BenchLeader

Gemini 4 Carbon vs GLM 5.3

完整资料:Gemini 4 Carbon(Google)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 13 个来源

截至 2026年11月16日,质量上 Gemini 4 Carbon 领先 GLM 5.3(BenchLeader Index 68.9 比 58.8)。不过,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)。在两者都有成绩的所有类别中,Gemini 4 Carbon 均领先。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 的 BenchLeader Index 为 68.9,GLM 5.3 为 58.8(BenchLeader,2026年11月16日)。
  • Gemini 4 Carbon 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)。
  • 在两者都有结果的 48 项基准测试中,Gemini 4 Carbon 领先 47 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Gemini 4 Carbon 的评分为 1768,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Gemini 4 Carbon类别得分 74 比 60;Arena WebDev 1768 比 1623高
智能体与工具调用Gemini 4 Carbon类别得分 70 比 58;Terminal-Bench 64.5% 比 41.2%高
数学Gemini 4 Carbon类别得分 72 比 60;FrontierMath Tiers 1–3 90.5% 比 68.8%高
推理Gemini 4 Carbon类别得分 73 比 55;GPQA Diamond 96.5% 比 90.9%高
知识Gemini 4 Carbon类别得分 76 比 54;SimpleQA Verified 77.7% 比 41.0%高
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 79.7%均可
对话质量(人类偏好)Gemini 4 CarbonArena 投票 73 比 67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–
首次回答最快均可首个回答 token 73.5 秒(Gemini 4 Carbon (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

  • 质量上 Gemini 4 Carbon (high) 领先:68.9 比 58.8。
  • Gemini 4 Carbon (high) 在智能体与工具、编程、人类偏好、知识、数学、推理方面更强。
  • GLM 5.3 (max) 在长上下文方面更强。
  • 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)。
  • GLM 5.3 (max) 的输出速度是对方的 1.4 倍(88 比 64 token/秒)。

概览

规格Gemini 4 CarbonGLM 5.3
提供商GoogleZhipu AI
发布日期2026年10月28日2026年8月18日
上下文窗口(token)1,048,5761,000,000
对比时的配置Gemini 4 Carbon (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 / $0.100$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Gemini 4 Carbon (high)GLM 5.3 (max)领先者
推理73.254.7Gemini 4 Carbon
编程74.159.7Gemini 4 Carbon
智能体与工具70.357.6Gemini 4 Carbon
数学71.960.0Gemini 4 Carbon
知识76.153.5Gemini 4 Carbon
人类偏好72.667.2Gemini 4 Carbon
长上下文64.364.5持平
综合70.3–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推理编程智能体与工具数学知识长上下文人类偏好Gemini 4 Carbon, 推理: 73.2Gemini 4 Carbon, 编程: 74.1Gemini 4 Carbon, 智能体与工具: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知识: 76.1Gemini 4 Carbon, 长上下文: 64.3Gemini 4 Carbon, 人类偏好: 72.6GLM 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, 知识: 53.5GLM 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):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 48 项基准测试中,Gemini 4 Carbon 领先 47 项,GLM 5.3 领先 1 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。

综合 IndexGemini 4 Carbon (high)GLM 5.3 (max)领先者
BenchLeader Index68.958.8Gemini 4 Carbon
AA Intelligence Index v5.0.160.031.6Gemini 4 Carbon
Vals Index70.559.9Gemini 4 Carbon
Arena Text15261482Gemini 4 Carbon

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 4 Carbon (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$0.100$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)$0.074$0.050
每项基准测试任务成本(AA Index)$5.48$5.01
每项任务输出 token(AA Index)123k119k
其中推理部分72k85k
每项任务耗时(AA Index)32 min23 min
输出速度64 tok/s88 tok/s
首次回答时间73.5 秒57.6 秒
完整回答耗时(最近一次测量 2026年11月13日)160.6 秒144.1 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 Gemini 4 Carbon (high) 上花费 $5.48,在 GLM 5.3 (max) 上花费 $5.01;完成同样的工作,Gemini 4 Carbon (high) 输出的 token 是对方的 1.0 倍。

每个模型都按其排名最高的推理强度设置进行对比。Gemini 4 Carbon (high) 得分 68.9,首个回答 token 需 73 秒;Gemini 4 Carbon (medium) 为 65.8(21 秒),Gemini 4 Carbon (low) 为 60.1(11 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 165 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 4 Carbon (high)GLM 5.3 (max)
BenchLeader IndexBenchLeader68.958.8
智能体与工具得分BenchLeader70.357.6
编程得分BenchLeader74.159.7
综合得分BenchLeader70.3–
人类偏好得分BenchLeader72.667.2
知识得分BenchLeader76.153.5
长上下文得分BenchLeader64.364.5
数学得分BenchLeader71.960.0
推理得分BenchLeader73.254.7
混合价格(美元/百万 token)BenchLeader$4.00$2.15
输出速度BenchLeader64 tok/s88 tok/s
首次回答时间BenchLeader73.5 秒57.6 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.5%90.9%
SimpleBenchSimpleBench92.6%†66.2%†
Arena Hard PromptsArena (LMArena)15471507
LiveBench 2.0 ReasoningLiveBench90.6%–
LiveBench 1.0 ReasoningLiveBench–85.8%†
GPQA Diamond (AA)Artificial Analysis–91.7%
Humanity's Last Exam (AA)Artificial Analysis–42.3%
HLE-Diamond (AA)Artificial Analysis69.1%17.9%
GPQA Diamond (Vals)Vals AI–88.1%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–19.1%
CritPt v2 hard subset (AA)Artificial Analysis69.0%33.5%
MysteryMechanismVals AI–23.0%
HLE-Diamond (Scale)Scale AI SEAL–16.4%†
Arena ExpertArena (LMArena)15671522
Chess PuzzlesEpoch AI Benchmarking Hub78.0%37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%33.0%
LMCAEpoch AI Benchmarking Hub–55.5%†
DTBenchEpoch AI Benchmarking Hub–87.7%†
BTF-3Epoch AI Benchmarking Hub–14.9%†
编程
SciCodeSciCode64.2%59.0%
WeirdMLWeirdML–75.4%
FrontierCodeCognition–40.1%
显示全部 165 项基准测试
指标发布方Gemini 4 Carbon (high)GLM 5.3 (max)
编程
Arena CodingArena (LMArena)15681522
Arena WebDevArena (LMArena)17681623
LiveBench 2.0 CodingLiveBench91.0%–
LiveBench 1.0 CodingLiveBench–79.0%†
SciCode (AA)Artificial Analysis–59.0%
LiveCodeBenchVals AI–80.5%
IOIVals AI–68.4%
SWE-bench (Vals)Vals AI–95.4%
Code MigrationVals AI–44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI89.1%78.1%
Vibe Code Bench 1-100 v1.1Vals AI49.7%29.8%
SWE Atlas v1.1Scale AI SEAL71.4%†58.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†55.6%†
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†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%
CursorBenchCursor60.4%42.6%
ALE-BenchEpoch AI Benchmarking Hub–1317.4†
FrontierSWEEpoch AI Benchmarking Hub61.2%30.2%
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–83.9%
Startrise FrontendStartrise–73.2%†
GameBench 2 OverallDuelLab GameBench 2–64.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–72.3
Design Arena WebsiteDesign Arena1319†1279†
FrontierCode 1.1 (AA)Artificial Analysis–40.1%
FrontierCode 2.0 (AA)Artificial Analysis40.6%21.6%
智能体与工具
Terminal-BenchTerminal-Bench64.5%41.2%
APEX-AgentsMercor84.2%†56.6%†
Arena AgentArena (LMArena)171
LiveBench Long AgenticLiveBench72.7%–
LiveBench BrowserLiveBench80.0%–
LiveBench Agentic CodingLiveBench–60.9%†
Terminal-Bench 2.1 (Vals)Vals AI–71.5%
MCP AtlasScale AI SEAL–84.2%†
HiL-BenchScale AI SEAL50.3%†58.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis17331655
τ³-Banking (AA)Artificial Analysis–50.3%
ITBench SRE (AA)Artificial Analysis–46.1%
Analyst Agent (AA)Artificial Analysis–38.8%
CyberBenchVals AI–72.1%
Finance Agent v2Vals AI–55.8%
Finance Agent v2.1Vals AI67.2%65.0%
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%14.6%
Harvey's Legal Agent Benchmark v1Vals AI–8.3%
Legal Research BenchVals AI55.8%49.0%
SkillsBenchVals AI–47.5%
SREBenchVals AI–9.2%
Tax Agent BenchVals AI51.8%43.3%
Terminal-Bench 4.0 (Vals)Vals AI63.1%38.9%
Terminal-Bench ScienceVals AI–5.7%
Arena Agent Task CompletionArena (LMArena)18.43.1
PostTrainBenchEpoch AI Benchmarking Hub–34.5%
Vending-Bench 2Andon Labs16484.2†8163.6†
AutomationBenchArtificial Analysis77.8%62.2%
GDP.pdf (AA)Artificial Analysis28.4%11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis–36.4%
AA-Briefcase v1.1Artificial Analysis16111501
GDPxGDPx by SemiAnalysis10.9%2.7%
Design Arena AgenticDesign Arena1305†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%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%
MKA (AA)Artificial Analysis54.3%–
FACTS SearchGoogle94.4%†87.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%91.1%
ProofBenchVals AI–49.0%
LiveBench MathematicsLiveBench–87.9%†
ArXivMathMathArena94.3%–
BrokenArXivMathArena84.4%–
Arena MathsArena (LMArena)–1501
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%41.0%
LiveBench 2.0 Data AnalysisLiveBench86.5%–
LiveBench ResearchLiveBench92.5%–
LiveBench 1.0 Data AnalysisLiveBench–70.2%†
AA-Omniscience v1.1Artificial Analysis53.56.0
MMLU-ProVals AI–86.8%
LegalBenchVals AI–84.8%
TaxEvalVals AI–72.4%
PRBench LegalScale AI SEAL53.4%†–
Excel Modeling BenchmarkVals AI–56.3%
Excel Modeling Benchmark v1.1Vals AI76.5%69.1%
MedCodeVals AI–42.9%
MedScribeVals AI–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%
DrugDiscoveryBenchScale AI SEAL71.5%–
EBR-benchEpoch AI Benchmarking Hub87.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%61.1%
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle81.6%†40.3%†
指令遵循
LiveBench LanguageLiveBench–79.9%†
LiveBench Instruction FollowingLiveBench–69.3%†
Arena Instruction FollowingArena (LMArena)15251481
人类偏好
Arena TextArena (LMArena)15261482
EQ-Bench Creative Writing v3EQ-Bench–2076†
Arena Creative WritingArena (LMArena)15161456
Arena Multi-turnArena (LMArena)15641482
Arena Longer QueriesArena (LMArena)15381488
多模态
LiveBench DesignLiveBench80.2%–
MMMU-ProArtificial Analysis89.3%†–
Humanity's Sixth SenseScale AI SEAL71.1%–
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%–
VIALS-AAHandshake AI64.0%–
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
FACTS MultimodalGoogle60.2%†–
长上下文
AA-LCR v1.1Artificial Analysis79.3%79.7%
MLCRArtificial Analysis19.4%17.2%
FACTS GroundingGoogle77.2%†55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†157.1†
LiveBench 2.0LiveBench83.5%–
LiveBench 1.0LiveBench–76.1%†
AA Intelligence Index v5.0.1Artificial Analysis60.031.6
AA Intelligence Index v4.3.2Artificial Analysis–44.8
AA Progress Index v1Artificial Analysis350.8322.7
Vals IndexVals AI70.559.9
Vals Finance IndexVals AI67.0%61.4%
Vals RSI IndexVals AI27.7%22.9%
Vals Router IndexVals AI–59.7%†
Vals Legal IndexVals AI75.9%74.6%
AA Cyber IndexArtificial Analysis–36.4
安全与诚实
FORTRESSScale AI SEAL16.4%†28.2%
DistressBenchScale AI SEAL–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

  • Gemini 4 Carbon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):1 项新结果(Terminal-Bench)。
  • Gemini 4 Carbon (high):1 项新结果(DrugDiscoveryBench);输入价格 $4.00/M → $2.00/M;输出价格 $20.00/M → $10.00/M;价格 $7.76/M → $5.48/M。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • Gemini 4 Carbon (high):BenchLeader Index 68.5 → 69.9。
  • Gemini 4 Carbon (high):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。
  • Gemini 4 Carbon (high):2 项新结果(FrontierSWE, Vals RSI Index)。
  • Gemini 4 Carbon (high):BenchLeader Index 69.3 → 68.5。
  • GLM 5.3 (max):4 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 4 Carbon vs GLM 5.3:常见问题

Gemini 4 Carbon 比 GLM 5.3 更好吗?
质量上 Gemini 4 Carbon (high) 领先:68.9 比 58.8。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 4 Carbon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Carbon 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 Gemini 4 Carbon 还是 GLM 5.3 更好?
Gemini 4 Carbon 在编程方面得分更高(类别得分 74 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Gemini 4 Carbon 为 1768,GLM 5.3 为 1623。
Gemini 4 Carbon 和 GLM 5.3 哪个更快?
GLM 5.3 输出更快(输出 88 比 64 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Carbon 还是 GLM 5.3 更好?
Gemini 4 Carbon 在智能体任务方面得分更高(类别得分 70 比 58,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Gemini 4 Carbon 为 64.5%,GLM 5.3 为 41.2%。
更多问题(4)
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(Gemini 4 Carbon 为 1,048,576,GLM 5.3 为 1,000,000)。
哪个延迟更低?
GLM 5.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 57.6 秒比 73.5 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 4 Carbon 和 GLM 5.3 的看法一致吗?
在两者都有结果的 48 项基准测试中,Gemini 4 Carbon 领先 47 项,GLM 5.3 领先 1 项。所有同时评测两者的综合评分都认为 Gemini 4 Carbon 更强。
Gemini 4 Carbon 是什么时候发布的?
Gemini 4 Carbon 于 2026年10月28日 发布。