Gemini 3.5 Flash vs GLM 5.3 Flash
完整资料:Gemini 3.5 Flash(Google)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 13 个来源
截至 2026年11月16日,质量上 Gemini 3.5 Flash 领先 GLM 5.3 Flash(BenchLeader Index 62.5 比 57.8)。不过,GLM 5.3 Flash 更便宜,对方的价格是它的 14 倍(每百万 token 混合价格 $0.238 比 $3.38)。看重知识(63 比 45)、推理(61 比 48)和智能体与工具(63 比 59)选 Gemini 3.5 Flash;看重数学(69 比 58)和长上下文(65 比 61)选 GLM 5.3 Flash。Gemini 3.5 Flash 的首次回答更快(9.9 秒 比 87.0 秒)。Gemini 3.5 Flash 的输出更快(3 倍以上)。
要点(截至 2026年11月16日)
- Gemini 3.5 Flash 的 BenchLeader Index 为 62.5,GLM 5.3 Flash 为 57.8(BenchLeader,2026年11月16日)。
- Gemini 3.5 Flash 每百万 token 混合价格为 $3.38(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)。
- Gemini 3.5 Flash 比 GLM 5.3 Flash 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 35 项基准测试中,GLM 5.3 Flash 领先 20 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Gemini 3.5 Flash 的评分为 1500,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 | Gemini 3.5 Flash | 类别得分 60 比 57;SciCode 53.9% 比 51.6% | 中 |
| 智能体与工具调用 | Gemini 3.5 Flash | 类别得分 63 比 59;τ³-Banking (AA) 32.2% 比 47.2% | 中 |
| 数学 | GLM 5.3 Flash | 类别得分 69 比 58;Arena Maths 1505 比 1497 | 高 |
| 推理 | Gemini 3.5 Flash | 类别得分 61 比 48;Arena Hard Prompts 1496 比 1500 | 高 |
| 知识 | Gemini 3.5 Flash | 类别得分 63 比 45;LiveBench 1.0 Data Analysis 64.9% 比 76.4% | 高 |
| 长文档 | GLM 5.3 Flash | 类别得分 65 比 61;AA-LCR v1.1 80.0% 比 73.3% | 中 |
| 图像及其他媒体 | Gemini 3.5 Flash | 类别得分 66 比 64;Arena Vision 1308 比 1295 | 中 |
| 对话质量(人类偏好) | 均可 | Arena 投票 67 比 66 | 均可 |
| 成本最低 | GLM 5.3 Flash | 每百万 token 混合价格 $0.238 比 $3.38;智能体编程会话 $0.011 比 $0.126 | – |
| 首次回答最快 | Gemini 3.5 Flash | 首个回答 token 9.9 秒(Gemini 3.5 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
- 质量上 Gemini 3.5 Flash (high) 领先:62.5 比 57.8。
- Gemini 3.5 Flash (high) 在智能体与工具、编程、人类偏好、知识、多模态、推理方面更强。
- GLM 5.3 Flash 在长上下文、数学方面更强。
- GLM 5.3 Flash 更便宜,对方的价格是它的 14 倍(每百万 token 混合价格 $0.238 比 $3.38)。
- Gemini 3.5 Flash (high) 的输出速度是对方的 3.2 倍(176 比 54 token/秒)。
概览
| 规格 | Gemini 3.5 Flash | GLM 5.3 Flash |
|---|---|---|
| 提供商 | Zhipu AI | |
| 发布日期 | 2026年5月19日 | 2026年8月20日 |
| 上下文窗口(token) | 1,048,576 | 1,000,000 |
| 对比时的配置 | Gemini 3.5 Flash (high) | GLM 5.3 Flash |
| 开放权重 | 否 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $1.50 / $9.00 / $0.150 | $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 | Gemini 3.5 Flash (high) | GLM 5.3 Flash | 领先者 |
|---|---|---|---|
| 推理 | 60.6 | 48.3 | Gemini 3.5 Flash |
| 编程 | 59.5 | 56.9 | Gemini 3.5 Flash |
| 智能体与工具 | 62.8 | 58.7 | Gemini 3.5 Flash |
| 数学 | 57.7 | 68.8 | GLM 5.3 Flash |
| 知识 | 63.3 | 45.1 | Gemini 3.5 Flash |
| 指令遵循 | 74.4 | – | 无法比较 |
| 人类偏好 | 66.8 | 66.4 | 持平 |
| 多模态 | 66.2 | 64.0 | Gemini 3.5 Flash |
| 长上下文 | 61.2 | 64.6 | GLM 5.3 Flash |
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。
未绘制(测得的模型少于两个):指令遵循。
各来源的分歧
在两者都有结果的 35 项基准测试中,Gemini 3.5 Flash 领先 15 项,GLM 5.3 Flash 领先 20 项。所有同时评测两者的综合评分都认为 Gemini 3.5 Flash 更强。
| 综合 Index | Gemini 3.5 Flash (high) | GLM 5.3 Flash | 领先者 |
|---|---|---|---|
| BenchLeader Index | 62.5 | 57.8 | Gemini 3.5 Flash |
| Arena Text | 1478 | 1475 | Gemini 3.5 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 | Gemini 3.5 Flash (high) | GLM 5.3 Flash |
|---|---|---|
| 每百万 token 混合价格 | $3.38 | $0.238 |
| 每百万 token 输入 / 输出 | $1.50 / $9.00 | $0.150 / $0.500 |
| 每百万 token 缓存输入 | $0.150 | $0.030 |
| 每项任务价格:聊天回复 | $0.0033 | $0.0002 |
| 每项任务价格:总结一份 30 页的报告 | $0.023 | $0.0021 |
| 每项任务价格:代码编辑 | $0.022 | $0.0017 |
| 每项任务价格:智能体编程会话 | $0.126 | $0.011 |
| 每项任务价格:结构化信息提取 | $0.0048 | $0.0004 |
| 智能体编程会话(输入大多命中缓存) | $0.065 | $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 | 176 tok/s | 54 tok/s |
| 首次回答时间 | 9.9 秒 | 87.0 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 27.6 秒 | 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。Gemini 3.5 Flash (high) 得分 62.5,首个回答 token 需 10 秒;Gemini 3.5 Flash (medium) 为 61.8(9 秒),Gemini 3.5 Flash (minimal) 为 55.6(3 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 168 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 | Gemini 3.5 Flash (high) | GLM 5.3 Flash |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.5 | 57.8 |
| 智能体与工具得分 | BenchLeader | 62.8 | 58.7 |
| 编程得分 | BenchLeader | 59.5 | 56.9 |
| 人类偏好得分 | BenchLeader | 66.8 | 66.4 |
| 指令遵循得分 | BenchLeader | 74.4 | – |
| 知识得分 | BenchLeader | 63.3 | 45.1 |
| 长上下文得分 | BenchLeader | 61.2 | 64.6 |
| 数学得分 | BenchLeader | 57.7 | 68.8 |
| 多模态得分 | BenchLeader | 66.2 | 64.0 |
| 推理得分 | BenchLeader | 60.6 | 48.3 |
| 混合价格(美元/百万 token) | BenchLeader | $3.38 | $0.238 |
| 输出速度 | BenchLeader | 176 tok/s | 54 tok/s |
| 首次回答时间 | BenchLeader | 9.9 秒 | 87.0 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.8% | 90.2%† |
| SimpleBench | SimpleBench | 76.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1496 | 1500 |
| LiveBench 2.0 Reasoning | LiveBench | – | 77.6%† |
| LiveBench 1.0 Reasoning | LiveBench | 82.0% | 77.6% |
| GPQA Diamond (AA) | Artificial Analysis | 92.2% | 91.2% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.7% | 39.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 18.2% |
| GPQA Diamond (Vals) | Vals AI | 92.7% | 86.4%† |
| EnigmaEval | Scale AI SEAL | 25.4% | – |
| ARC-AGI-1 | ARC Prize | 92.5% | 91.0%† |
| ARC-AGI-2 | ARC Prize | 72.1% | 65.8%† |
| CritPt | Artificial Analysis | 13.1% | 15.4% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 24.5% |
| Arena Expert | Arena (LMArena) | 1491 | 1511 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | 21.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 32.0% | 8.0%† |
| LMCA | Epoch AI Benchmarking Hub | 47.1% | – |
| DTBench | Epoch AI Benchmarking Hub | 94.7% | – |
| ForecastBench | ForecastBench | 64.0%† | – |
| BTF-3 | Epoch AI Benchmarking Hub | – | 14.9% |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 79.3% | – |
| SciCode | SciCode | 53.9% | 51.6% |
| WeirdML | WeirdML | 62.6% | – |
| FrontierCode | Cognition | – | 31.8%† |
显示全部 168 项基准测试
| 指标 | 发布方 | Gemini 3.5 Flash (high) | GLM 5.3 Flash |
|---|---|---|---|
| 编程 | |||
| Arena Coding | Arena (LMArena) | 1508 | 1526 |
| Arena WebDev | Arena (LMArena) | 1500 | 1609 |
| LiveBench 2.0 Coding | LiveBench | – | 70.9%† |
| LiveBench 1.0 Coding | LiveBench | 78.2% | 79.0% |
| LiveCodeBench | Vals AI | 87.6% | 80.5%† |
| IOI | Vals AI | – | 52.5%† |
| SWE-bench (Vals) | Vals AI | 78.8% | 92.0%† |
| Code Migration | Vals AI | 26.8% | 20.5%† |
| Code Migration v1.1 | Vals AI | – | 51.6%† |
| ProgramBench | Vals AI | 0.0% | 0.0%† |
| Vibe Code Bench 1-100 | Vals AI | – | 16.0%† |
| Vibe Code Bench v1.1 | Vals AI | 48.7% | 30.8%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 55.3% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 66.9% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 53.3% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 45.7% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 58.1%† | 52.5%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 36.1% | 63.4%† |
| CursorBench | Cursor | – | 36.8%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 911.0 | 303.6† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 18.1%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 6.6% | 32.8% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7% | 84.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | 49.4† | 54.9 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 63.2 | 57.2† |
| Design Arena Website | Design Arena | 1260† | 1257 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 41.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 17.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 37.0%† |
| APEX-Agents | Mercor | 27.5%† | 52.8% |
| Arena Agent | Arena (LMArena) | – | -2.9 |
| LiveBench Long Agentic | LiveBench | – | 20.7%† |
| LiveBench Browser | LiveBench | – | 59.8%† |
| LiveBench Agentic Coding | LiveBench | 49.0% | 56.8% |
| Terminal-Bench Hard | Artificial Analysis | 40.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 74.2% | 62.9%† |
| MCP Atlas | Scale AI SEAL | 83.6% | – |
| HiL-Bench | Scale AI SEAL | 27.7%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 57.1% |
| GDPval-AA v2.1 | Artificial Analysis | 1211 | 1648 |
| τ³-Banking (AA) | Artificial Analysis | 32.2% | 47.2% |
| ITBench SRE (AA) | Artificial Analysis | 40.4% | 51.2% |
| Analyst Agent (AA) | Artificial Analysis | 45.0% | 25.0% |
| APEX-Agents (AA) | Artificial Analysis | 47.0% | – |
| CyberBench | Vals AI | – | 67.9%† |
| Finance Agent v2 | Vals AI | 57.9% | 57.9%† |
| Finance Agent v2.1 | Vals AI | – | 60.6%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 10.4%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 2.5% | 6.7%† |
| Legal Research Bench | Vals AI | 30.8% | 45.2%† |
| SkillsBench | Vals AI | 52.7% | 40.2%† |
| SREBench | Vals AI | – | 0.8%† |
| Tax Agent Bench | Vals AI | 21.6% | 31.6%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 67.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 6.1% | 37.4%† |
| Terminal-Bench Science | Vals AI | 5.7% | 2.9%† |
| Web Search Index | Vals AI | 37.0% | – |
| Arena Agent Task Completion | Arena (LMArena) | – | 1.3 |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 36.8%† |
| GBAEval | Epoch AI Benchmarking Hub | 6.7%† | – |
| Vending-Bench 2 | Andon Labs | 5396.4† | – |
| AutomationBench | Artificial Analysis | 42.1% | 60.4% |
| GDP.pdf (AA) | Artificial Analysis | 19.8% | 15.4% |
| Harvey LAB-AA v1.1 | Harvey | – | 0.8% |
| EnterpriseOps-Gym | Artificial Analysis | 50.1% | 33.2% |
| AA-Briefcase v1.1 | Artificial Analysis | 876 | 1450 |
| Design Arena Agentic | Design Arena | 1174† | – |
| 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 1–3 | Epoch AI Benchmarking Hub | 62.8% | 55.8%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8% | 17.1%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.6% | 93.9%† |
| ProofBench | Vals AI | 31.0% | 21.0%† |
| LiveBench Mathematics | LiveBench | 88.2% | 81.2% |
| AIME 2026 | MathArena | 95.0% | – |
| HMMT February 2026 | MathArena | 95.5% | – |
| MathArena Apex | MathArena | 32.3% | – |
| Arena Maths | Arena (LMArena) | 1497 | 1505 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 66.2% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 76.4%† |
| LiveBench Research | LiveBench | – | 73.9%† |
| LiveBench 1.0 Data Analysis | LiveBench | 64.9% | 76.4% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 0.7 |
| MMLU-Pro | Vals AI | 89.5% | 86.1%† |
| LegalBench | Vals AI | 83.6% | 83.9%† |
| CorpFin | Vals AI | 64.7% | – |
| TaxEval | Vals AI | 74.4% | 75.6%† |
| Excel Modeling Benchmark | Vals AI | 63.5% | 55.9%† |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 66.3%† |
| MedCode | Vals AI | 55.8% | – |
| MedScribe | Vals AI | 76.6% | 88.9%† |
| Public Benefits Bench v1.1 | Vals AI | 59.5% | – |
| Access to Justice Benchmark | Vals AI | – | 71.1%† |
| Financial Coaching Bench | Vals AI | 63.0% | – |
| DrugDiscoveryBench | Scale AI SEAL | 50.0% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 4.8% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 14.0%† | 14.0%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 28.2% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 61.6% |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 84.6% | 77.3% |
| LiveBench Instruction Following | LiveBench | 75.6% | 52.8% |
| IFBench | Artificial Analysis | 76.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | 1474 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1478 | 1475 |
| EQ-Bench 4 | EQ-Bench | 1077† | – |
| Arena Creative Writing | Arena (LMArena) | 1465 | 1435 |
| Arena Multi-turn | Arena (LMArena) | 1480 | 1476 |
| Arena Longer Queries | Arena (LMArena) | 1483 | 1480 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1308 | 1295 |
| LiveBench Design | LiveBench | – | 73.7%† |
| MMMU-Pro | Artificial Analysis | 84.3% | – |
| MMMU-Pro (Vals) | Vals AI | 88.3% | 86.0%† |
| MortgageTax | Vals AI | 68.1% | – |
| SAGE | Vals AI | – | 89.3%† |
| Humanity's Sixth Sense | Scale AI SEAL | 32.6% | 26.8%† |
| GeoBench | GeoBench | 85.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 33.6%† | – |
| VIALS-AA | Handshake AI | – | 39.8% |
| Code2Video-AA | Artificial Analysis | – | 975 |
| AA-3D | Artificial Analysis | – | 937 |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 73.3% | 80.0% |
| Arena Document | Arena (LMArena) | 1455 | – |
| MLCR | Artificial Analysis | 10.0% | 11.7% |
| FACTS Grounding | – | 56.1% | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.3† | 153.8 |
| LiveBench 2.0 | LiveBench | – | 60.7%† |
| LiveBench 1.0 | LiveBench | 74.6% | 71.6% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 27.8 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.6 | 41.8 |
| AA Progress Index v1 | Artificial Analysis | 305.1 | 318.6 |
| Vals Index | Vals AI | – | 50.9† |
| Vals Finance Index | Vals AI | – | 55.8%† |
| Vals Multimodal Index | Vals AI | 62.9% | – |
| Vals Router Index | Vals AI | – | 50.9% |
| Vals Legal Index | Vals AI | – | 71.0%† |
| AA Cyber Index | Artificial Analysis | – | 49.9 |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 26.7% |
| DistressBench | Scale AI SEAL | 66.9%† | 72.7% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | – | 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。
- Gemini 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
- Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
- 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)。
- Gemini 3.5 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。
- GLM 5.3 Flash:价格 $0.034/M → $0.030/M。
相关对比
- Gemini 3.5 Flash vs Claude Fable 5.2
- Gemini 3.5 Flash vs Gemini 4 Carbon
- Gemini 3.5 Flash vs Claude Opus 5.5
- GLM 5.3 Flash vs Claude Opus 5.5
- GLM 5.3 Flash vs GPT-6.1 Sol
- GLM 5.3 Flash vs Gemini 4 Argon
- Gemini 3.5 Flash vs Claude Fable 5.1
- Gemini 3.5 Flash vs GPT-6.1 Sol
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
Gemini 3.5 Flash vs GLM 5.3 Flash:常见问题
- Gemini 3.5 Flash 比 GLM 5.3 Flash 更好吗?
- 质量上 Gemini 3.5 Flash (high) 领先:62.5 比 57.8。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Gemini 3.5 Flash (high) 总体领先,但请结合你的用途查看各类别得分。
- Gemini 3.5 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 $3.38(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 Gemini 3.5 Flash 还是 GLM 5.3 Flash 更好?
- Gemini 3.5 Flash 在编程方面得分更高(类别得分 60 比 57,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 3.5 Flash 为 1500,GLM 5.3 Flash 为 1609。
- Gemini 3.5 Flash 和 GLM 5.3 Flash 哪个更快?
- Gemini 3.5 Flash 输出更快(3 倍以上;输出 176 比 54 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Gemini 3.5 Flash 还是 GLM 5.3 Flash 更好?
- Gemini 3.5 Flash 在智能体任务方面得分更高(类别得分 63 比 59,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,Gemini 3.5 Flash 为 32.2%,GLM 5.3 Flash 为 47.2%。
更多问题(4)
- 处理长文档哪个更好?
- GLM 5.3 Flash 在长上下文基准测试上得分更高(65 比 61)。两者都约为 1M token(Gemini 3.5 Flash 为 1,048,576,GLM 5.3 Flash 为 1,000,000)。
- 哪个延迟更低?
- Gemini 3.5 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 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 Gemini 3.5 Flash 和 GLM 5.3 Flash 的看法一致吗?
- 在两者都有结果的 35 项基准测试中,Gemini 3.5 Flash 领先 15 项,GLM 5.3 Flash 领先 20 项。所有同时评测两者的综合评分都认为 Gemini 3.5 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。