BenchLeader

GLM 5.3 Flash vs o3

完整资料:GLM 5.3 Flash(Zhipu AI)和 o3(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 18 个来源

截至 2026年11月16日,GLM 5.3 Flash 与 o3 的质量不相上下(BenchLeader Index 57.8 比 60.4,在 ±5.7 的误差范围内)。GLM 5.3 Flash 更便宜,对方的价格是它的 15 倍(每百万 token 混合价格 $0.238 比 $3.50)。看重多模态(64 比 53)、人类偏好(66 比 61)和长上下文(65 比 62)选 GLM 5.3 Flash;看重推理(61 比 48)、智能体与工具(70 比 59)和知识(56 比 45)选 o3。o3 的首次回答更快(5.2 秒 比 87.0 秒)。o3 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • GLM 5.3 Flash 的 BenchLeader Index 为 57.8,o3 为 60.4(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)。
  • o3 每百万 token 混合价格为 $3.50(标价,2026年11月16日)。
  • o3 比 GLM 5.3 Flash 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 19 项基准测试中,GLM 5.3 Flash 领先 18 项(BenchLeader,2026年11月16日)。

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o3类别得分 60 比 57;Arena Coding 1460 比 1526中
智能体与工具调用o3类别得分 70 比 59高
数学o3类别得分 71 比 69;Arena Maths 1448 比 1505中
推理o3类别得分 61 比 48;Arena Hard Prompts 1441 比 1500高
知识o3类别得分 56 比 45高
长文档GLM 5.3 Flash类别得分 65 比 62;AA-LCR v1.1 80.0% 比 74.7%中
图像及其他媒体GLM 5.3 Flash类别得分 64 比 53;Arena Vision 1295 比 1214高
对话质量(人类偏好)GLM 5.3 FlashArena 投票 66 比 61中
成本最低GLM 5.3 Flash每百万 token 混合价格 $0.238 比 $3.50;智能体编程会话 $0.011 比 $0.152–
首次回答最快o3首个回答 token 5.2 秒(o3)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 o3 的质量不相上下(57.8 比 60.4,在 ±5.7 的误差范围内)。
  • GLM 5.3 Flash 在人类偏好、长上下文、多模态方面更强。
  • o3 在智能体与工具、编程、知识、数学、推理方面更强。
  • GLM 5.3 Flash 更便宜,对方的价格是它的 15 倍(每百万 token 混合价格 $0.238 比 $3.50)。
  • o3 的输出速度是对方的 2.4 倍(131 比 54 token/秒)。

概览

规格GLM 5.3 Flasho3
提供商Zhipu AIOpenAI
发布日期2026年8月20日2025年4月16日
上下文窗口(token)1,000,000200,000
对比时的配置GLM 5.3 Flasho3
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$2.00 / $8.00 / $0.500

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 Flasho3领先者
推理48.360.9o3
编程56.959.8o3
智能体与工具58.770.3o3
数学68.870.6o3
知识45.156.2o3
指令遵循–65.2无法比较
人类偏好66.461.0GLM 5.3 Flash
多模态64.052.8GLM 5.3 Flash
长上下文64.661.9GLM 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。

2550 avg75推理编程智能体与工具数学知识长上下文多模态人类偏好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, 知识: 45.1GLM 5.3 Flash, 长上下文: 64.6GLM 5.3 Flash, 多模态: 64.0GLM 5.3 Flash, 人类偏好: 66.4o3, 推理: 60.9o3, 编程: 59.8o3, 智能体与工具: 70.3o3, 数学: 70.6o3, 知识: 56.2o3, 长上下文: 61.9o3, 多模态: 52.8o3, 人类偏好: 61.0

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 19 项基准测试中,GLM 5.3 Flash 领先 18 项,o3 领先 1 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 Flasho3领先者
BenchLeader Index57.860.4不相上下
Arena Text14751432GLM 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 Flasho3
每百万 token 混合价格$0.238$3.50
每百万 token 输入 / 输出$0.150 / $0.500$2.00 / $8.00
每百万 token 缓存输入$0.030$0.500
每项任务价格:聊天回复$0.0002$0.0032
每项任务价格:总结一份 30 页的报告$0.0021$0.029
每项任务价格:代码编辑$0.0017$0.024
每项任务价格:智能体编程会话$0.011$0.152
每项任务价格:结构化信息提取$0.0004$0.0056
智能体编程会话(输入大多命中缓存)$0.0056$0.085
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/s131 tok/s
首次回答时间87.0 秒5.2 秒
完整回答耗时(最近一次测量 2026年11月13日)220.4 秒17.3 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)。o3 得分 60.4,首个回答 token 需 5 秒;o3 (high) 为 55.1(5 秒),o3 (medium) 为 53.3(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 190 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 Flasho3
BenchLeader IndexBenchLeader57.860.4
智能体与工具得分BenchLeader58.770.3
编程得分BenchLeader56.959.8
人类偏好得分BenchLeader66.461.0
知识得分BenchLeader45.156.2
长上下文得分BenchLeader64.661.9
数学得分BenchLeader68.870.6
多模态得分BenchLeader64.052.8
推理得分BenchLeader48.360.9
指令遵循得分BenchLeader–65.2
混合价格(美元/百万 token)BenchLeader$0.238$3.50
输出速度BenchLeader54 tok/s131 tok/s
首次回答时间BenchLeader87.0 秒5.2 秒
上下文窗口BenchLeader1,000,000 token200,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.2%†81.8%†
Humanity's Last ExamScale AI / CAIS–20.3%†
SimpleBenchSimpleBench–53.1%†
Arena Hard PromptsArena (LMArena)15001441
LiveBench 2.0 ReasoningLiveBench77.6%†–
LiveBench 1.0 ReasoningLiveBench77.6%–
GPQA Diamond (AA)Artificial Analysis91.2%82.7%
Humanity's Last Exam (AA)Artificial Analysis39.9%20.1%
HLE-Diamond (AA)Artificial Analysis18.2%–
GPQA Diamond (Vals)Vals AI86.4%†84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize91.0%†60.8%†
ARC-AGI-2ARC Prize65.8%†6.5%†
CritPtArtificial Analysis15.4%1.1%
CritPt v2 hard subset (AA)Artificial Analysis24.5%–
SciPredictScale AI SEAL–17.9%
Arena ExpertArena (LMArena)15111448
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub–39.7%†
DTBenchEpoch AI Benchmarking Hub–84.8%†
ForecastBenchForecastBench–64.3%
BTF-3Epoch AI Benchmarking Hub14.9%–
显示全部 190 项基准测试
指标发布方GLM 5.3 Flasho3
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–62.3%†
SciCodeSciCode51.6%–
WeirdMLWeirdML–52.4%†
FrontierCodeCognition31.8%†–
GSO-BenchGSO-Bench–8.8%†
Arena CodingArena (LMArena)15261460
Arena WebDevArena (LMArena)1609–
LiveBench 2.0 CodingLiveBench70.9%†–
LiveBench 1.0 CodingLiveBench79.0%–
LiveCodeBenchVals AI80.5%†83.9%†
IOIVals AI52.5%†–
SWE-bench (Vals)Vals AI92.0%†–
Aider PolyglotAider polyglot leaderboard–76.9%
SWE-bench Verified (bash only)SWE-bench–58.4%
SWE-bench Verified (any scaffold)SWE-bench–58.4%
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%†–
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%–
CadEvalEpoch AI Benchmarking Hub–74.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†933.5†
FrontierSWEEpoch AI Benchmarking Hub18.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%–
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 254.934.1
GameBench 2 by reasoning settingDuelLab GameBench 257.2†30.4†
Design Arena WebsiteDesign Arena12571028
FrontierCode 1.1 (AA)Artificial Analysis41.0%–
FrontierCode 2.0 (AA)Artificial Analysis17.6%–
LiveCodeBench (AA)Artificial Analysis–80.8%
智能体与工具
Terminal-BenchTerminal-Bench37.0%†–
GDPvalOpenAI–30.8%†
APEX-AgentsMercor52.8%–
Arena AgentArena (LMArena)-2.9–
LiveBench Long AgenticLiveBench20.7%†–
LiveBench BrowserLiveBench59.8%†–
LiveBench Agentic CodingLiveBench56.8%–
Terminal-Bench HardArtificial Analysis–37.1%
τ²-Bench Telecom (AA)Artificial Analysis–80.7%
Terminal-Bench 2.1 (Vals)Vals AI62.9%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%–
GDPval-AA v2.1Artificial Analysis1648–
τ³-Banking (AA)Artificial Analysis47.2%–
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%†–
SkillsBenchVals AI40.2%†–
SREBenchVals AI0.8%†–
Tax Agent BenchVals AI31.6%†–
Terminal-Bench 4.0 (Vals)Vals AI37.4%†–
Terminal-Bench ScienceVals AI2.9%†–
Arena SearchArena (LMArena)–1197
Arena Agent Task CompletionArena (LMArena)1.3–
DeepResearch BenchDeepResearch Bench–45.2%†
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
METR Time HorizonsMETR–63.6%
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–50.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
ProofBenchVals AI21.0%†–
LiveBench MathematicsLiveBench81.2%–
AIME (Vals)Vals AI–85.3%†
MGSMVals AI–91.8%†
IMO 2025MathArena–16.7%†
Omni-MATH (HELM)HELM Capabilities–71.4%
MATH 500Vals AI–94.6%†
Arena MathsArena (LMArena)15051448
AIME 2025 (AA)Artificial Analysis–88.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–49.4%†
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%†85.6%†
LegalBenchVals AI83.9%†83.8%†
CorpFinVals AI–59.7%†
TaxEvalVals AI75.6%†74.6%†
MedQAVals AI–96.1%†
PRBench FinanceScale AI SEAL–47.7%
PRBench LegalScale AI SEAL–48.6%
MultiNRCScale AI SEAL–45.5%†
MMLU-Pro (HELM)HELM Capabilities–85.9%
Excel Modeling BenchmarkVals AI55.9%†–
Excel Modeling Benchmark v1.1Vals AI66.3%†–
MedCodeVals AI–47.3%†
MedScribeVals AI88.9%†76.7%†
Access to Justice BenchmarkVals AI71.1%†–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%–
指令遵循
LiveBench LanguageLiveBench77.3%–
LiveBench Instruction FollowingLiveBench52.8%–
IFBenchArtificial Analysis–71.4%
MultiChallengeScale AI SEAL–56.6%†
TutorBenchScale AI SEAL–52.1%†
IFEval (HELM)HELM Capabilities–86.9%
WildBench (HELM)HELM Capabilities–86.1%
Arena Instruction FollowingArena (LMArena)14741403
人类偏好
Arena TextArena (LMArena)14751432
EQ-Bench Creative Writing v3EQ-Bench–1675
Arena Creative WritingArena (LMArena)14351383
Arena Multi-turnArena (LMArena)14761420
Arena Longer QueriesArena (LMArena)14801411
Lech Mazur Creative WritingLech Mazur–83.9%†
多模态
Arena VisionArena (LMArena)12951214
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis–70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI86.0%†80.4%†
MortgageTaxVals AI–65.7%†
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†–
VTBScale AI SEAL–13.7%
GeoBenchGeoBench–60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
VIALS-AAHandshake AI39.8%–
Code2Video-AAArtificial Analysis975–
AA-3DArtificial Analysis937–
长上下文
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis80.0%74.7%
MLCRArtificial Analysis11.7%–
FACTS GroundingGoogle56.1%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8147.1
LiveBench 2.0LiveBench60.7%†–
LiveBench 1.0LiveBench71.6%–
AA Intelligence Index v5.0.1Artificial Analysis27.8–
AA Intelligence Index v4.3.2Artificial Analysis41.820.2
AA Progress Index v1Artificial Analysis318.6258.3
Vals IndexVals AI50.9†–
HELM Capabilities meanHELM Capabilities–81.1%
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%16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
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。
  • o3:BenchLeader Index 61.2 → 60.4。
  • o3:1 项分数修订。
  • GLM 5.3 Flash:1 项分数修订。
  • GLM 5.3 Flash:5 项分数修订。
  • o3:1 项新结果(Arena Search)。
  • 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。
  • o3:1 项分数修订。
  • GLM 5.3 Flash:价格 $0.030/M → $0.034/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 5.3 Flash vs o3:常见问题

GLM 5.3 Flash 比 o3 更好吗?
GLM 5.3 Flash 与 o3 的质量不相上下(57.8 比 60.4,在 ±5.7 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 o3 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 $3.50(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 o3 更好?
o3 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 Coding 上,GLM 5.3 Flash 为 1526,o3 为 1460。
GLM 5.3 Flash 和 o3 哪个更快?
o3 输出更快(约 2 倍;输出 131 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 o3 更好?
o3 在智能体任务方面得分更高(类别得分 70 比 59,50 为平均水平)。
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 62)。GLM 5.3 Flash 支持更长的上下文:1,000,000 token,o3 为 200,000 token。
哪个延迟更低?
o3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 5.2 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 o3 的看法一致吗?
在两者都有结果的 19 项基准测试中,GLM 5.3 Flash 领先 18 项,o3 领先 1 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。