BenchLeader

DeepSeek V4 Flash vs GLM 5.3 Flash

完整资料:DeepSeek V4 Flash(DeepSeek)和 GLM 5.3 Flash(Zhipu AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,DeepSeek V4 Flash 与 GLM 5.3 Flash 的质量不相上下(BenchLeader Index 57.2 比 57.8,在 ±6.2 的误差范围内)。两者价格相近(每百万 token 混合价格 $0.262 比 $0.238)。看重推理(59 比 48)和知识(55 比 45)选 DeepSeek V4 Flash;看重数学(69 比 62)、人类偏好(66 比 62)和编程(57 比 55)选 GLM 5.3 Flash。DeepSeek V4 Flash 的首次回答更快(0.7 秒 比 87.0 秒)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Flash 的 BenchLeader Index 为 57.2,GLM 5.3 Flash 为 57.8(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 Flash 每百万 token 混合价格为 $0.238(标价,2026年11月16日)。
  • 在两者都有结果的 10 项基准测试中,GLM 5.3 Flash 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Flash 的评分为 1582,GLM 5.3 Flash 为 1609(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 Flash类别得分 57 比 55;Arena WebDev 1609 比 1582中
数学GLM 5.3 Flash类别得分 69 比 62;Arena Maths 1505 比 1441中
推理DeepSeek V4 Flash类别得分 59 比 48;Arena Hard Prompts 1459 比 1500高
知识DeepSeek V4 Flash类别得分 55 比 45高
对话质量(人类偏好)GLM 5.3 FlashArena 投票 66 比 62中
成本最低均可每百万 token 混合价格 $0.262 比 $0.238;智能体编程会话 $0.011 比 $0.011–
首次回答最快DeepSeek V4 Flash首个回答 token 0.7 秒(DeepSeek V4 Flash (high))比 87.0 秒(GLM 5.3 Flash)–
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 Flash 的质量不相上下(57.2 比 57.8,在 ±6.2 的误差范围内)。
  • DeepSeek V4 Flash (high) 在知识、推理方面更强。
  • GLM 5.3 Flash 在编程、人类偏好、数学方面更强。
  • 两者价格相近(每百万 token 混合价格 $0.238)。
  • DeepSeek V4 Flash (high) 的输出速度是对方的 1.5 倍(82 比 54 token/秒)。

概览

规格DeepSeek V4 FlashGLM 5.3 Flash
提供商DeepSeekZhipu AI
发布日期2026年7月31日2026年8月20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 Flash
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$0.150 / $0.500 / $0.030

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 Flash领先者
推理59.248.3DeepSeek V4 Flash
编程55.056.9GLM 5.3 Flash
智能体与工具–58.7无法比较
数学61.968.8GLM 5.3 Flash
知识54.845.1DeepSeek V4 Flash
人类偏好62.066.4GLM 5.3 Flash
多模态–64.0无法比较
长上下文–64.6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 Flash, 推理: 48.3GLM 5.3 Flash, 编程: 56.9GLM 5.3 Flash, 数学: 68.8GLM 5.3 Flash, 知识: 45.1GLM 5.3 Flash, 人类偏好: 66.4

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 10 项基准测试中,DeepSeek V4 Flash 领先 0 项,GLM 5.3 Flash 领先 10 项。所有同时评测两者的综合评分都认为 GLM 5.3 Flash 更强。

综合 IndexDeepSeek V4 Flash (high)GLM 5.3 Flash领先者
BenchLeader Index57.257.8不相上下
Arena Text14391475GLM 5.3 Flash

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 Flash
每百万 token 混合价格$0.262$0.238
每百万 token 输入 / 输出$0.150 / $0.600$0.150 / $0.500
每百万 token 缓存输入$0.0030$0.030
每项任务价格:聊天回复$0.0002$0.0002
每项任务价格:总结一份 30 页的报告$0.0022$0.0021
每项任务价格:代码编辑$0.0018$0.0017
每项任务价格:智能体编程会话$0.011$0.011
每项任务价格:结构化信息提取$0.0004$0.0004
智能体编程会话(输入大多命中缓存)$0.0048$0.0056
每项基准测试任务成本(AA Index)–$0.583
每项任务输出 token(AA Index)–134k
其中推理部分–103k
每项任务耗时(AA Index)–41 min
输出速度82 tok/s54 tok/s
首次回答时间0.7 秒87.0 秒
完整回答耗时(最近一次测量 2026年11月13日)–220.4 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 Flash 得分 57.8,首个回答 token 需 87 秒;GLM 5.3 Flash (max) 为 52.4(87 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 148 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 Flash
BenchLeader IndexBenchLeader57.257.8
编程得分BenchLeader55.056.9
人类偏好得分BenchLeader62.066.4
知识得分BenchLeader54.845.1
数学得分BenchLeader61.968.8
推理得分BenchLeader59.248.3
智能体与工具得分BenchLeader–58.7
长上下文得分BenchLeader–64.6
多模态得分BenchLeader–64.0
混合价格(美元/百万 token)BenchLeader$0.262$0.238
输出速度BenchLeader82 tok/s54 tok/s
首次回答时间BenchLeader0.7 秒87.0 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.0%†90.2%†
SimpleBenchSimpleBench61.1%†–
Arena Hard PromptsArena (LMArena)14591500
LiveBench 2.0 ReasoningLiveBench–77.6%†
LiveBench 1.0 ReasoningLiveBench86.6%†77.6%
GPQA Diamond (AA)Artificial Analysis90.8%†91.2%
Humanity's Last Exam (AA)Artificial Analysis38.5%†39.9%
HLE-Diamond (AA)Artificial Analysis–18.2%
GPQA Diamond (Vals)Vals AI89.9%86.4%†
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†–
ARC-AGI-1ARC Prize87.0%91.0%†
ARC-AGI-2ARC Prize56.0%65.8%†
CritPtArtificial Analysis16.6%†15.4%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
Arena ExpertArena (LMArena)14671511
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†21.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†8.0%†
LMCAEpoch AI Benchmarking Hub41.7%†–
DTBenchEpoch AI Benchmarking Hub90.9%†–
BTF-3Epoch AI Benchmarking Hub–14.9%
编程
SciCodeSciCode42.0%51.6%
WeirdMLWeirdML57.0%–
FrontierCodeCognition18.8%†31.8%†
Arena CodingArena (LMArena)14801526
Arena WebDevArena (LMArena)15821609
显示全部 148 项基准测试
指标发布方DeepSeek V4 Flash (high)GLM 5.3 Flash
编程
LiveBench 2.0 CodingLiveBench–70.9%†
LiveBench 1.0 CodingLiveBench75.0%†79.0%
SciCode (AA)Artificial Analysis50.4%†51.6%
LiveCodeBenchVals AI87.3%80.5%†
IOIVals AI32.7%52.5%†
SWE-bench (Vals)Vals AI88.8%92.0%†
Code MigrationVals AI38.6%20.5%†
Code Migration v1.1Vals AI–51.6%†
ProgramBenchVals AI0.0%0.0%†
Vibe Code Bench 1-100Vals AI–16.0%†
Vibe Code Bench v1.1Vals AI74.7%30.8%†
SWE Atlas v1.1Scale AI SEAL–55.3%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–66.9%
SWE Atlas v1.1: Test WritingScale AI SEAL–53.3%
SWE Atlas v1.1: RefactoringScale AI SEAL–45.7%
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–63.4%†
CursorBenchCursor–36.8%†
ALE-BenchEpoch AI Benchmarking Hub678.2303.6†
FrontierSWEEpoch AI Benchmarking Hub–18.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†32.8%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†84.3%
GameBench 2 OverallDuelLab GameBench 234.1†54.9
GameBench 2 by reasoning settingDuelLab GameBench 243.457.2†
Design Arena WebsiteDesign Arena1199†1257
FrontierCode 1.1 (AA)Artificial Analysis–41.0%
FrontierCode 2.0 (AA)Artificial Analysis–17.6%
智能体与工具
Terminal-BenchTerminal-Bench–37.0%†
APEX-AgentsMercor–52.8%
Arena AgentArena (LMArena)–-2.9
LiveBench Long AgenticLiveBench–20.7%†
LiveBench BrowserLiveBench–59.8%†
LiveBench Agentic CodingLiveBench46.8%†56.8%
Terminal-Bench 2.1 (Vals)Vals AI67.0%†62.9%†
HiL-BenchScale AI SEAL47.8%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.1%
GDPval-AA v2.1Artificial Analysis1437†1648
τ³-Banking (AA)Artificial Analysis39.4%†47.2%
ITBench SRE (AA)Artificial Analysis–51.2%
Analyst Agent (AA)Artificial Analysis–25.0%
CyberBenchVals AI72.1%67.9%†
Finance Agent v2Vals AI49.5%57.9%†
Finance Agent v2.1Vals AI–60.6%†
Harvey's Legal Agent Benchmark v1.1Vals AI–10.4%†
Harvey's Legal Agent Benchmark v1Vals AI8.3%6.7%†
Legal Research BenchVals AI30.3%45.2%†
SkillsBenchVals AI50.7%40.2%†
SREBenchVals AI–0.8%†
Tax Agent BenchVals AI28.1%31.6%†
Terminal-Bench 4.0 (Vals)Vals AI18.7%37.4%†
Terminal-Bench ScienceVals AI4.3%2.9%†
Arena Agent Task CompletionArena (LMArena)–1.3
PostTrainBenchEpoch AI Benchmarking Hub–36.8%†
AutomationBenchArtificial Analysis54.0%†60.4%
GDP.pdf (AA)Artificial Analysis11.0%†15.4%
Harvey LAB-AA v1.1Harvey–0.8%
EnterpriseOps-GymArtificial Analysis–33.2%
AA-Briefcase v1.1Artificial Analysis1255†1450
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–4.8%
CWE-Bench (AA)Artificial Analysis–55.8%
DeepSec-Bench (AA)Artificial Analysis–19.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis–36.2%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.5%†55.8%†
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†17.1%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†93.9%†
ProofBenchVals AI56.0%†21.0%†
LiveBench MathematicsLiveBench86.8%†81.2%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena27.1%†–
Arena MathsArena (LMArena)14411505
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†–
LiveBench 2.0 Data AnalysisLiveBench–76.4%†
LiveBench ResearchLiveBench–73.9%†
LiveBench 1.0 Data AnalysisLiveBench79.3%†76.4%
AA-Omniscience v1.1Artificial Analysis–0.7
MMLU-ProVals AI86.2%86.1%†
LegalBenchVals AI77.7%83.9%†
CorpFinVals AI61.9%–
TaxEvalVals AI70.7%75.6%†
BioMysteryBenchVals AI64.4%–
Excel Modeling BenchmarkVals AI57.0%55.9%†
Excel Modeling Benchmark v1.1Vals AI–66.3%†
MedCodeVals AI41.4%–
MedScribeVals AI80.4%88.9%†
Access to Justice BenchmarkVals AI–71.1%†
GDP.pdfEpoch AI Benchmarking Hub–14.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis–28.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–61.6%
指令遵循
LiveBench LanguageLiveBench79.2%†77.3%
LiveBench Instruction FollowingLiveBench65.5%†52.8%
Arena Instruction FollowingArena (LMArena)14341474
人类偏好
Arena TextArena (LMArena)14391475
EQ-Bench Creative Writing v3EQ-Bench1559†–
Arena Creative WritingArena (LMArena)14111435
Arena Multi-turnArena (LMArena)14471476
Arena Longer QueriesArena (LMArena)14491480
多模态
Arena VisionArena (LMArena)–1295
LiveBench DesignLiveBench–73.7%†
MMMU-Pro (Vals)Vals AI–86.0%†
SAGEVals AI–89.3%†
Humanity's Sixth SenseScale AI SEAL–26.8%†
VIALS-AAHandshake AI–39.8%
Code2Video-AAArtificial Analysis–975
AA-3DArtificial Analysis–937
长上下文
AA-LCR v1.1Artificial Analysis79.7%†80.0%
MLCRArtificial Analysis–11.7%
FACTS GroundingGoogle–56.1%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†153.8
LiveBench 2.0LiveBench–60.7%†
LiveBench 1.0LiveBench74.2%†71.6%
AA Intelligence Index v5.0.1Artificial Analysis–27.8
AA Intelligence Index v4.3.2Artificial Analysis34.3†41.8
AA Progress Index v1Artificial Analysis309.4†318.6
Vals IndexVals AI–50.9†
Vals Finance IndexVals AI–55.8%†
Vals Router IndexVals AI–50.9%
Vals Legal IndexVals AI–71.0%†
AA Cyber IndexArtificial Analysis–49.9
安全与诚实
FORTRESSScale AI SEAL–26.7%
DistressBenchScale AI SEAL–72.7%
元数据
AA Openness IndexArtificial Analysis44.4†44.4

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

  • GLM 5.3 Flash:BenchLeader Index 56.7 → 57.8。
  • DeepSeek V4 Flash (high):1 项分数修订。
  • GLM 5.3 Flash:1 项分数修订。
  • GLM 5.3 Flash:5 项分数修订。
  • GLM 5.3 Flash:1 项新结果(FORTRESS)。
  • DeepSeek V4 Flash (high):1 项分数修订。
  • GLM 5.3 Flash:2 项分数修订;价格 $0.034/M → $0.030/M。
  • GLM 5.3 Flash:价格 $0.030/M → $0.034/M。
  • DeepSeek V4 Flash (high):1 项新结果(GameBench 2 by reasoning setting)。
  • GLM 5.3 Flash:价格 $0.034/M → $0.030/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

DeepSeek V4 Flash vs GLM 5.3 Flash:常见问题

DeepSeek V4 Flash 比 GLM 5.3 Flash 更好吗?
DeepSeek V4 Flash (high) 与 GLM 5.3 Flash 的质量不相上下(57.2 比 57.8,在 ±6.2 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 Flash 哪个更便宜?价格会变吗?
目前 GLM 5.3 Flash 更便宜:每百万 token $0.238 比 $0.262(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 Flash 更好?
GLM 5.3 Flash 在编程方面得分更高(类别得分 57 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 Flash 为 1609。
DeepSeek V4 Flash 和 GLM 5.3 Flash 哪个更快?
DeepSeek V4 Flash 输出更快(输出 82 比 54 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 Flash 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 87.0 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 Flash 的看法一致吗?
在两者都有结果的 10 项基准测试中,DeepSeek V4 Flash 领先 0 项,GLM 5.3 Flash 领先 10 项。所有同时评测两者的综合评分都认为 GLM 5.3 Flash 更强。
GLM 5.3 Flash 是什么时候发布的?
GLM 5.3 Flash 于 2026年8月20日 发布。