BenchLeader

Claude Sonnet 5 vs GLM 5.3

完整资料:Claude Sonnet 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 11 个来源

截至 2026年11月16日,Claude Sonnet 5 与 GLM 5.3 的质量不相上下(BenchLeader Index 59.0 比 58.8,在 ±3.9 的误差范围内)。GLM 5.3 更便宜,对方的价格是它的 1.9 倍(每百万 token 混合价格 $2.15 比 $4.00)。看重推理(65 比 55)和数学(65 比 60)选 Claude Sonnet 5;看重智能体与工具(58 比 53)、人类偏好(67 比 65)和长上下文(65 比 63)选 GLM 5.3。Claude Sonnet 5 的首次回答更快(15.8 秒 比 57.6 秒)。Claude Sonnet 5 的输出更快。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,GLM 5.3 为 58.8(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(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)。
  • Claude Sonnet 5 比 GLM 5.3 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 25 项基准测试中,GLM 5.3 领先 24 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,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 60 比 60;Arena WebDev 1539 比 1623均可
智能体与工具调用GLM 5.3类别得分 58 比 53;Arena Agent 1 比 2中
数学Claude Sonnet 5类别得分 65 比 60;Arena Maths 1472 比 1501中
推理Claude Sonnet 5类别得分 65 比 55;Arena Hard Prompts 1490 比 1507高
长文档GLM 5.3类别得分 65 比 63;AA-LCR v1.1 79.7% 比 76.7%中
对话质量(人类偏好)GLM 5.3Arena 投票 67 比 65中
成本最低GLM 5.3每百万 token 混合价格 $2.15 比 $4.00;智能体编程会话 $0.102 比 $0.160–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 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 Sonnet 5 (high) 与 GLM 5.3 (max) 的质量不相上下(59.0 比 58.8,在 ±3.9 的误差范围内)。
  • Claude Sonnet 5 (high) 在编程、数学、推理方面更强。
  • GLM 5.3 (max) 在智能体与工具、人类偏好、长上下文方面更强。
  • GLM 5.3 (max) 更便宜,对方的价格是它的 1.9 倍(每百万 token 混合价格 $2.15 比 $4.00)。

概览

规格Claude Sonnet 5GLM 5.3
提供商AnthropicZhipu AI
发布日期2026年6月30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 Sonnet 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)$2.00 / $10.00 / $0.200$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 Sonnet 5 (high)GLM 5.3 (max)领先者
推理65.454.7Claude Sonnet 5
编程59.959.7持平
智能体与工具52.957.6GLM 5.3
数学65.360.0Claude Sonnet 5
知识–53.5无法比较
人类偏好64.667.2GLM 5.3
多模态60.9–无法比较
长上下文62.964.5GLM 5.3

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长上下文人类偏好Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 人类偏好: 64.6GLM 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, 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):知识, 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 25 项基准测试中,Claude Sonnet 5 领先 1 项,GLM 5.3 领先 24 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 Sonnet 5 (high)GLM 5.3 (max)领先者
BenchLeader Index59.058.8不相上下
Arena Text14611482GLM 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 Sonnet 5 (high)GLM 5.3 (max)
每百万 token 混合价格$4.00$2.15
每百万 token 输入 / 输出$2.00 / $10.00$1.40 / $4.40
每百万 token 缓存输入$0.200$0.260
每项任务价格:聊天回复$0.0038$0.0019
每项任务价格:总结一份 30 页的报告$0.030$0.019
每项任务价格:代码编辑$0.027$0.015
每项任务价格:智能体编程会话$0.160$0.102
每项任务价格:结构化信息提取$0.0060$0.0037
智能体编程会话(输入大多命中缓存)$0.079$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99 tok/s88 tok/s
首次回答时间15.8 秒57.6 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒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 Sonnet 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 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 158 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 (high)GLM 5.3 (max)
BenchLeader IndexBenchLeader59.058.8
智能体与工具得分BenchLeader52.957.6
编程得分BenchLeader59.959.7
人类偏好得分BenchLeader64.667.2
长上下文得分BenchLeader62.964.5
数学得分BenchLeader65.360.0
多模态得分BenchLeader60.9–
推理得分BenchLeader65.454.7
知识得分BenchLeader–53.5
混合价格(美元/百万 token)BenchLeader$4.00$2.15
输出速度BenchLeader99 tok/s88 tok/s
首次回答时间BenchLeader15.8 秒57.6 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†90.9%
SimpleBenchSimpleBench60.6%†66.2%†
Arena Hard PromptsArena (LMArena)14901507
LiveBench 1.0 ReasoningLiveBench88.7%†85.8%†
GPQA Diamond (AA)Artificial Analysis91.1%†91.7%
Humanity's Last Exam (AA)Artificial Analysis35.7%42.3%
HLE-Diamond (AA)Artificial Analysis–17.9%
GPQA Diamond (Vals)Vals AI88.9%†88.1%
CritPtArtificial Analysis15.1%19.1%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–23.0%
HLE-Diamond (Scale)Scale AI SEAL–16.4%†
Arena ExpertArena (LMArena)15091522
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†33.0%
LMCAEpoch AI Benchmarking Hub50.0%55.5%†
DTBenchEpoch AI Benchmarking Hub84.5%87.7%†
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†14.9%†
编程
SciCodeSciCode54.3%59.0%
WeirdMLWeirdML68.8%75.4%
FrontierCodeCognition42.7%†40.1%
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201522
Arena WebDevArena (LMArena)15391623
显示全部 158 项基准测试
指标发布方Claude Sonnet 5 (high)GLM 5.3 (max)
编程
LiveBench 1.0 CodingLiveBench80.7%†79.0%†
LiveCodeBenchVals AI82.4%†80.5%
IOIVals AI45.0%†68.4%
SWE-bench (Vals)Vals AI79.6%†95.4%
Code MigrationVals AI44.4%†44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI0.0%†1.5%
Vibe Code Bench 1-100Vals AI13.8%†20.0%
Vibe Code Bench v1.1Vals AI81.3%†78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
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 SEAL93.2%†95.6%
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†84.3%
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%69.0%
CursorBenchCursor30.8%42.6%
ALE-BenchEpoch AI Benchmarking Hub1463.11317.4†
FrontierSWEEpoch AI Benchmarking Hub–30.2%
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†83.9%
Startrise FrontendStartrise66.6%†73.2%†
GameBench 2 OverallDuelLab GameBench 246.6†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†72.3
Design Arena WebsiteDesign Arena1268†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis17.8%†21.6%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†41.2%
APEX-AgentsMercor54.5%†56.6%†
Arena AgentArena (LMArena)21
LiveBench Agentic CodingLiveBench59.4%†60.9%†
Terminal-Bench 2.1 (Vals)Vals AI74.5%†71.5%
MCP AtlasScale AI SEAL–84.2%†
HiL-BenchScale AI SEAL–58.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis12621655
τ³-Banking (AA)Artificial Analysis37.3%†50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis46.3%†38.8%
CyberBenchVals AI61.9%†72.1%
Finance Agent v2Vals AI53.9%†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 AI5.0%†8.3%
Legal Research BenchVals AI41.8%†49.0%
SkillsBenchVals AI46.5%†47.5%
SREBenchVals AI0.4%†9.2%
Tax Agent BenchVals AI29.4%†43.3%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†38.9%
Terminal-Bench ScienceVals AI5.7%†5.7%
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.63.1
PostTrainBenchEpoch AI Benchmarking Hub–34.5%
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†8163.6†
AutomationBenchArtificial Analysis32.1%62.2%
GDP.pdf (AA)Artificial Analysis9.4%11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis44.7%†36.4%
AA-Briefcase v1.1Artificial Analysis11771501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1222†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%
FACTS SearchGoogle–87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†91.1%
ProofBenchVals AI77.0%†49.0%
LiveBench MathematicsLiveBench92.9%†87.9%†
Arena MathsArena (LMArena)14721501
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†41.0%
LiveBench 1.0 Data AnalysisLiveBench71.7%†70.2%†
AA-Omniscience v1.1Artificial Analysis–6.0
MMLU-ProVals AI87.5%†86.8%
LegalBenchVals AI83.9%†84.8%
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†72.4%
Excel Modeling BenchmarkVals AI66.3%†56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI47.5%†42.9%
MedScribeVals AI76.0%†88.8%
Public Benefits Bench v1.1Vals AI66.0%†68.5%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–66.7%
DrugDiscoveryBenchScale AI SEAL50.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–61.1%
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle20.5%†40.3%†
指令遵循
LiveBench LanguageLiveBench75.0%†79.9%†
LiveBench Instruction FollowingLiveBench63.9%†69.3%†
Arena Instruction FollowingArena (LMArena)14671481
人类偏好
Arena TextArena (LMArena)14611482
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†2076†
Arena Creative WritingArena (LMArena)14341456
Arena Multi-turnArena (LMArena)14731482
Arena Longer QueriesArena (LMArena)14811488
多模态
Arena VisionArena (LMArena)1272–
MMMU-ProArtificial Analysis77.3%†–
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%17.2%
FACTS GroundingGoogle–55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†157.1†
LiveBench 1.0LiveBench76.0%†76.1%†
AA Intelligence Index v5.0.1Artificial Analysis–31.6
AA Intelligence Index v4.3.2Artificial Analysis31.744.8
AA Progress Index v1Artificial Analysis296.8322.7
Vals IndexVals AI–59.9
Vals Finance IndexVals AI–61.4%
Vals RSI IndexVals AI–22.9%
Vals Multimodal IndexVals AI68.8%†–
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 SEAL–28.2%
DistressBenchScale AI SEAL68.0%†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 Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • GLM 5.3 (max):4 项分数修订。
  • Claude Sonnet 5 (high):1 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。

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 Sonnet 5 vs GLM 5.3:常见问题

Claude Sonnet 5 比 GLM 5.3 更好吗?
Claude Sonnet 5 (high) 与 GLM 5.3 (max) 的质量不相上下(59.0 比 58.8,在 ±3.9 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 Sonnet 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 $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 还是 GLM 5.3 更好?
两者在编程方面持平(类别得分 60 比 60)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Sonnet 5 为 1539,GLM 5.3 为 1623。
Claude Sonnet 5 和 GLM 5.3 哪个更快?
Claude Sonnet 5 输出更快(输出 99 比 88 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 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)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Sonnet 5 为 2,GLM 5.3 为 1。
更多问题(4)
处理长文档哪个更好?
GLM 5.3 在长上下文基准测试上得分更高(65 比 63)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 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 Sonnet 5 和 GLM 5.3 的看法一致吗?
在两者都有结果的 25 项基准测试中,Claude Sonnet 5 领先 1 项,GLM 5.3 领先 24 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。