BenchLeader

GLM 5.2 vs GLM 5.3

完整资料:GLM 5.2(Zhipu AI)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,GLM 5.2 与 GLM 5.3 的质量不相上下(BenchLeader Index 58.9 比 58.8,在 ±5.0 的误差范围内)。两者价格相近(每百万 token 混合价格 $2.15 比 $2.15)。看重智能体与工具(62 比 58)、推理(57 比 55)和编程(62 比 60)选 5.2;看重知识(54 比 44)和数学(60 比 53)选 5.3。5.2 的首次回答更快(26.8 秒 比 57.6 秒)。

要点(截至 2026年11月16日)

  • GLM 5.2 的 BenchLeader Index 为 58.9,GLM 5.3 为 58.8(BenchLeader,2026年11月16日)。
  • GLM 5.2 每百万 token 混合价格为 $2.15(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 51 项基准测试中,GLM 5.3 领先 45 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GLM 5.2 的评分为 1608,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 5.2类别得分 62 比 60;Arena WebDev 1608 比 1623中
智能体与工具调用GLM 5.2类别得分 62 比 58;τ³-Banking (AA) 34.6% 比 50.3%中
数学GLM 5.3类别得分 60 比 53;FrontierMath Tiers 1–3 68.8% 比 59.2%中
推理GLM 5.2类别得分 57 比 55;GPQA Diamond 91.9% 比 90.9%中
知识GLM 5.3类别得分 54 比 44;SimpleQA Verified 41.0% 比 34.2%高
长文档均可类别得分 64 比 65;AA-LCR v1.1 78.3% 比 79.7%均可
对话质量(人类偏好)均可Arena 投票 66 比 67均可
成本最低均可每百万 token 混合价格 $2.15 比 $2.15;智能体编程会话 $0.102 比 $0.102–
首次回答最快GLM 5.2首个回答 token 26.8 秒(GLM 5.2 (max))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

  • GLM 5.2 (max) 与 GLM 5.3 (max) 的质量不相上下(58.9 比 58.8,在 ±5.0 的误差范围内)。
  • GLM 5.2 (max) 在智能体与工具、编程、推理方面更强。
  • GLM 5.3 (max) 在人类偏好、知识、长上下文、数学方面更强。
  • 两者价格相近(每百万 token 混合价格 $2.15)。

概览

规格GLM 5.2GLM 5.3
提供商Zhipu AIZhipu AI
发布日期2026年6月16日2026年8月18日
上下文窗口(token)1,000,0001,000,000
对比时的配置GLM 5.2 (max)GLM 5.3 (max)
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.40 / $4.40 / $0.260$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GLM 5.2 (max)GLM 5.3 (max)领先者
推理57.254.7GLM 5.2
编程61.859.7GLM 5.2
智能体与工具62.157.6GLM 5.2
数学52.660.0GLM 5.3
知识44.353.5GLM 5.3
指令遵循71.8–无法比较
人类偏好66.467.2持平
长上下文63.864.5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推理编程智能体与工具数学知识长上下文人类偏好GLM 5.2, 推理: 57.2GLM 5.2, 编程: 61.8GLM 5.2, 智能体与工具: 62.1GLM 5.2, 数学: 52.6GLM 5.2, 知识: 44.3GLM 5.2, 长上下文: 63.8GLM 5.2, 人类偏好: 66.4GLM 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 51 项基准测试中,GLM 5.2 领先 5 项,GLM 5.3 领先 45 项,1 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 IndexGLM 5.2 (max)GLM 5.3 (max)领先者
BenchLeader Index58.958.8不相上下
Arena Text14751482GLM 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GLM 5.2 (max)GLM 5.3 (max)
每百万 token 混合价格$2.15$2.15
每百万 token 输入 / 输出$1.40 / $4.40$1.40 / $4.40
每百万 token 缓存输入$0.260$0.260
每项任务价格:聊天回复$0.0019$0.0019
每项任务价格:总结一份 30 页的报告$0.019$0.019
每项任务价格:代码编辑$0.015$0.015
每项任务价格:智能体编程会话$0.102$0.102
每项任务价格:结构化信息提取$0.0037$0.0037
智能体编程会话(输入大多命中缓存)$0.050$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69 tok/s88 tok/s
首次回答时间26.8 秒57.6 秒
完整回答耗时(最近一次测量 2026年11月13日)56.7 秒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。GLM 5.2 (max) 得分 58.9,首个回答 token 需 27 秒;GLM 5.2 为 51.9(1 秒),GLM 5.2 (无推理) 为 45.8(2 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 162 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GLM 5.2 (max)GLM 5.3 (max)
BenchLeader IndexBenchLeader58.958.8
智能体与工具得分BenchLeader62.157.6
编程得分BenchLeader61.859.7
人类偏好得分BenchLeader66.467.2
指令遵循得分BenchLeader71.8–
知识得分BenchLeader44.353.5
长上下文得分BenchLeader63.864.5
数学得分BenchLeader52.660.0
推理得分BenchLeader57.254.7
混合价格(美元/百万 token)BenchLeader$2.15$2.15
输出速度BenchLeader69 tok/s88 tok/s
首次回答时间BenchLeader26.8 秒57.6 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.9%90.9%
SimpleBenchSimpleBench58.8%†66.2%†
Arena Hard PromptsArena (LMArena)14961507
LiveBench 1.0 ReasoningLiveBench78.6%†85.8%†
GPQA Diamond (AA)Artificial Analysis89.5%91.7%
Humanity's Last Exam (AA)Artificial Analysis41.1%42.3%
HLE-Diamond (AA)Artificial Analysis17.7%17.9%
GPQA Diamond (Vals)Vals AI85.6%†88.1%
Kagi LLM BenchmarkKagi LLM Benchmark62.6%†–
ARC-AGI-1ARC Prize77.0%†–
ARC-AGI-2ARC Prize22.8%†–
CritPtArtificial Analysis20.9%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)15021522
Chess PuzzlesEpoch AI Benchmarking Hub22.0%37.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†33.0%
LMCAEpoch AI Benchmarking Hub45.8%55.5%†
DTBenchEpoch AI Benchmarking Hub93.6%87.7%†
BTF-3Epoch AI Benchmarking Hub–14.9%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%–
SciCodeSciCode51.2%59.0%
WeirdMLWeirdML70.1%75.4%
FrontierCodeCognition24.5%†40.1%
显示全部 162 项基准测试
指标发布方GLM 5.2 (max)GLM 5.3 (max)
编程
Arena CodingArena (LMArena)15151522
Arena WebDevArena (LMArena)16081623
LiveBench 1.0 CodingLiveBench79.7%†79.0%†
LiveCodeBenchVals AI69.5%†80.5%
IOIVals AI–68.4%
SWE-bench (Vals)Vals AI82.8%95.4%
Code MigrationVals AI37.9%44.2%
Code Migration v1.1Vals AI–55.1%
ProgramBenchVals AI0.5%1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI64.0%78.1%
Vibe Code Bench 1-100 v1.1Vals AI–29.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL48.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL42.4%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
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%
MirrorCodeEpoch AI Benchmarking Hub36.7%–
Surface Evolver BenchEpoch AI Benchmarking Hub55.6%†–
DeepSWE v1.1Epoch AI Benchmarking Hub43.8%69.0%
CursorBenchCursor–42.6%
ALE-BenchEpoch AI Benchmarking Hub1010.21317.4†
FrontierSWEEpoch AI Benchmarking Hub–30.2%
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%41.9%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%83.9%
Startrise FrontendStartrise72.1%†73.2%†
GameBench 2 OverallDuelLab GameBench 243.1†64.6†
GameBench 2 by reasoning settingDuelLab GameBench 232.4†72.3
Design Arena WebsiteDesign Arena1277†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-AgentsMercor45.2%†56.6%†
Arena AgentArena (LMArena)0.21
LiveBench Agentic CodingLiveBench51.8%†60.9%†
Terminal-Bench HardArtificial Analysis50.8%–
τ²-Bench Telecom (AA)Artificial Analysis99.1%–
Terminal-Bench 2.1 (Vals)Vals AI67.8%71.5%
MCP AtlasScale AI SEAL77.8%†84.2%†
HiL-BenchScale AI SEAL43.7%†58.3%†
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–57.5%
GDPval-AA v2.1Artificial Analysis13801655
τ³-Banking (AA)Artificial Analysis34.6%50.3%
ITBench SRE (AA)Artificial Analysis42.7%46.1%
Analyst Agent (AA)Artificial Analysis–38.8%
APEX-Agents (AA)Artificial Analysis33.7%–
CyberBenchVals AI–72.1%
Finance Agent v2Vals AI49.7%†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 AI7.1%8.3%
Legal Research BenchVals AI31.3%49.0%
SkillsBenchVals AI45.1%47.5%
SREBenchVals AI0.0%9.2%
Tax Agent BenchVals AI–43.3%
Terminal-Bench 4.0 (Vals)Vals AI–38.9%
Terminal-Bench ScienceVals AI–5.7%
Arena Agent Task CompletionArena (LMArena)1.73.1
PostTrainBenchEpoch AI Benchmarking Hub30.4%34.5%
GBAEvalEpoch AI Benchmarking Hub0.0%†–
Vending-Bench 2Andon Labs8313.8†8163.6†
AutomationBenchArtificial Analysis28.4%62.2%
GDP.pdf (AA)Artificial Analysis10.4%11.2%
Harvey LAB-AA v1.1Harvey–0.3%
EnterpriseOps-GymArtificial Analysis42.7%36.4%
AA-Briefcase v1.1Artificial Analysis12261501
GDPxGDPx by SemiAnalysis–2.7%
Design Arena AgenticDesign Arena1194†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 Hub59.2%68.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%29.3%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.4%91.1%
ProofBenchVals AI35.0%49.0%
LiveBench MathematicsLiveBench89.8%†87.9%†
AIME 2026MathArena90.0%–
HMMT February 2026MathArena92.4%–
MathArena ApexMathArena19.8%–
Arena MathsArena (LMArena)14871501
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub34.2%41.0%
LiveBench 1.0 Data AnalysisLiveBench73.7%†70.2%†
AA-Omniscience v1.1Artificial Analysis0.66.0
MMLU-ProVals AI86.7%†86.8%
LegalBenchVals AI84.1%†84.8%
CorpFinVals AI66.1%†–
TaxEvalVals AI73.3%†72.4%
Excel Modeling BenchmarkVals AI61.5%†56.3%
Excel Modeling Benchmark v1.1Vals AI–69.1%
MedCodeVals AI40.8%†42.9%
MedScribeVals AI83.5%†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 SEAL36.2%†–
EBR-benchEpoch AI Benchmarking Hub9.5%–
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%32.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.1%61.1%
HealthBench Professional (AA)OpenAI–52.8%
FACTS ParametricGoogle–40.3%†
指令遵循
LiveBench LanguageLiveBench76.2%†79.9%†
LiveBench Instruction FollowingLiveBench62.3%†69.3%†
IFBenchArtificial Analysis73.3%–
Arena Instruction FollowingArena (LMArena)14701481
人类偏好
Arena TextArena (LMArena)14751482
EQ-Bench 4EQ-Bench1208†–
EQ-Bench Creative Writing v3EQ-Bench1759†2076†
Arena Creative WritingArena (LMArena)14511456
Arena Multi-turnArena (LMArena)14771482
Arena Longer QueriesArena (LMArena)14861488
多模态
Code2Video-AAArtificial Analysis–1034
AA-3DArtificial Analysis–794
长上下文
AA-LCR v1.1Artificial Analysis78.3%79.7%
MLCRArtificial Analysis12.8%17.2%
FACTS GroundingGoogle–55.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.0†157.1†
LiveBench 1.0LiveBench73.2%†76.1%†
AA Intelligence Index v5.0.1Artificial Analysis–31.6
AA Intelligence Index v4.3.2Artificial Analysis33.744.8
AA Progress Index v1Artificial Analysis302.5322.7
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 SEAL48.7%†28.2%
DistressBenchScale AI SEAL–72.5%†
元数据
AA Openness IndexArtificial Analysis44.433.3

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

  • GLM 5.2 (max):1 项新结果(GDPval-AA v2.1)。
  • GLM 5.2 (max):BenchLeader Index 59.5 → 59.0。
  • GLM 5.2 (max):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex);1 项分数修订。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • GLM 5.2 (max):1 项新结果(MirrorCode)。
  • GLM 5.3 (max):4 项分数修订。
  • GLM 5.2 (max):BenchLeader Index 60.2 → 59.5。
  • GLM 5.2 (max):4 项新结果(HLE-Diamond (AA), AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy…)。
  • GLM 5.2 (max):价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):1 项分数修订;价格 $0.30/M → $0.26/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

GLM 5.2 vs GLM 5.3:常见问题

GLM 5.2 比 GLM 5.3 更好吗?
GLM 5.2 (max) 与 GLM 5.3 (max) 的质量不相上下(58.9 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。
GLM 5.2 和 GLM 5.3 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $2.15。两者均未公布价格调整。
编程用 GLM 5.2 还是 GLM 5.3 更好?
GLM 5.2 在编程方面得分更高(类别得分 62 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,GLM 5.2 为 1608,GLM 5.3 为 1623。
GLM 5.2 和 GLM 5.3 哪个更快?
GLM 5.3 输出更快(输出 88 比 69 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.2 还是 GLM 5.3 更好?
GLM 5.2 在智能体任务方面得分更高(类别得分 62 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 τ³-Banking (AA) 上,GLM 5.2 为 34.6%,GLM 5.3 为 50.3%。
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)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
GLM 5.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 26.8 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 GLM 5.2 和 GLM 5.3 的看法一致吗?
在两者都有结果的 51 项基准测试中,GLM 5.2 领先 5 项,GLM 5.3 领先 45 项,1 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。