BenchLeader

DeepSeek V4 Flash vs GLM 5.3

完整资料:DeepSeek V4 Flash(DeepSeek)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,DeepSeek V4 Flash 与 GLM 5.3 的质量不相上下(BenchLeader Index 57.2 比 58.8,在 ±5.0 的误差范围内)。DeepSeek V4 Flash 更便宜,对方的价格是它的 8.2 倍(每百万 token 混合价格 $0.262 比 $2.15)。看重推理(59 比 55)、数学(62 比 60)和知识(55 比 54)选 DeepSeek V4 Flash;看重人类偏好(67 比 62)和编程(60 比 55)选 GLM 5.3。DeepSeek V4 Flash 的首次回答更快(0.7 秒 比 57.6 秒)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Flash 的 BenchLeader Index 为 57.2,GLM 5.3 为 58.8(BenchLeader,2026年11月16日)。
  • DeepSeek V4 Flash 每百万 token 混合价格为 $0.262(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 33 项基准测试中,GLM 5.3 领先 27 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Flash 的评分为 1582,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GLM 5.3类别得分 60 比 55;Arena WebDev 1623 比 1582中
数学DeepSeek V4 Flash类别得分 62 比 60;Arena Maths 1441 比 1501中
推理DeepSeek V4 Flash类别得分 59 比 55;Arena Hard Prompts 1459 比 1507中
知识DeepSeek V4 Flash类别得分 55 比 54;MMLU-Pro 86.2% 比 86.8%中
对话质量(人类偏好)GLM 5.3Arena 投票 67 比 62中
成本最低DeepSeek V4 Flash每百万 token 混合价格 $0.262 比 $2.15;智能体编程会话 $0.011 比 $0.102–
首次回答最快DeepSeek V4 Flash首个回答 token 0.7 秒(DeepSeek V4 Flash (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

  • DeepSeek V4 Flash (high) 与 GLM 5.3 (max) 的质量不相上下(57.2 比 58.8,在 ±5.0 的误差范围内)。
  • DeepSeek V4 Flash (high) 在知识、数学、推理方面更强。
  • GLM 5.3 (max) 在编程、人类偏好方面更强。
  • DeepSeek V4 Flash (high) 更便宜,对方的价格是它的 8.2 倍(每百万 token 混合价格 $0.262 比 $2.15)。

概览

规格DeepSeek V4 FlashGLM 5.3
提供商DeepSeekZhipu AI
发布日期2026年7月31日2026年8月18日
上下文窗口(token)1,048,5761,000,000
对比时的配置DeepSeek V4 Flash (high)GLM 5.3 (max)
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.600 / $0.0030$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DeepSeek V4 Flash (high)GLM 5.3 (max)领先者
推理59.254.7DeepSeek V4 Flash
编程55.059.7GLM 5.3
智能体与工具–57.6无法比较
数学61.960.0DeepSeek V4 Flash
知识54.853.5DeepSeek V4 Flash
人类偏好62.067.2GLM 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推理编程数学知识人类偏好DeepSeek V4 Flash, 推理: 59.2DeepSeek V4 Flash, 编程: 55.0DeepSeek V4 Flash, 数学: 61.9DeepSeek V4 Flash, 知识: 54.8DeepSeek V4 Flash, 人类偏好: 62.0GLM 5.3, 推理: 54.7GLM 5.3, 编程: 59.7GLM 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):智能体与工具, 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 33 项基准测试中,DeepSeek V4 Flash 领先 4 项,GLM 5.3 领先 27 项,2 项持平。所有同时评测两者的综合评分都认为 GLM 5.3 更强。

综合 IndexDeepSeek V4 Flash (high)GLM 5.3 (max)领先者
BenchLeader Index57.258.8不相上下
Arena Text14391482GLM 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DeepSeek V4 Flash (high)GLM 5.3 (max)
每百万 token 混合价格$0.262$2.15
每百万 token 输入 / 输出$0.150 / $0.600$1.40 / $4.40
每百万 token 缓存输入$0.0030$0.260
每项任务价格:聊天回复$0.0002$0.0019
每项任务价格:总结一份 30 页的报告$0.0022$0.019
每项任务价格:代码编辑$0.0018$0.015
每项任务价格:智能体编程会话$0.011$0.102
每项任务价格:结构化信息提取$0.0004$0.0037
智能体编程会话(输入大多命中缓存)$0.0048$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82 tok/s88 tok/s
首次回答时间0.7 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。DeepSeek V4 Flash (high) 得分 57.2,首个回答 token 需 1 秒;DeepSeek V4 Flash (max) 为 56.8(28 秒),DeepSeek V4 Flash 为 53.8(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 149 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DeepSeek V4 Flash (high)GLM 5.3 (max)
BenchLeader IndexBenchLeader57.258.8
编程得分BenchLeader55.059.7
人类偏好得分BenchLeader62.067.2
知识得分BenchLeader54.853.5
数学得分BenchLeader61.960.0
推理得分BenchLeader59.254.7
智能体与工具得分BenchLeader–57.6
长上下文得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$0.262$2.15
输出速度BenchLeader82 tok/s88 tok/s
首次回答时间BenchLeader0.7 秒57.6 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†90.9%
SimpleBenchSimpleBench61.1%†66.2%†
Arena Hard PromptsArena (LMArena)14591507
LiveBench 1.0 ReasoningLiveBench86.6%†85.8%†
GPQA Diamond (AA)Artificial Analysis90.8%†91.7%
Humanity's Last Exam (AA)Artificial Analysis38.5%†42.3%
HLE-Diamond (AA)Artificial Analysis–17.9%
GPQA Diamond (Vals)Vals AI89.9%88.1%
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†–
ARC-AGI-1ARC Prize87.0%–
ARC-AGI-2ARC Prize56.0%–
CritPtArtificial Analysis16.6%†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)14671522
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†33.0%
LMCAEpoch AI Benchmarking Hub41.7%†55.5%†
DTBenchEpoch AI Benchmarking Hub90.9%†87.7%†
BTF-3Epoch AI Benchmarking Hub–14.9%†
编程
SciCodeSciCode42.0%59.0%
WeirdMLWeirdML57.0%75.4%
FrontierCodeCognition18.8%†40.1%
Arena CodingArena (LMArena)14801522
显示全部 149 项基准测试
指标发布方DeepSeek V4 Flash (high)GLM 5.3 (max)
编程
Arena WebDevArena (LMArena)15821623
LiveBench 1.0 CodingLiveBench75.0%†79.0%†
SciCode (AA)Artificial Analysis50.4%†59.0%
LiveCodeBenchVals AI87.3%80.5%
IOIVals AI32.7%68.4%
SWE-bench (Vals)Vals AI88.8%95.4%
Code MigrationVals AI38.6%44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI0.0%1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI74.7%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 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 Hub678.21317.4†
FrontierSWEEpoch AI Benchmarking Hub–30.2%
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†83.9%
Startrise FrontendStartrise–73.2%†
GameBench 2 OverallDuelLab GameBench 234.1†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 243.472.3
Design Arena WebsiteDesign Arena1199†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis–21.6%
智能体与工具
Terminal-BenchTerminal-Bench–41.2%
APEX-AgentsMercor–56.6%†
Arena AgentArena (LMArena)–1
LiveBench Agentic CodingLiveBench46.8%†60.9%†
Terminal-Bench 2.1 (Vals)Vals AI67.0%†71.5%
MCP AtlasScale AI SEAL–84.2%†
HiL-BenchScale AI SEAL47.8%†58.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis1437†1655
τ³-Banking (AA)Artificial Analysis39.4%†50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis–38.8%
CyberBenchVals AI72.1%72.1%
Finance Agent v2Vals AI49.5%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 AI8.3%8.3%
Legal Research BenchVals AI30.3%49.0%
SkillsBenchVals AI50.7%47.5%
SREBenchVals AI–9.2%
Tax Agent BenchVals AI28.1%43.3%
Terminal-Bench 4.0 (Vals)Vals AI18.7%38.9%
Terminal-Bench ScienceVals AI4.3%5.7%
Arena Agent Task CompletionArena (LMArena)–3.1
PostTrainBenchEpoch AI Benchmarking Hub–34.5%
Vending-Bench 2Andon Labs–8163.6†
AutomationBenchArtificial Analysis54.0%†62.2%
GDP.pdf (AA)Artificial Analysis11.0%†11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis–36.4%
AA-Briefcase v1.1Artificial Analysis1255†1501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena–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 Hub57.5%†68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†91.1%
ProofBenchVals AI56.0%†49.0%
LiveBench MathematicsLiveBench86.8%†87.9%†
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena27.1%†–
Arena MathsArena (LMArena)14411501
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†41.0%
LiveBench 1.0 Data AnalysisLiveBench79.3%†70.2%†
AA-Omniscience v1.1Artificial Analysis–6.0
MMLU-ProVals AI86.2%86.8%
LegalBenchVals AI77.7%84.8%
CorpFinVals AI61.9%–
TaxEvalVals AI70.7%72.4%
BioMysteryBenchVals AI64.4%–
Excel Modeling BenchmarkVals AI57.0%56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI41.4%42.9%
MedScribeVals AI80.4%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%
AA-Omniscience v1.1: accuracyArtificial Analysis–32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–61.1%
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle–40.3%†
指令遵循
LiveBench LanguageLiveBench79.2%†79.9%†
LiveBench Instruction FollowingLiveBench65.5%†69.3%†
Arena Instruction FollowingArena (LMArena)14341481
人类偏好
Arena TextArena (LMArena)14391482
EQ-Bench Creative Writing v3EQ-Bench1559†2076†
Arena Creative WritingArena (LMArena)14111456
Arena Multi-turnArena (LMArena)14471482
Arena Longer QueriesArena (LMArena)14491488
多模态
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
长上下文
AA-LCR v1.1Artificial Analysis79.7%†79.7%
MLCRArtificial Analysis–17.2%
FACTS GroundingGoogle–55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†157.1†
LiveBench 1.0LiveBench74.2%†76.1%†
AA Intelligence Index v5.0.1Artificial Analysis–31.6
AA Intelligence Index v4.3.2Artificial Analysis34.3†44.8
AA Progress Index v1Artificial Analysis309.4†322.7
Vals IndexVals AI–59.9
Vals Finance IndexVals AI–61.4%
Vals RSI IndexVals AI–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 SEAL–28.2%
DistressBenchScale AI SEAL–72.5%†
元数据
AA Openness IndexArtificial Analysis44.4†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

  • DeepSeek V4 Flash (high):1 项分数修订。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • GLM 5.3 (max):4 项分数修订。
  • DeepSeek V4 Flash (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。
  • DeepSeek V4 Flash (high):1 项新结果(GameBench 2 by reasoning setting)。
  • 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。

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

DeepSeek V4 Flash vs GLM 5.3:常见问题

DeepSeek V4 Flash 比 GLM 5.3 更好吗?
DeepSeek V4 Flash (high) 与 GLM 5.3 (max) 的质量不相上下(57.2 比 58.8,在 ±5.0 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。
DeepSeek V4 Flash 和 GLM 5.3 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Flash 更便宜:每百万 token $0.262 比 $2.15(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 DeepSeek V4 Flash 还是 GLM 5.3 更好?
GLM 5.3 在编程方面得分更高(类别得分 60 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,DeepSeek V4 Flash 为 1582,GLM 5.3 为 1623。
DeepSeek V4 Flash 和 GLM 5.3 哪个更快?
GLM 5.3 输出更快(输出 88 比 82 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(DeepSeek V4 Flash 为 1,048,576,GLM 5.3 为 1,000,000)。
更多问题(3)
哪个延迟更低?
DeepSeek V4 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.7 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 DeepSeek V4 Flash 和 GLM 5.3 的看法一致吗?
在两者都有结果的 33 项基准测试中,DeepSeek V4 Flash 领先 4 项,GLM 5.3 领先 27 项,2 项持平。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。