吗?
在两者都有结果的 19 项基准测试中,Claude Opus 4.5 领先 9 项,GLM 5.3 领先 10 项。所有同时评测两者的综合评分都认为 GLM 5.3 更强。
GLM 5.3 是什么时候发布的?
GLM 5.3 于 2026年8月18日 发布。