BenchLeader

GLM 5.3 Flash vs GPT-5

完整资料:GLM 5.3 Flash(Zhipu AI)和 GPT-5(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,GLM 5.3 Flash 与 GPT-5 的质量不相上下(BenchLeader Index 57.8 比 59.0,在 ±7.2 的误差范围内)。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 $3.44)。看重多模态(64 比 57)和数学(69 比 65)选 GLM 5.3 Flash;看重长上下文(70 比 65)选 GPT-5。GPT-5 的首次回答更快(22.9 秒 比 87.0 秒)。GPT-5 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GLM 5.3 Flash 的 BenchLeader Index 为 57.8,GPT-5 为 59.0(BenchLeader,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)。
  • GPT-5 每百万 token 混合价格为 $3.44(标价,2026年11月16日)。
  • GPT-5 比 GLM 5.3 Flash 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 7 项基准测试中,GLM 5.3 Flash 领先 7 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GLM 5.3 Flash 的评分为 1609,GPT-5 为 1417(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
编程均可类别得分 57 比 57;Arena WebDev 1609 比 1417均可
智能体与工具调用均可类别得分 59 比 58均可
数学GLM 5.3 Flash类别得分 69 比 65中
推理均可类别得分 48 比 48;GPQA Diamond (AA) 91.2% 比 84.2%均可
长文档GPT-5类别得分 70 比 65;AA-LCR v1.1 76.0% 比 80.0%中
图像及其他媒体GLM 5.3 Flash类别得分 64 比 57中
对话质量(人类偏好)–只有 GLM 5.3 Flash 有 Arena 评分(类别得分 66)无法比较
成本最低GLM 5.3 Flash每百万 token 混合价格 $0.238 比 $3.44;智能体编程会话 $0.011 比 $0.115–
首次回答最快GPT-5首个回答 token 22.9 秒(GPT-5 (medium))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

  • GLM 5.3 Flash 与 GPT-5 (medium) 的质量不相上下(57.8 比 59.0,在 ±7.2 的误差范围内)。
  • GLM 5.3 Flash 在智能体与工具、数学、多模态、推理方面更强。
  • GPT-5 (medium) 在编程、长上下文方面更强。
  • 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 $3.44)。
  • GPT-5 (medium) 的输出速度是对方的 1.5 倍(82 比 54 token/秒)。

概览

规格GLM 5.3 FlashGPT-5
提供商Zhipu AIOpenAI
发布日期2026年8月20日2025年8月7日
上下文窗口(token)1,000,000400,000
对比时的配置GLM 5.3 FlashGPT-5 (medium)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.500 / $0.030$1.25 / $10.00 / $0.125

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 5.3 FlashGPT-5 (medium)领先者
推理48.347.9持平
编程56.957.4持平
智能体与工具58.758.1持平
数学68.865.4GLM 5.3 Flash
知识45.1–无法比较
指令遵循–69.4无法比较
人类偏好66.4–无法比较
多模态64.056.6GLM 5.3 Flash
长上下文64.670.4GPT-5

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长上下文多模态GLM 5.3 Flash, 推理: 48.3GLM 5.3 Flash, 编程: 56.9GLM 5.3 Flash, 智能体与工具: 58.7GLM 5.3 Flash, 数学: 68.8GLM 5.3 Flash, 长上下文: 64.6GLM 5.3 Flash, 多模态: 64.0GPT-5, 推理: 47.9GPT-5, 编程: 57.4GPT-5, 智能体与工具: 58.1GPT-5, 数学: 65.4GPT-5, 长上下文: 70.4GPT-5, 多模态: 56.6

未绘制(测得的模型少于两个):知识, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 7 项基准测试中,GLM 5.3 Flash 领先 7 项,GPT-5 领先 0 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 IndexGLM 5.3 FlashGPT-5 (medium)领先者
BenchLeader Index57.859.0不相上下
Arena Text14751435†GLM 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GLM 5.3 FlashGPT-5 (medium)
每百万 token 混合价格$0.238$3.44
每百万 token 输入 / 输出$0.150 / $0.500$1.25 / $10.00
每百万 token 缓存输入$0.030$0.125
每项任务价格:聊天回复$0.0002$0.0035
每项任务价格:总结一份 30 页的报告$0.0021$0.021
每项任务价格:代码编辑$0.0017$0.022
每项任务价格:智能体编程会话$0.011$0.115
每项任务价格:结构化信息提取$0.0004$0.0045
智能体编程会话(输入大多命中缓存)$0.0056$0.064
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54 tok/s82 tok/s
首次回答时间87.0 秒22.9 秒
完整回答耗时(最近一次测量 2026年11月13日)220.4 秒66.2 秒

每个模型都按其排名最高的推理强度设置进行对比。GLM 5.3 Flash 得分 57.8,首个回答 token 需 87 秒;GLM 5.3 Flash (max) 为 52.4(87 秒)。GPT-5 (medium) 得分 59.0,首个回答 token 需 23 秒;GPT-5 (high) 为 58.2(49 秒),GPT-5 为 56.6(5 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 200 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 5.3 FlashGPT-5 (medium)
BenchLeader IndexBenchLeader57.859.0
智能体与工具得分BenchLeader58.758.1
编程得分BenchLeader56.957.4
人类偏好得分BenchLeader66.4–
知识得分BenchLeader45.1–
长上下文得分BenchLeader64.670.4
数学得分BenchLeader68.865.4
多模态得分BenchLeader64.056.6
推理得分BenchLeader48.347.9
指令遵循得分BenchLeader–69.4
混合价格(美元/百万 token)BenchLeader$0.238$3.44
输出速度BenchLeader54 tok/s82 tok/s
首次回答时间BenchLeader87.0 秒22.9 秒
上下文窗口BenchLeader1,000,000 token400,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.2%†85.3%
Humanity's Last ExamScale AI / CAIS–25.3%†
SimpleBenchSimpleBench–56.7%†
Arena Hard PromptsArena (LMArena)15001449†
LiveBench 2.0 ReasoningLiveBench77.6%†–
LiveBench 1.0 ReasoningLiveBench77.6%–
GPQA Diamond (AA)Artificial Analysis91.2%84.2%
Humanity's Last Exam (AA)Artificial Analysis39.9%25.4%
HLE-Diamond (AA)Artificial Analysis18.2%–
GPQA Diamond (Vals)Vals AI86.4%†85.6%†
Kagi LLM BenchmarkKagi LLM Benchmark–72.7%†
GPQA Diamond (HELM)HELM Capabilities–79.1%†
ARC-AGI-1ARC Prize91.0%†56.2%
ARC-AGI-2ARC Prize65.8%†7.5%
CritPtArtificial Analysis15.4%0.0%
CritPt v2 hard subset (AA)Artificial Analysis24.5%11.5%†
Arena ExpertArena (LMArena)15111445†
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†32.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†15.0%
LMCAEpoch AI Benchmarking Hub–40.0%†
DTBenchEpoch AI Benchmarking Hub–90.7%†
ForecastBenchForecastBench–65.0%†
BTF-3Epoch AI Benchmarking Hub14.9%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–71.5%
SciCodeSciCode51.6%42.9%†
显示全部 200 项基准测试
指标发布方GLM 5.3 FlashGPT-5 (medium)
编程
WeirdMLWeirdML–39.8%†
FrontierCodeCognition31.8%†–
GSO-BenchGSO-Bench–6.9%†
Arena CodingArena (LMArena)15261462†
Arena WebDevArena (LMArena)16091417
LiveBench 2.0 CodingLiveBench70.9%†–
LiveBench 1.0 CodingLiveBench79.0%–
SciCode (AA)Artificial Analysis51.6%–
LiveCodeBenchVals AI80.5%†85.9%†
IOIVals AI52.5%†–
SWE-bench (Vals)Vals AI92.0%†69.0%†
SWE-Bench ProScale AI SEAL–41.8%†
Aider PolyglotAider polyglot leaderboard–86.7%
SWE-bench Verified (bash only)SWE-bench–65.0%
SWE-bench Verified (any scaffold)SWE-bench–74.4%†
Code MigrationVals AI20.5%†–
Code Migration v1.1Vals AI51.6%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI16.0%†–
Vibe Code Bench v1.1Vals AI30.8%†20.1%†
SWE-Bench Pro (private)Scale AI SEAL–14.9%†
SWE Atlas v1.1Scale AI SEAL55.3%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL66.9%–
SWE Atlas v1.1: Test WritingScale AI SEAL53.3%–
SWE Atlas v1.1: RefactoringScale AI SEAL45.7%–
MirrorCodeEpoch AI Benchmarking Hub–4.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†1162.5†
AlgoTuneAlgoTune–1.7†
FrontierSWEEpoch AI Benchmarking Hub18.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%–
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%35.2%†
GameBench 2 OverallDuelLab GameBench 254.9–
GameBench 2 by reasoning settingDuelLab GameBench 257.2†38.0
Design Arena WebsiteDesign Arena12571174†
FrontierCode 1.1 (AA)Artificial Analysis41.0%–
FrontierCode 2.0 (AA)Artificial Analysis17.6%–
LiveCodeBench (AA)Artificial Analysis–70.3%
智能体与工具
Terminal-BenchTerminal-Bench37.0%†49.6%
GDPvalOpenAI–34.8%
Remote Labor IndexScale AI / CAIS–1.7%†
APEX-AgentsMercor52.8%–
Arena AgentArena (LMArena)-2.9–
LiveBench Long AgenticLiveBench20.7%†–
LiveBench BrowserLiveBench59.8%†–
LiveBench Agentic CodingLiveBench56.8%–
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–86.5%
Terminal-Bench 2.1 (Vals)Vals AI62.9%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%–
GDPval-AA v2.1Artificial Analysis1648925†
τ³-Banking (AA)Artificial Analysis47.2%22.1%†
ITBench SRE (AA)Artificial Analysis51.2%–
Analyst Agent (AA)Artificial Analysis25.0%–
CyberBenchVals AI67.9%†–
Finance Agent v2Vals AI57.9%†–
Finance Agent v2.1Vals AI60.6%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI45.2%†–
Poker AgentVals AI–1103.2%†
SkillsBenchVals AI40.2%†–
SREBenchVals AI0.8%†–
Tax Agent BenchVals AI31.6%†–
Terminal-Bench 2.0 (Vals)Vals AI–37.1%†
Terminal-Bench 4.0 (Vals)Vals AI37.4%†–
Terminal-Bench ScienceVals AI2.9%†–
Arena SearchArena (LMArena)–1189†
Arena Agent Task CompletionArena (LMArena)1.3–
BALROGBALROG–32.8%†
DeepResearch BenchDeepResearch Bench–48.6%
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
METR Time HorizonsMETR–69.6%
AutomationBenchArtificial Analysis60.4%–
GDP.pdf (AA)Artificial Analysis15.4%–
Harvey LAB-AA v1.1Harvey0.8%–
EnterpriseOps-GymArtificial Analysis33.2%–
AA-Briefcase v1.1Artificial Analysis1450–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%–
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis19.9%–
CyberGym end-to-end (AA)Artificial Analysis74.0%–
MKA (AA)Artificial Analysis36.2%–
BrowseComp-PlusBrowseComp-Plus–57.6%†
BrowseCompOpenAI–20.1%†
DeepSearchQAGoogle–59.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†55.4%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†21.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†87.2%
MATH Level 5Epoch AI Benchmarking Hub–97.9%
ProofBenchVals AI21.0%†18.0%†
LiveBench MathematicsLiveBench81.2%–
AIME (Vals)Vals AI–93.4%†
MGSMVals AI–92.8%†
IMO 2025MathArena–38.1%†
MathArena ApexMathArena–1.0%†
Omni-MATH (HELM)HELM Capabilities–64.7%†
MATH 500Vals AI–96.0%†
Arena MathsArena (LMArena)15051411†
AIME 2025 (AA)Artificial Analysis–91.7%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–50.1%†
LiveBench 2.0 Data AnalysisLiveBench76.4%†–
LiveBench ResearchLiveBench73.9%†–
LiveBench 1.0 Data AnalysisLiveBench76.4%–
AA-Omniscience v1.1Artificial Analysis0.7–
MMLU-ProVals AI86.1%†86.5%†
LegalBenchVals AI83.9%†86.0%†
CorpFinVals AI–61.1%†
TaxEvalVals AI75.6%†73.4%†
MedQAVals AI–96.3%†
PRBench FinanceScale AI SEAL–51.3%†
PRBench LegalScale AI SEAL–49.0%†
MultiNRCScale AI SEAL–52.1%†
MMLU-Pro (HELM)HELM Capabilities–86.3%†
CaseLaw v2Vals AI–66.5%†
Excel Modeling BenchmarkVals AI55.9%†–
Excel Modeling Benchmark v1.1Vals AI66.3%†–
MedCodeVals AI–49.6%†
MedScribeVals AI88.9%†83.7%†
Access to Justice BenchmarkVals AI71.1%†–
EBR-benchEpoch AI Benchmarking Hub–12.7%†
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%–
Global-MMLU-Lite (AA)Artificial Analysis–90.4%
指令遵循
LiveBench LanguageLiveBench77.3%–
LiveBench Instruction FollowingLiveBench52.8%–
IFBenchArtificial Analysis–70.6%
MultiChallengeScale AI SEAL–63.2%†
TutorBenchScale AI SEAL–55.3%†
IFEval (HELM)HELM Capabilities–87.5%†
WildBench (HELM)HELM Capabilities–85.7%†
Arena Instruction FollowingArena (LMArena)14741415†
人类偏好
Arena TextArena (LMArena)14751427†
EQ-Bench Creative Writing v3EQ-Bench–1626†
Arena Creative WritingArena (LMArena)14351389†
Arena Multi-turnArena (LMArena)14761449†
Arena Longer QueriesArena (LMArena)14801435†
Lech Mazur Creative WritingLech Mazur–86.0%
多模态
Arena VisionArena (LMArena)12951232†
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis–74.3%
VISTAScale AI SEAL–49.7%†
MMMU-Pro (Vals)Vals AI86.0%†81.5%†
MortgageTaxVals AI–65.5%†
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†–
VTBScale AI SEAL–17.0%†
GeoBenchGeoBench–81.0%
VPCTEpoch AI Benchmarking Hub–63.2%
VIALS-AAHandshake AI39.8%–
Code2Video-AAArtificial Analysis975–
AA-3DArtificial Analysis937–
长上下文
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis80.0%76.0%
MLCRArtificial Analysis11.7%–
FACTS GroundingGoogle56.1%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8150†
LiveBench 2.0LiveBench60.7%†–
LiveBench 1.0LiveBench71.6%–
AA Intelligence Index v5.0.1Artificial Analysis27.8–
AA Intelligence Index v4.3.2Artificial Analysis41.822.9
AA Progress Index v1Artificial Analysis318.6264.4
Vals IndexVals AI50.9†–
HELM Capabilities meanHELM Capabilities–80.7%†
Vals Finance IndexVals AI55.8%†–
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†–
AA Cyber IndexArtificial Analysis49.9–
安全与诚实
FORTRESSScale AI SEAL26.7%17.0%†
MASKScale AI SEAL–79.3%†
DistressBenchScale AI SEAL72.7%–
元数据
AA Openness IndexArtificial Analysis44.45.6

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。
  • GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
  • GPT-5 (medium):1 项新结果(Aider Polyglot)。
  • GPT-5 (medium):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA));1 项分数修订。
  • GLM 5.3 Flash:1 项分数修订。
  • GPT-5 (medium):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)。
  • GLM 5.3 Flash:2 项分数修订;价格 $0.034/M → $0.030/M。
  • GPT-5 (medium):1 项分数修订。

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 5.3 Flash vs GPT-5:常见问题

GLM 5.3 Flash 比 GPT-5 更好吗?
GLM 5.3 Flash 与 GPT-5 (medium) 的质量不相上下(57.8 比 59.0,在 ±7.2 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。
GLM 5.3 Flash 和 GPT-5 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 $3.44(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 GLM 5.3 Flash 还是 GPT-5 更好?
两者在编程方面持平(类别得分 57 比 57)。在两者共同的最主要编程基准测试 Arena WebDev 上,GLM 5.3 Flash 为 1609,GPT-5 为 1417。
GLM 5.3 Flash 和 GPT-5 哪个更快?
GPT-5 输出更快(约 1.5 倍;输出 82 比 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 Flash 还是 GPT-5 更好?
两者在智能体任务方面持平(类别得分 59 比 58)。
更多问题(4)
处理长文档哪个更好?
GPT-5 在长上下文基准测试上得分更高(70 比 65)。GLM 5.3 Flash 支持更长的上下文:1,000,000 token,GPT-5 为 400,000 token。
哪个延迟更低?
GPT-5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 22.9 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 GLM 5.3 Flash 和 GPT-5 的看法一致吗?
在两者都有结果的 7 项基准测试中,GLM 5.3 Flash 领先 7 项,GPT-5 领先 0 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。