BenchLeader

DeepSeek V4 Pro vs GLM 5.3 Flash

完整资料:DeepSeek V4 Pro(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 Pro 与 GLM 5.3 Flash 的质量不相上下(BenchLeader Index 56.0 比 57.8,在 ±6.4 的误差范围内)。GLM 5.3 Flash 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $0.238 比 $0.990)。看重推理(56 比 48)选 DeepSeek V4 Pro;看重编程(57 比 52)、数学(69 比 65)和知识(45 比 41)选 GLM 5.3 Flash。DeepSeek V4 Pro 的首次回答更快(42.8 秒 比 87.0 秒)。

要点(截至 2026年11月16日)

  • DeepSeek V4 Pro 的 BenchLeader Index 为 56.0,GLM 5.3 Flash 为 57.8(BenchLeader,2026年11月16日)。
  • DeepSeek V4 Pro 每百万 token 混合价格为 $0.990(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 27 项基准测试中,GLM 5.3 Flash 领先 19 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,DeepSeek V4 Pro 的评分为 1581,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 52;Arena WebDev 1609 比 1581中
数学GLM 5.3 Flash类别得分 69 比 65;Arena Maths 1505 比 1465中
推理DeepSeek V4 Pro类别得分 56 比 48;HLE-Diamond (AA) 20.5% 比 18.2%中
知识GLM 5.3 Flash类别得分 45 比 41;AA-Omniscience v1.1 0.7 比 -6.5中
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 80.0%均可
对话质量(人类偏好)GLM 5.3 FlashArena 投票 66 比 65中
成本最低GLM 5.3 Flash每百万 token 混合价格 $0.238 比 $1.98;智能体编程会话 $0.011 比 $0.095–
首次回答最快DeepSeek V4 Pro首个回答 token 42.8 秒(DeepSeek V4 Pro (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 Pro (high) 与 GLM 5.3 Flash 的质量不相上下(56.0 比 57.8,在 ±6.4 的误差范围内)。
  • DeepSeek V4 Pro (high) 在推理方面更强。
  • GLM 5.3 Flash 在编程、人类偏好、知识、长上下文、数学方面更强。
  • GLM 5.3 Flash 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $0.238 比 $0.990)。
  • DeepSeek V4 Pro (high) 的输出速度是对方的 1.5 倍(80 比 54 token/秒)。

概览

规格DeepSeek V4 ProGLM 5.3 Flash
提供商DeepSeekZhipu AI
发布日期2026年8月13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 Pro (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)$1.32 / $3.96 / $0.022$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 Pro (high)GLM 5.3 Flash领先者
推理55.648.3DeepSeek V4 Pro
编程51.556.9GLM 5.3 Flash
智能体与工具–58.7无法比较
数学64.568.8GLM 5.3 Flash
知识41.245.1GLM 5.3 Flash
人类偏好65.066.4GLM 5.3 Flash
多模态–64.0无法比较
长上下文64.364.6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推理编程数学知识长上下文人类偏好DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 知识: 41.2DeepSeek V4 Pro, 长上下文: 64.3DeepSeek V4 Pro, 人类偏好: 65.0GLM 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, 长上下文: 64.6GLM 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, 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 27 项基准测试中,DeepSeek V4 Pro 领先 7 项,GLM 5.3 Flash 领先 19 项,1 项持平。第三方来源看法不一:DeepSeek V4 Pro 在 Vals Index 上领先;GLM 5.3 Flash 在 AA Intelligence Index v5.0.1和Arena Text 上领先。

综合 IndexDeepSeek V4 Pro (high)GLM 5.3 Flash领先者
BenchLeader Index56.057.8不相上下
AA Intelligence Index v5.0.120.827.8GLM 5.3 Flash
Vals Index53.0†50.9DeepSeek V4 Pro
Arena Text14641475GLM 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 Pro (high)GLM 5.3 Flash
每百万 token 混合价格$1.98$0.238
每百万 token 输入 / 输出$1.32 / $3.96$0.150 / $0.500
每百万 token 缓存输入$0.022$0.030
每项任务价格:聊天回复$0.0017$0.0002
每项任务价格:总结一份 30 页的报告$0.018$0.0021
每项任务价格:代码编辑$0.014$0.0017
每项任务价格:智能体编程会话$0.095$0.011
每项任务价格:结构化信息提取$0.0034$0.0004
智能体编程会话(输入大多命中缓存)$0.037$0.0056
每项基准测试任务成本(AA Index)$0.849$0.583
每项任务输出 token(AA Index)70k134k
其中推理部分45k103k
每项任务耗时(AA Index)15 min41 min
输出速度80 tok/s54 tok/s
首次回答时间42.8 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

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 DeepSeek V4 Pro (high) 上花费 $0.849,在 GLM 5.3 Flash 上花费 $0.583;完成同样的工作,GLM 5.3 Flash 输出的 token 是对方的 1.9 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。DeepSeek V4 Pro (high) 得分 56.0,首个回答 token 需 43 秒;DeepSeek V4 Pro (max) 为 54.7(47 秒),DeepSeek V4 Pro 为 53.0(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 163 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 Pro (high)GLM 5.3 Flash
BenchLeader IndexBenchLeader56.057.8
编程得分BenchLeader51.556.9
人类偏好得分BenchLeader65.066.4
知识得分BenchLeader41.245.1
长上下文得分BenchLeader64.364.6
数学得分BenchLeader64.568.8
推理得分BenchLeader55.648.3
智能体与工具得分BenchLeader–58.7
多模态得分BenchLeader–64.0
混合价格(美元/百万 token)BenchLeader$1.98$0.238
输出速度BenchLeader80 tok/s54 tok/s
首次回答时间BenchLeader42.8 秒87.0 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%90.2%†
Arena Hard PromptsArena (LMArena)14821500
LiveBench 2.0 ReasoningLiveBench–77.6%†
LiveBench 1.0 ReasoningLiveBench85.8%†77.6%
GPQA Diamond (AA)Artificial Analysis92.8%†91.2%
Humanity's Last Exam (AA)Artificial Analysis41.5%39.9%
HLE-Diamond (AA)Artificial Analysis20.5%18.2%
GPQA Diamond (Vals)Vals AI92.4%†86.4%†
Kagi LLM BenchmarkKagi LLM Benchmark53.5%†–
ARC-AGI-1ARC Prize87.2%91.0%†
ARC-AGI-2ARC Prize59.7%65.8%†
CritPtArtificial Analysis18.6%15.4%
CritPt v2 hard subset (AA)Artificial Analysis28.5%24.5%
HLE-Diamond (Scale)Scale AI SEAL13.4%†–
Arena ExpertArena (LMArena)14811511
Chess PuzzlesEpoch AI Benchmarking Hub16.0%21.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub43.0%†8.0%†
CL-bench LifeEpoch AI Benchmarking Hub13.5%–
LMCAEpoch AI Benchmarking Hub45.5%†–
DTBenchEpoch AI Benchmarking Hub93.9%†–
ForecastBenchForecastBench60.7%†–
BTF-3Epoch AI Benchmarking Hub–14.9%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub77.6%†–
SciCodeSciCode46.4%51.6%
WeirdMLWeirdML46.5%–
显示全部 163 项基准测试
指标发布方DeepSeek V4 Pro (high)GLM 5.3 Flash
编程
FrontierCodeCognition28.6%31.8%†
Arena CodingArena (LMArena)15031526
Arena WebDevArena (LMArena)15811609
LiveBench 2.0 CodingLiveBench–70.9%†
LiveBench 1.0 CodingLiveBench77.2%†79.0%
SciCode (AA)Artificial Analysis51.7%51.6%
LiveCodeBenchVals AI87.5%†80.5%†
IOIVals AI51.6%†52.5%†
SWE-bench (Vals)Vals AI96.4%†92.0%†
Code MigrationVals AI41.5%†20.5%†
Code Migration v1.1Vals AI52.0%†51.6%†
ProgramBenchVals AI0.0%†0.0%†
Vibe Code Bench 1-100Vals AI17.5%†16.0%†
Vibe Code Bench v1.1Vals AI82.3%†30.8%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL27.1%†–
SWE Atlas v1.0: Test WritingScale AI SEAL27.1%†–
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%
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub40.0%52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–63.4%†
CursorBenchCursor–36.8%†
ALE-BenchEpoch AI Benchmarking Hub1006.1303.6†
FrontierSWEEpoch AI Benchmarking Hub–18.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%32.8%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†84.3%
Startrise FrontendStartrise62.7%†–
GameBench 2 OverallDuelLab GameBench 241.9†54.9
GameBench 2 by reasoning settingDuelLab GameBench 245.157.2†
Design Arena WebsiteDesign Arena1227†1257
FrontierCode 1.1 (AA)Artificial Analysis38.8%†41.0%
FrontierCode 2.0 (AA)Artificial Analysis16.7%17.6%
智能体与工具
Terminal-BenchTerminal-Bench6.7%†37.0%†
APEX-AgentsMercor47.3%†52.8%
Arena AgentArena (LMArena)–-2.9
LiveBench Long AgenticLiveBench–20.7%†
LiveBench BrowserLiveBench–59.8%†
LiveBench Agentic CodingLiveBench55.0%†56.8%
Terminal-Bench 2.1 (Vals)Vals AI50.2%†62.9%†
HiL-BenchScale AI SEAL38.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis47.5%†57.1%
GDPval-AA v2.1Artificial Analysis13361648
τ³-Banking (AA)Artificial Analysis39.6%†47.2%
ITBench SRE (AA)Artificial Analysis–51.2%
Analyst Agent (AA)Artificial Analysis–25.0%
CyberBenchVals AI72.9%†67.9%†
Finance Agent v2Vals AI50.4%†57.9%†
Finance Agent v2.1Vals AI57.1%†60.6%†
Harvey's Legal Agent Benchmark v1.1Vals AI10.8%†10.4%†
Harvey's Legal Agent Benchmark v1Vals AI7.5%†6.7%†
Legal Research BenchVals AI40.9%†45.2%†
SkillsBenchVals AI53.8%†40.2%†
SREBenchVals AI1.9%†0.8%†
Tax Agent BenchVals AI26.8%†31.6%†
Terminal-Bench 2.0 (Vals)Vals AI56.2%†–
Terminal-Bench 4.0 (Vals)Vals AI14.1%†37.4%†
Terminal-Bench ScienceVals AI4.3%†2.9%†
Arena Agent Task CompletionArena (LMArena)–1.3
PostTrainBenchEpoch AI Benchmarking Hub–36.8%†
Vending-Bench 2Andon Labs3284.5†–
AutomationBenchArtificial Analysis46.2%60.4%
GDP.pdf (AA)Artificial Analysis10.4%15.4%
Harvey LAB-AA v1.1Harvey–0.8%
EnterpriseOps-GymArtificial Analysis49.6%†33.2%
AA-Briefcase v1.1Artificial Analysis11481450
Design Arena AgenticDesign Arena927†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%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 Hub64.6%†55.8%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†17.1%†
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%93.9%†
ProofBenchVals AI50.0%†21.0%†
LiveBench MathematicsLiveBench95.1%†81.2%
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena93.9%†–
USAMO 2026MathArena60.7%†–
MathArena ApexMathArena28.1%†–
Arena MathsArena (LMArena)14651505
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub52.9%†–
LiveBench 2.0 Data AnalysisLiveBench–76.4%†
LiveBench ResearchLiveBench–73.9%†
LiveBench 1.0 Data AnalysisLiveBench79.2%†76.4%
AA-Omniscience v1.1Artificial Analysis-6.50.7
MMLU-ProVals AI87.3%†86.1%†
LegalBenchVals AI82.4%†83.9%†
CorpFinVals AI65.4%†–
TaxEvalVals AI73.1%†75.6%†
CaseLaw v2Vals AI59.4%†–
Excel Modeling BenchmarkVals AI52.8%†55.9%†
Excel Modeling Benchmark v1.1Vals AI65.1%†66.3%†
MedCodeVals AI42.5%†–
MedScribeVals AI80.2%†88.9%†
Public Benefits Bench v1.1Vals AI62.9%†–
Access to Justice BenchmarkVals AI–71.1%†
Immigration BenchVals AI61.7%†–
DrugDiscoveryBenchScale AI SEAL31.7%†–
GDP.pdfEpoch AI Benchmarking Hub–14.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%28.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis5.9%61.6%
指令遵循
LiveBench LanguageLiveBench82.1%†77.3%
LiveBench Instruction FollowingLiveBench67.7%†52.8%
Arena Instruction FollowingArena (LMArena)14611474
人类偏好
Arena TextArena (LMArena)14641475
EQ-Bench 4EQ-Bench1156†–
EQ-Bench Creative Writing v3EQ-Bench1553†–
Arena Creative WritingArena (LMArena)14441435
Arena Multi-turnArena (LMArena)14691476
Arena Longer QueriesArena (LMArena)14741480
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 Analysis79.3%80.0%
MLCRArtificial Analysis–11.7%
FACTS GroundingGoogle–56.1%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.9†153.8
LiveBench 2.0LiveBench–60.7%†
LiveBench 1.0LiveBench77.4%†71.6%
AA Intelligence Index v5.0.1Artificial Analysis20.827.8
AA Intelligence Index v4.3.2Artificial Analysis36†41.8
AA Progress Index v1Artificial Analysis311.5†318.6
Vals IndexVals AI53.0†50.9†
Vals Finance IndexVals AI52.9%†55.8%†
Vals Router IndexVals AI53.0%†50.9%
Vals Legal IndexVals AI69.0%†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 Analysis44.444.4

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 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):17 项新结果(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…);输入价格 $0.66/M → $1.32/M;输出价格 $1.98/M → $3.96/M。
  • GLM 5.3 Flash:1 项分数修订。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • GLM 5.3 Flash:5 项分数修订。
  • DeepSeek V4 Pro (high):1 项分数修订。
  • GLM 5.3 Flash:1 项新结果(FORTRESS)。
  • DeepSeek V4 Pro (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。

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 Pro vs GLM 5.3 Flash:常见问题

DeepSeek V4 Pro 比 GLM 5.3 Flash 更好吗?
DeepSeek V4 Pro (high) 与 GLM 5.3 Flash 的质量不相上下(56.0 比 57.8,在 ±6.4 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 Pro 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 $0.990(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 Pro 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 52,50 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 Pro 为 1581,GLM 5.3 Flash 为 1609。
DeepSeek V4 Pro 和 GLM 5.3 Flash 哪个更快?
DeepSeek V4 Pro 输出更快(输出 80 比 54 token/秒,Artificial Analysis 7 日中位数)。
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)。两者都约为 1M token(DeepSeek V4 Pro 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 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.8 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 Pro 和 GLM 5.3 Flash 的看法一致吗?
在两者都有结果的 27 项基准测试中,DeepSeek V4 Pro 领先 7 项,GLM 5.3 Flash 领先 19 项,1 项持平。第三方来源看法不一:DeepSeek V4 Pro 在 Vals Index 上领先;GLM 5.3 Flash 在 AA Intelligence Index v5.0.1和Arena Text 上领先。
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。