BenchLeader

GLM 5.3 Flash vs Qwen3.8 2.4T A95B

完整资料:GLM 5.3 Flash(Zhipu AI)和 Qwen3.8 2.4T A95B(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,GLM 5.3 Flash 与 Qwen3.8 2.4T A95B 的质量不相上下(BenchLeader Index 57.8 比 51.4,在 ±15.1 的误差范围内)。GLM 5.3 Flash 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $0.238 比 $3.00)。看重智能体与工具(59 比 48)和推理(48 比 46)选 GLM 5.3 Flash;看重知识(49 比 45)选 Qwen3.8 2.4T A95B。

要点(截至 2026年11月16日)

  • GLM 5.3 Flash 的 BenchLeader Index 为 57.8,Qwen3.8 2.4T A95B 为 51.4(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)。
  • Qwen3.8 2.4T A95B 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 27 项基准测试中,Qwen3.8 2.4T A95B 领先 14 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
智能体与工具调用GLM 5.3 Flash类别得分 59 比 48;CWE-Bench (AA) 55.8% 比 28.3%高
推理GLM 5.3 Flash类别得分 48 比 46;HLE-Diamond (AA) 18.2% 比 20.1%中
知识Qwen3.8 2.4T A95B类别得分 49 比 45;AA-Omniscience v1.1 7.8 比 0.7中
长文档均可类别得分 65 比 65;AA-LCR v1.1 80.0% 比 80.3%均可
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 $3.00;智能体编程会话 $0.011 比 $0.144–
首次回答最快均可首个回答 token 87.0 秒(GLM 5.3 Flash)比 107.3 秒(Qwen3.8 2.4T A95B)–
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 Qwen3.8 2.4T A95B 的质量不相上下(57.8 比 51.4,在 ±15.1 的误差范围内)。
  • GLM 5.3 Flash 在智能体与工具、推理方面更强。
  • Qwen3.8 2.4T A95B 在知识、长上下文方面更强。
  • GLM 5.3 Flash 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $0.238 比 $3.00)。
  • GLM 5.3 Flash 的输出速度是对方的 1.3 倍(54 比 41 token/秒)。

概览

规格GLM 5.3 FlashQwen3.8 2.4T A95B
提供商Zhipu AIAlibaba
发布日期2026年8月20日2026年8月12日
上下文窗口(token)1,000,0001,000,000
对比时的配置GLM 5.3 FlashQwen3.8 2.4T A95B
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.500 / $0.030$2.00 / $6.00 / $0.250

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 FlashQwen3.8 2.4T A95B领先者
推理48.346.4GLM 5.3 Flash
编程56.9–无法比较
智能体与工具58.747.8GLM 5.3 Flash
数学68.8–无法比较
知识45.149.0Qwen3.8 2.4T A95B
人类偏好66.4–无法比较
多模态64.0–无法比较
长上下文64.664.8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推理智能体与工具知识长上下文GLM 5.3 Flash, 推理: 48.3GLM 5.3 Flash, 智能体与工具: 58.7GLM 5.3 Flash, 知识: 45.1GLM 5.3 Flash, 长上下文: 64.6Qwen3.8 2.4T A95B, 推理: 46.4Qwen3.8 2.4T A95B, 智能体与工具: 47.8Qwen3.8 2.4T A95B, 知识: 49.0Qwen3.8 2.4T A95B, 长上下文: 64.8

未绘制(测得的模型少于两个):编程, 数学, 指令遵循, 多模态, 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 27 项基准测试中,GLM 5.3 Flash 领先 13 项,Qwen3.8 2.4T A95B 领先 14 项。

综合 IndexGLM 5.3 FlashQwen3.8 2.4T A95B领先者
BenchLeader Index57.851.4不相上下

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 FlashQwen3.8 2.4T A95B
每百万 token 混合价格$0.238$3.00
每百万 token 输入 / 输出$0.150 / $0.500$2.00 / $6.00
每百万 token 缓存输入$0.030$0.250
每项任务价格:聊天回复$0.0002$0.0026
每项任务价格:总结一份 30 页的报告$0.0021$0.028
每项任务价格:代码编辑$0.0017$0.021
每项任务价格:智能体编程会话$0.011$0.144
每项任务价格:结构化信息提取$0.0004$0.0052
智能体编程会话(输入大多命中缓存)$0.0056$0.065
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/s41 tok/s
首次回答时间87.0 秒107.3 秒
完整回答耗时(最近一次测量 2026年11月13日)220.4 秒248.5 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)。Qwen3.8 2.4T A95B 得分 51.4,首个回答 token 需 107 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 136 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 FlashQwen3.8 2.4T A95B
BenchLeader IndexBenchLeader57.851.4
智能体与工具得分BenchLeader58.747.8
编程得分BenchLeader56.9–
人类偏好得分BenchLeader66.4–
知识得分BenchLeader45.149.0
长上下文得分BenchLeader64.664.8
数学得分BenchLeader68.8–
多模态得分BenchLeader64.0–
推理得分BenchLeader48.346.4
混合价格(美元/百万 token)BenchLeader$0.238$3.00
输出速度BenchLeader54 tok/s41 tok/s
首次回答时间BenchLeader87.0 秒107.3 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.2%†–
Arena Hard PromptsArena (LMArena)1500–
LiveBench 2.0 ReasoningLiveBench77.6%†–
LiveBench 1.0 ReasoningLiveBench77.6%–
GPQA Diamond (AA)Artificial Analysis91.2%93.5%
Humanity's Last Exam (AA)Artificial Analysis39.9%42.5%
HLE-Diamond (AA)Artificial Analysis18.2%20.1%
GPQA Diamond (Vals)Vals AI86.4%†–
ARC-AGI-1ARC Prize91.0%†–
ARC-AGI-2ARC Prize65.8%†–
CritPtArtificial Analysis15.4%20.0%
CritPt v2 hard subset (AA)Artificial Analysis24.5%–
Arena ExpertArena (LMArena)1511–
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†–
BTF-3Epoch AI Benchmarking Hub14.9%–
编程
SciCodeSciCode51.6%–
FrontierCodeCognition31.8%†–
Arena CodingArena (LMArena)1526–
Arena WebDevArena (LMArena)1609–
LiveBench 2.0 CodingLiveBench70.9%†–
LiveBench 1.0 CodingLiveBench79.0%–
SciCode (AA)Artificial Analysis51.6%54.0%
LiveCodeBenchVals AI80.5%†–
IOIVals AI52.5%†–
显示全部 136 项基准测试
指标发布方GLM 5.3 FlashQwen3.8 2.4T A95B
编程
SWE-bench (Vals)Vals AI92.0%†–
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%–
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†–
FrontierSWEEpoch AI Benchmarking Hub18.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%82.0%
GameBench 2 OverallDuelLab GameBench 254.952.8
GameBench 2 by reasoning settingDuelLab GameBench 257.2†49.3†
Design Arena WebsiteDesign Arena1257–
FrontierCode 1.1 (AA)Artificial Analysis41.0%–
FrontierCode 2.0 (AA)Artificial Analysis17.6%–
智能体与工具
Terminal-BenchTerminal-Bench37.0%†–
APEX-AgentsMercor52.8%–
Arena AgentArena (LMArena)-2.9–
LiveBench Long AgenticLiveBench20.7%†–
LiveBench BrowserLiveBench59.8%†–
LiveBench Agentic CodingLiveBench56.8%–
Terminal-Bench 2.1 (Vals)Vals AI62.9%†–
MCP AtlasScale AI SEAL–84.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%55.4%
GDPval-AA v2.1Artificial Analysis16481614
τ³-Banking (AA)Artificial Analysis47.2%49.1%
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%†–
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 Agent Task CompletionArena (LMArena)1.3–
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
AutomationBenchArtificial Analysis60.4%57.3%
GDP.pdf (AA)Artificial Analysis15.4%15.6%
Harvey LAB-AA v1.1Harvey0.8%–
EnterpriseOps-GymArtificial Analysis33.2%47.4%
AA-Briefcase v1.1Artificial Analysis14501430
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%–
CWE-Bench (AA)Artificial Analysis55.8%28.3%
DeepSec-Bench (AA)Artificial Analysis19.9%9.5%
CyberGym end-to-end (AA)Artificial Analysis74.0%0.0%
MKA (AA)Artificial Analysis36.2%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†–
ProofBenchVals AI21.0%†–
LiveBench MathematicsLiveBench81.2%–
Arena MathsArena (LMArena)1505–
知识
LiveBench 2.0 Data AnalysisLiveBench76.4%†–
LiveBench ResearchLiveBench73.9%†–
LiveBench 1.0 Data AnalysisLiveBench76.4%–
AA-Omniscience v1.1Artificial Analysis0.77.8
MMLU-ProVals AI86.1%†–
LegalBenchVals AI83.9%†–
TaxEvalVals AI75.6%†–
Excel Modeling BenchmarkVals AI55.9%†–
Excel Modeling Benchmark v1.1Vals AI66.3%†–
MedScribeVals AI88.9%†–
Access to Justice BenchmarkVals AI71.1%†–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%65.5%
指令遵循
LiveBench LanguageLiveBench77.3%–
LiveBench Instruction FollowingLiveBench52.8%–
Arena Instruction FollowingArena (LMArena)1474–
人类偏好
Arena TextArena (LMArena)1475–
EQ-Bench Creative Writing v3EQ-Bench–1844
Arena Creative WritingArena (LMArena)1435–
Arena Multi-turnArena (LMArena)1476–
Arena Longer QueriesArena (LMArena)1480–
多模态
Arena VisionArena (LMArena)1295–
LiveBench DesignLiveBench73.7%†–
MMMU-Pro (Vals)Vals AI86.0%†–
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†–
VIALS-AAHandshake AI39.8%–
Code2Video-AAArtificial Analysis975–
AA-3DArtificial Analysis937–
长上下文
AA-LCR v1.1Artificial Analysis80.0%80.3%
MLCRArtificial Analysis11.7%30.6%
FACTS GroundingGoogle56.1%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8–
LiveBench 2.0LiveBench60.7%†–
LiveBench 1.0LiveBench71.6%–
AA Intelligence Index v5.0.1Artificial Analysis27.8–
AA Intelligence Index v4.3.2Artificial Analysis41.840.0
AA Progress Index v1Artificial Analysis318.6317.8
Vals IndexVals AI50.9†–
Vals Finance IndexVals AI55.8%†–
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†–
AA Cyber IndexArtificial Analysis49.912.6
安全与诚实
FORTRESSScale AI SEAL26.7%21.6%†
DistressBenchScale AI SEAL72.7%77.5%
元数据
AA Openness IndexArtificial Analysis44.427.8

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。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • 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)。
  • GLM 5.3 Flash:2 项分数修订;价格 $0.034/M → $0.030/M。
  • Qwen3.8 2.4T A95B:1 项分数修订。
  • GLM 5.3 Flash:价格 $0.030/M → $0.034/M。
  • GLM 5.3 Flash:价格 $0.034/M → $0.030/M。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。

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 Qwen3.8 2.4T A95B:常见问题

GLM 5.3 Flash 比 Qwen3.8 2.4T A95B 更好吗?
GLM 5.3 Flash 与 Qwen3.8 2.4T A95B 的质量不相上下(57.8 比 51.4,在 ±15.1 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 Qwen3.8 2.4T A95B 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 $3.00(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。
GLM 5.3 Flash 和 Qwen3.8 2.4T A95B 哪个更快?
GLM 5.3 Flash 输出更快(输出 54 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 Flash 还是 Qwen3.8 2.4T A95B 更好?
GLM 5.3 Flash 在智能体任务方面得分更高(类别得分 59 比 48,50 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 5.3 Flash 为 47.2%,Qwen3.8 2.4T A95B 为 49.1%。
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 65)。两者都支持 1,000,000 token 的上下文。
更多问题(3)
哪个延迟更低?
GLM 5.3 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 87.0 秒比 107.3 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 Qwen3.8 2.4T A95B 的看法一致吗?
在两者都有结果的 27 项基准测试中,GLM 5.3 Flash 领先 13 项,Qwen3.8 2.4T A95B 领先 14 项。
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。