BenchLeader

Claude Opus 5 vs GLM 5.3

完整资料:Claude Opus 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 14 个来源

截至 2026年11月16日,质量上 Claude Opus 5 领先 GLM 5.3(BenchLeader Index 65.0 比 58.8)。不过,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)。在两者都有成绩的所有类别中,Claude Opus 5 均领先。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,GLM 5.3 为 58.8(BenchLeader,2026年11月16日)。
  • Claude Opus 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)。
  • 在两者都有结果的 71 项基准测试中,Claude Opus 5 领先 63 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,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Claude Opus 5类别得分 67 比 60;Arena WebDev 1691 比 1623中
智能体与工具调用Claude Opus 5类别得分 64 比 58;Terminal-Bench 52.1% 比 41.2%中
数学Claude Opus 5类别得分 70 比 60;FrontierMath Tiers 1–3 85.6% 比 68.8%高
推理Claude Opus 5类别得分 66 比 55;GPQA Diamond 93.9% 比 90.9%高
知识Claude Opus 5类别得分 65 比 54;SimpleQA Verified 59.9% 比 41.0%高
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 79.7%均可
对话质量(人类偏好)均可Arena 投票 68 比 67均可
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–
首次回答最快均可首个回答 token 48.5 秒(Claude Opus 5 (max))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

  • 质量上 Claude Opus 5 (max) 领先:65.0 比 58.8。
  • Claude Opus 5 (max) 在智能体与工具、编程、人类偏好、知识、数学、推理方面更强。
  • GLM 5.3 (max) 在长上下文方面更强。
  • 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)。

概览

规格Claude Opus 5GLM 5.3
提供商AnthropicZhipu AI
发布日期2026年7月24日2026年8月18日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Opus 5 (max)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 5 (max)GLM 5.3 (max)领先者
推理66.154.7Claude Opus 5
编程67.059.7Claude Opus 5
智能体与工具63.857.6Claude Opus 5
数学69.860.0Claude Opus 5
知识65.253.5Claude Opus 5
人类偏好68.167.2持平
多模态67.2–无法比较
长上下文64.364.5持平

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长上下文人类偏好Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 人类偏好: 68.1GLM 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, 长上下文: 64.5GLM 5.3, 人类偏好: 67.2

未绘制(测得的模型少于两个):指令遵循, 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 71 项基准测试中,Claude Opus 5 领先 63 项,GLM 5.3 领先 8 项。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。

综合 IndexClaude Opus 5 (max)GLM 5.3 (max)领先者
BenchLeader Index65.058.8Claude Opus 5
AA Intelligence Index v5.0.144.231.6Claude Opus 5
Arena Text14891482Claude Opus 5

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 5 (max)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)$11.82$5.01
每项任务输出 token(AA Index)118k119k
其中推理部分73k85k
每项任务耗时(AA Index)25 min23 min
输出速度80 tok/s88 tok/s
首次回答时间48.5 秒57.6 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒144.1 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Opus 5 (max) 上花费 $11.82,在 GLM 5.3 (max) 上花费 $5.01;完成同样的工作,GLM 5.3 (max) 输出的 token 是对方的 1.0 倍。

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 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 172 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 5 (max)GLM 5.3 (max)
BenchLeader IndexBenchLeader65.058.8
智能体与工具得分BenchLeader63.857.6
编程得分BenchLeader67.059.7
人类偏好得分BenchLeader68.167.2
知识得分BenchLeader65.253.5
长上下文得分BenchLeader64.364.5
数学得分BenchLeader69.860.0
多模态得分BenchLeader67.2–
推理得分BenchLeader66.154.7
混合价格(美元/百万 token)BenchLeader$10.00$2.15
输出速度BenchLeader80 tok/s88 tok/s
首次回答时间BenchLeader48.5 秒57.6 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%90.9%
SimpleBenchSimpleBench80.6%†66.2%†
Arena Hard PromptsArena (LMArena)15131507
LiveBench 1.0 ReasoningLiveBench91.2%85.8%†
GPQA Diamond (AA)Artificial Analysis93.2%91.7%
Humanity's Last Exam (AA)Artificial Analysis54.9%42.3%
HLE-Diamond (AA)Artificial Analysis44.8%17.9%
GPQA Diamond (Vals)Vals AI93.4%†88.1%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.4%–
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%19.1%
CritPt v2 hard subset (AA)Artificial Analysis50.0%33.5%
MysteryMechanismVals AI37.4%23.0%
HLE-Diamond (Scale)Scale AI SEAL38.6%†16.4%†
Arena ExpertArena (LMArena)15301522
Chess PuzzlesEpoch AI Benchmarking Hub43.0%37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%33.0%
LMCAEpoch AI Benchmarking Hub63.3%55.5%†
DTBenchEpoch AI Benchmarking Hub97.6%87.7%†
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†14.9%†
编程
SciCodeSciCode56.4%59.0%
WeirdMLWeirdML91.8%75.4%
FrontierCodeCognition53.4%40.1%
显示全部 172 项基准测试
指标发布方Claude Opus 5 (max)GLM 5.3 (max)
编程
Arena CodingArena (LMArena)15281522
Arena WebDevArena (LMArena)16911623
LiveBench 1.0 CodingLiveBench81.5%79.0%†
LiveCodeBenchVals AI89.0%80.5%
IOIVals AI84.3%68.4%
SWE-bench (Vals)Vals AI97.0%†95.4%
Code MigrationVals AI57.5%44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI3.0%1.5%
Vibe Code Bench 1-100Vals AI28.5%20.0%
Vibe Code Bench v1.1Vals AI88.4%†78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
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 SEAL99.4%†95.6%
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†84.3%
MirrorCodeEpoch AI Benchmarking Hub87.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%69.0%
CursorBenchCursor46.6%42.6%
ALE-BenchEpoch AI Benchmarking Hub2164.6†1317.4†
FrontierSWEEpoch AI Benchmarking Hub52.0%30.2%
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%83.9%
Startrise FrontendStartrise82.3%†73.2%†
GameBench 2 OverallDuelLab GameBench 276.5†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†72.3
Design Arena WebsiteDesign Arena1304†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis31.1%21.6%
智能体与工具
Terminal-BenchTerminal-Bench52.1%41.2%
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%56.6%†
Arena AgentArena (LMArena)7.21
LiveBench Agentic CodingLiveBench65.2%60.9%†
Terminal-Bench 2.1 (Vals)Vals AI84.6%†71.5%
MCP AtlasScale AI SEAL85.8%†84.2%†
HiL-BenchScale AI SEAL57.0%†58.3%†
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis17291655
τ³-Banking (AA)Artificial Analysis42.1%50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis53.8%38.8%
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%72.1%
Finance Agent v2Vals AI58.6%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 AI6.7%8.3%
Legal Research BenchVals AI55.3%49.0%
SkillsBenchVals AI60.4%47.5%
SREBenchVals AI12.2%9.2%
Tax Agent BenchVals AI47.1%43.3%
Terminal-Bench 4.0 (Vals)Vals AI53.5%38.9%
Terminal-Bench ScienceVals AI27.1%5.7%
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)10.23.1
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†34.5%
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†8163.6†
AutomationBenchArtificial Analysis56.6%62.2%
GDP.pdf (AA)Artificial Analysis21.6%11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis47.5%36.4%
AA-Briefcase v1.1Artificial Analysis16541501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1270†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%9.5%
CWE-Bench (AA)Artificial Analysis–55.8%
DeepSec-Bench (AA)Artificial Analysis25.9%24.3%
CyberGym end-to-end (AA)Artificial Analysis–29.0%
FACTS SearchGoogle–87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%91.1%
ProofBenchVals AI99.0%49.0%
LiveBench MathematicsLiveBench95.7%87.9%†
Arena MathsArena (LMArena)15151501
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%41.0%
LiveBench 1.0 Data AnalysisLiveBench74.5%70.2%†
AA-Omniscience v1.1Artificial Analysis37.66.0
MMLU-ProVals AI91.6%86.8%
LegalBenchVals AI87.0%84.8%
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†72.4%
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI63.6%42.9%
MedScribeVals AI91.0%88.8%
Public Benefits Bench v1.1Vals AI76.9%68.5%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–66.7%
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%61.1%
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle48.8%†40.3%†
指令遵循
LiveBench LanguageLiveBench88.7%79.9%†
LiveBench Instruction FollowingLiveBench63.8%69.3%†
Arena Instruction FollowingArena (LMArena)14941481
人类偏好
Arena TextArena (LMArena)14891482
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†2076†
Arena Creative WritingArena (LMArena)14731456
Arena Multi-turnArena (LMArena)14861482
Arena Longer QueriesArena (LMArena)15021488
多模态
Arena VisionArena (LMArena)1318†–
MMMU-ProArtificial Analysis84.7%–
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
Humanity's Sixth SenseScale AI SEAL30.5%–
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†–
Furniture AssemblyEpoch AI Benchmarking Hub60.8%–
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
长上下文
AA-LCR v1.1Artificial Analysis79.3%79.7%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%17.2%
FACTS GroundingGoogle–55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†157.1†
LiveBench 1.0LiveBench80.1%76.1%†
AA Intelligence Index v5.0.1Artificial Analysis44.231.6
AA Intelligence Index v4.3.2Artificial Analysis50.844.8
AA Progress Index v1Artificial Analysis333.7322.7
Vals IndexVals AI–59.9
Vals Finance IndexVals AI–61.4%
Vals RSI IndexVals AI33.0%22.9%
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†–
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 SEAL16.8%†28.2%
DistressBenchScale AI SEAL70.2%†72.5%†
元数据
AA Openness IndexArtificial Analysis–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 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • GLM 5.3 (max):4 项分数修订。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • 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。

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 5 vs GLM 5.3:常见问题

Claude Opus 5 比 GLM 5.3 更好吗?
质量上 Claude Opus 5 (max) 领先:65.0 比 58.8。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 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 5 还是 GLM 5.3 更好?
Claude Opus 5 在编程方面得分更高(类别得分 67 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 5 为 1691,GLM 5.3 为 1623。
Claude Opus 5 和 GLM 5.3 哪个更快?
GLM 5.3 输出更快(输出 88 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 GLM 5.3 更好?
Claude Opus 5 在智能体任务方面得分更高(类别得分 64 比 58,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 5 为 52.1%,GLM 5.3 为 41.2%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 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 5 和 GLM 5.3 的看法一致吗?
在两者都有结果的 71 项基准测试中,Claude Opus 5 领先 63 项,GLM 5.3 领先 8 项。所有同时评测两者的综合评分都认为 Claude Opus 5 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。