BenchLeader

Claude Sonnet 5.5 vs GLM-5

完整资料:Claude Sonnet 5.5(Anthropic)和 GLM-5(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,质量上 Claude Sonnet 5.5 领先 GLM-5(BenchLeader Index 64.2 比 60.2)。不过,GLM-5 更便宜,对方的价格是它的 2.6 倍(每百万 token 混合价格 $1.55 比 $4.00)。在两者都有成绩的所有类别中,Claude Sonnet 5.5 均领先。Claude Sonnet 5.5 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,GLM-5 为 60.2(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GLM-5 每百万 token 混合价格为 $1.55(标价,2026年11月16日)。
  • Claude Sonnet 5.5 比 GLM-5 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 5 项基准测试中,Claude Sonnet 5.5 领先 5 项(BenchLeader,2026年11月16日)。

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 Sonnet 5.5类别得分 70 比 59;Vibe Code Bench v1.1 92.4% 比 23.4%高
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 58高
数学Claude Sonnet 5.5类别得分 71 比 63高
推理均可类别得分 68 比 68;Humanity's Last Exam (AA) 55.0% 比 29.3%均可
知识均可类别得分 57 比 57均可
长文档Claude Sonnet 5.5类别得分 66 比 62;AA-LCR v1.1 82.7% 比 75.7%中
成本最低GLM-5每百万 token 混合价格 $1.55 比 $4.00;智能体编程会话 $0.073 比 $0.160–
首次回答最快GLM-5首个回答 token 29.2 秒(GLM-5 (thinking))比 290.5 秒(Claude Sonnet 5.5 (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 Sonnet 5.5 (max) 领先:64.2 比 60.2。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程、长上下文、数学方面更强。
  • GLM-5 (thinking) 在推理方面更强。
  • GLM-5 (thinking) 更便宜,对方的价格是它的 2.6 倍(每百万 token 混合价格 $1.55 比 $4.00)。
  • Claude Sonnet 5.5 (max) 的输出速度是对方的 2.2 倍(152 比 69 token/秒)。

概览

规格Claude Sonnet 5.5GLM-5
提供商AnthropicZhipu AI
发布日期2026年9月28日2026年2月11日
上下文窗口(token)1,000,000204,800
对比时的配置Claude Sonnet 5.5 (max)GLM-5 (thinking)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$1.00 / $3.20 / $0.200

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 Sonnet 5.5 (max)GLM-5 (thinking)领先者
推理67.868.2持平
编程70.259.1Claude Sonnet 5.5
智能体与工具70.558.0Claude Sonnet 5.5
数学71.363.4Claude Sonnet 5.5
知识57.457.4持平
指令遵循–70.9无法比较
长上下文66.062.4Claude Sonnet 5.5
综合63.0–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长上下文Claude Sonnet 5.5, 推理: 67.8Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 智能体与工具: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知识: 57.4Claude Sonnet 5.5, 长上下文: 66.0GLM-5, 推理: 68.2GLM-5, 编程: 59.1GLM-5, 智能体与工具: 58.0GLM-5, 数学: 63.4GLM-5, 知识: 57.4GLM-5, 长上下文: 62.4

未绘制(测得的模型少于两个):指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 5 项基准测试中,Claude Sonnet 5.5 领先 5 项,GLM-5 领先 0 项。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。

综合 IndexClaude Sonnet 5.5 (max)GLM-5 (thinking)领先者
BenchLeader Index64.260.2Claude Sonnet 5.5
Arena Text1473†1457Claude Sonnet 5.5

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 Sonnet 5.5 (max)GLM-5 (thinking)
每百万 token 混合价格$4.00$1.55
每百万 token 输入 / 输出$2.00 / $10.00$1.00 / $3.20
每百万 token 缓存输入$0.100$0.200
每项任务价格:聊天回复$0.0038$0.0014
每项任务价格:总结一份 30 页的报告$0.030$0.014
每项任务价格:代码编辑$0.027$0.011
每项任务价格:智能体编程会话$0.160$0.073
每项任务价格:结构化信息提取$0.0060$0.0026
智能体编程会话(输入大多命中缓存)$0.074$0.037
每项基准测试任务成本(AA Index)$10.02–
每项任务输出 token(AA Index)285k–
其中推理部分206k–
每项任务耗时(AA Index)31 min–
输出速度152 tok/s69 tok/s
首次回答时间290.5 秒29.2 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒81.4 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。GLM-5 (thinking) 得分 60.2,首个回答 token 需 29 秒;GLM-5 为 54.9(2 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 176 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 Sonnet 5.5 (max)GLM-5 (thinking)
BenchLeader IndexBenchLeader64.260.2
智能体与工具得分BenchLeader70.558.0
编程得分BenchLeader70.259.1
综合得分BenchLeader63.0–
知识得分BenchLeader57.457.4
长上下文得分BenchLeader66.062.4
数学得分BenchLeader71.363.4
推理得分BenchLeader67.868.2
指令遵循得分BenchLeader–70.9
混合价格(美元/百万 token)BenchLeader$4.00$1.55
输出速度BenchLeader152 tok/s69 tok/s
首次回答时间BenchLeader290.5 秒29.2 秒
上下文窗口BenchLeader1,000,000 token204,800 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%87.8%†
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†53.2%†
Arena Hard PromptsArena (LMArena)1499†1478†
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench91.6%–
GPQA Diamond (AA)Artificial Analysis–82.0%
Humanity's Last Exam (AA)Artificial Analysis55.0%29.3%
HLE-Diamond (AA)Artificial Analysis53.3%–
GPQA Diamond (Vals)Vals AI–83.3%
Kagi LLM BenchmarkKagi LLM Benchmark–75.0%
ARC-AGI-1ARC Prize96.5%44.7%†
ARC-AGI-2ARC Prize83.9%†4.9%†
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%2.0%
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1482†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
CL-benchEpoch AI Benchmarking Hub–18.7%†
LMCAEpoch AI Benchmarking Hub68.3%–
DTBenchEpoch AI Benchmarking Hub97.3%–
ForecastBenchForecastBench–63.4%†
显示全部 176 项基准测试
指标发布方Claude Sonnet 5.5 (max)GLM-5 (thinking)
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–72.1%†
SciCodeSciCode61.0%–
WeirdMLWeirdML–48.2%†
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†1498†
Arena WebDevArena (LMArena)1772†1435†
LiveBench 2.0 CodingLiveBench77.2%–
LiveBench 1.0 CodingLiveBench91.4%–
LiveCodeBenchVals AI–81.9%
IOIVals AI83.1%–
SWE-bench (Vals)Vals AI–71.4%
SWE-bench Verified (bash only)SWE-bench–72.8%†
SWE-bench Multilingual (bash only)SWE-bench–69.7%†
SWE-bench Verified (any scaffold)SWE-bench–72.8%†
Code MigrationVals AI69.8%–
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%23.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–20.5%†
SWE Atlas v1.0: RefactoringScale AI SEAL–24.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–28.7%†
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†765.6†
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%–
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†–
GameBench 2 by reasoning settingDuelLab GameBench 291.4†–
Design Arena WebsiteDesign Arena1309†1239†
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%–
智能体与工具
Terminal-BenchTerminal-Bench63.9%52.4%†
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%–
LiveBench BrowserLiveBench89.3%–
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench HardArtificial Analysis–43.2%
τ²-Bench Telecom (AA)Artificial Analysis–98.3%
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
τ²-benchτ²-bench–81.0%
τ³-bench Bankingτ²-bench–9.8%
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis1838–
Analyst Agent (AA)Artificial Analysis57.5%–
APEX-Agents (AA)Artificial Analysis–14.4%
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%–
Finance Agent v2.1Vals AI67.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%–
Harvey's Legal Agent Benchmark v1Vals AI2.9%–
Legal Research BenchVals AI48.1%–
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%–
Terminal-Bench 2.0 (Vals)Vals AI–49.4%
Terminal-Bench 4.0 (Vals)Vals AI64.1%–
Terminal-Bench ScienceVals AI47.1%–
Arena Agent Task CompletionArena (LMArena)19.5–
Vending-Bench 2Andon Labs11165.3†4432.1†
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%–
GDP.pdf (AA)Artificial Analysis25.8%–
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis1816–
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†1115†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%–
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%80.0%†
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
AIME (Vals)Vals AI–91.7%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–86.4%†
USAMO 2026MathArena–35.1%†
MathArena ApexMathArena–10.9%†
Arena MathsArena (LMArena)1486†1443†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%–
LiveBench 2.0 Data AnalysisLiveBench59.5%–
LiveBench ResearchLiveBench88.0%–
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.5–
MMLU-ProVals AI–86.0%
LegalBenchVals AI–84.1%
CorpFinVals AI–62.9%
TaxEvalVals AI–70.0%
MedQAVals AI–94.3%
BioMysteryBenchVals AI81.1%–
CaseLaw v2Vals AI–52.5%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%–
Excel Modeling Benchmark v1.1Vals AI75.9%–
MedCodeVals AI52.9%–
MedScribeVals AI91.1%–
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%–
Global-MMLU-Lite (AA)Artificial Analysis–81.9%†
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指令遵循
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
IFBenchArtificial Analysis–72.3%
Arena Instruction FollowingArena (LMArena)1482†1447†
人类偏好
Arena TextArena (LMArena)1473†1457†
EQ-Bench Creative Writing v3EQ-Bench–1601†
Arena Creative WritingArena (LMArena)1464†1447†
Arena Multi-turnArena (LMArena)1469†1472†
Arena Longer QueriesArena (LMArena)1491†1469†
多模态
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%–
SAGEVals AI88.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%75.7%
MLCRArtificial Analysis41.7%–
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†146.5†
LiveBench 2.0LiveBench77.0%–
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.5–
AA Intelligence Index v4.3.2Artificial Analysis5627.9
AA Progress Index v1Artificial Analysis350.5280.9
Vals IndexVals AI70.8–
Vals Finance IndexVals AI64.5%–
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%–
安全与诚实
DistressBenchScale AI SEAL74.6%†71.2%†
元数据
AA Openness IndexArtificial Analysis–50

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 Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • GLM-5 (thinking):价格 $0.15/M → $0.20/M。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • GLM-5 (thinking):价格 $0.20/M → $0.15/M。
  • GLM-5 (thinking):价格 $0.15/M → $0.20/M。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Sonnet 5.5 vs GLM-5:常见问题

Claude Sonnet 5.5 比 GLM-5 更好吗?
质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 60.2。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 Sonnet 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 5.5 和 GLM-5 哪个更便宜?价格会变吗?
目前 GLM-5 更便宜:每百万 token $1.55 比 $4.00(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 Sonnet 5.5 还是 GLM-5 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 59,50 为平均水平)。
Claude Sonnet 5.5 和 GLM-5 哪个更快?
Claude Sonnet 5.5 输出更快(约 2 倍;输出 152 比 69 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5.5 还是 GLM-5 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 58,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
Claude Sonnet 5.5 在长上下文基准测试上得分更高(66 比 62)。Claude Sonnet 5.5 支持更长的上下文:1,000,000 token,GLM-5 为 204,800 token。
哪个延迟更低?
GLM-5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 29.2 秒比 290.5 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 Sonnet 5.5 和 GLM-5 的看法一致吗?
在两者都有结果的 5 项基准测试中,Claude Sonnet 5.5 领先 5 项,GLM-5 领先 0 项。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。
Claude Sonnet 5.5 是什么时候发布的?
Claude Sonnet 5.5 于 2026年9月28日 发布。