BenchLeader

GLM 5.3 vs GPT-5.4 Pro

完整资料:GLM 5.3(Zhipu AI)和 GPT-5.4 Pro(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,GLM 5.3 与 GPT-5.4 Pro 的质量不相上下(BenchLeader Index 58.8 比 63.1,在 ±4.6 的误差范围内)。GLM 5.3 更便宜,对方的价格是它的 31 倍(每百万 token 混合价格 $2.15 比 $67.50)。在两者都有成绩的所有类别中,GPT-5.4 Pro 均领先。GLM 5.3 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GLM 5.3 的 BenchLeader Index 为 58.8,GPT-5.4 Pro 为 63.1(BenchLeader,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)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月16日)。
  • GLM 5.3 比 GPT-5.4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 1 项基准测试中,GPT-5.4 Pro 领先 1 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
推理GPT-5.4 Pro类别得分 70 比 55高
知识GPT-5.4 Pro类别得分 74 比 54高
对话质量(人类偏好)–只有 GLM 5.3 有 Arena 评分(类别得分 67)无法比较
成本最低GLM 5.3每百万 token 混合价格 $2.15 比 $67.50;智能体编程会话 $0.102 比 $2.52–
首次回答最快GPT-5.4 Pro首个回答 token 7.9 秒(GPT-5.4 Pro)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 5.3 (max) 与 GPT-5.4 Pro 的质量不相上下(58.8 比 63.1,在 ±4.6 的误差范围内)。
  • GPT-5.4 Pro 在知识、推理方面更强。
  • GLM 5.3 (max) 更便宜,对方的价格是它的 31 倍(每百万 token 混合价格 $2.15 比 $67.50)。
  • GLM 5.3 (max) 的输出速度是对方的 13.5 倍(88 比 7 token/秒)。

概览

规格GLM 5.3GPT-5.4 Pro
提供商Zhipu AIOpenAI
发布日期2026年8月18日2026年3月4日
上下文窗口(token)1,000,0001,050,000
对比时的配置GLM 5.3 (max)GPT-5.4 Pro
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.40 / $4.40 / $0.260$30.00 / $180.00 / –

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 (max)GPT-5.4 Pro领先者
推理54.770.1GPT-5.4 Pro
编程59.7–无法比较
智能体与工具57.6–无法比较
数学60.0–无法比较
知识53.574.0GPT-5.4 Pro
指令遵循–64.4无法比较
人类偏好67.2–无法比较
多模态–69.8无法比较
长上下文64.5–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指令遵循长上下文多模态人类偏好GLM 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: 67.2GPT-5.4 Pro, 推理: 70.1GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 指令遵循: 64.4GPT-5.4 Pro, 多模态: 69.8

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 1 项基准测试中,GLM 5.3 领先 0 项,GPT-5.4 Pro 领先 1 项。

综合 IndexGLM 5.3 (max)GPT-5.4 Pro领先者
BenchLeader Index58.863.1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 (max)GPT-5.4 Pro
每百万 token 混合价格$2.15$67.50
每百万 token 输入 / 输出$1.40 / $4.40$30.00 / $180.00
每百万 token 缓存输入$0.260–
每项任务价格:聊天回复$0.0019$0.066
每项任务价格:总结一份 30 页的报告$0.019$0.468
每项任务价格:代码编辑$0.015$0.450
每项任务价格:智能体编程会话$0.102$2.52
每项任务价格:结构化信息提取$0.0037$0.096
智能体编程会话(输入大多命中缓存)$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88 tok/s7 tok/s
首次回答时间57.6 秒7.9 秒
完整回答耗时(最近一次测量 2026年11月13日)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 5.3 (max) 得分 58.8,首个回答 token 需 58 秒;GLM 5.3 (low) 为 47.3(7 秒)。GPT-5.4 Pro 得分 63.1,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.5(8 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 149 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 (max)GPT-5.4 Pro
BenchLeader IndexBenchLeader58.863.1
智能体与工具得分BenchLeader57.6–
编程得分BenchLeader59.7–
人类偏好得分BenchLeader67.2–
知识得分BenchLeader53.574.0
长上下文得分BenchLeader64.5–
数学得分BenchLeader60.0–
推理得分BenchLeader54.770.1
指令遵循得分BenchLeader–64.4
多模态得分BenchLeader–69.8
混合价格(美元/百万 token)BenchLeader$2.15$67.50
输出速度BenchLeader88 tok/s7 tok/s
首次回答时间BenchLeader57.6 秒7.9 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%94.6%†
Humanity's Last ExamScale AI / CAIS–44.3%
SimpleBenchSimpleBench66.2%†74.1%
Arena Hard PromptsArena (LMArena)1507–
LiveBench 1.0 ReasoningLiveBench85.8%†–
GPQA Diamond (AA)Artificial Analysis91.7%–
Humanity's Last Exam (AA)Artificial Analysis42.3%–
HLE-Diamond (AA)Artificial Analysis17.9%–
GPQA Diamond (Vals)Vals AI88.1%–
ARC-AGI-1ARC Prize–94.5%†
ARC-AGI-2ARC Prize–83.3%†
CritPtArtificial Analysis19.1%30.0%†
CritPt v2 hard subset (AA)Artificial Analysis33.5%–
MysteryMechanismVals AI23.0%–
HLE-Diamond (Scale)Scale AI SEAL16.4%†–
Arena ExpertArena (LMArena)1522–
Chess PuzzlesEpoch AI Benchmarking Hub37.0%59.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%–
LMCAEpoch AI Benchmarking Hub55.5%†–
DTBenchEpoch AI Benchmarking Hub87.7%†–
BTF-3Epoch AI Benchmarking Hub14.9%†–
编程
SciCodeSciCode59.0%–
WeirdMLWeirdML75.4%57.4%†
FrontierCodeCognition40.1%–
Arena CodingArena (LMArena)1522–
显示全部 149 项基准测试
指标发布方GLM 5.3 (max)GPT-5.4 Pro
编程
Arena WebDevArena (LMArena)1623–
LiveBench 1.0 CodingLiveBench79.0%†–
LiveCodeBenchVals AI80.5%–
IOIVals AI68.4%–
SWE-bench (Vals)Vals AI95.4%–
Code MigrationVals AI44.2%–
Code Migration v1.1Vals AI55.1%–
ProgramBenchVals AI1.5%–
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI78.1%–
Vibe Code Bench 1-100 v1.1Vals AI29.8%–
SWE Atlas v1.1Scale AI SEAL58.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL55.6%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
SWE-Bench Pro V2Scale AI SEAL95.6%–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%–
DeepSWE v1.1Epoch AI Benchmarking Hub69.0%–
CursorBenchCursor42.6%–
ALE-BenchEpoch AI Benchmarking Hub1317.4†–
FrontierSWEEpoch AI Benchmarking Hub30.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%–
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†–
GameBench 2 by reasoning settingDuelLab GameBench 272.3–
Design Arena WebsiteDesign Arena1279†–
FrontierCode 1.1 (AA)Artificial Analysis40.1%–
FrontierCode 2.0 (AA)Artificial Analysis21.6%–
智能体与工具
Terminal-BenchTerminal-Bench41.2%–
APEX-AgentsMercor56.6%†–
Arena AgentArena (LMArena)1–
LiveBench Agentic CodingLiveBench60.9%†–
Terminal-Bench 2.1 (Vals)Vals AI71.5%–
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%–
GDPval-AA v2.1Artificial Analysis1655–
τ³-Banking (AA)Artificial Analysis50.3%–
ITBench SRE (AA)Artificial Analysis46.1%–
Analyst Agent (AA)Artificial Analysis38.8%–
CyberBenchVals AI72.1%–
Finance Agent v2Vals AI55.8%–
Finance Agent v2.1Vals AI65.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%–
Legal Research BenchVals AI49.0%–
SkillsBenchVals AI47.5%–
SREBenchVals AI9.2%–
Tax Agent BenchVals AI43.3%–
Terminal-Bench 4.0 (Vals)Vals AI38.9%–
Terminal-Bench ScienceVals AI5.7%–
Arena Agent Task CompletionArena (LMArena)3.1–
PostTrainBenchEpoch AI Benchmarking Hub34.5%–
Vending-Bench 2Andon Labs8163.6†–
AutomationBenchArtificial Analysis62.2%–
GDP.pdf (AA)Artificial Analysis11.2%–
Harvey LAB-AA v1.1Harvey0.3%–
EnterpriseOps-GymArtificial Analysis36.4%–
AA-Briefcase v1.1Artificial Analysis1501–
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%–
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis24.3%–
CyberGym end-to-end (AA)Artificial Analysis29.0%–
FACTS SearchGoogle87.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%82.5%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%58.5%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%–
ProofBenchVals AI49.0%–
LiveBench MathematicsLiveBench87.9%†–
MathArena ApexMathArena–69.8%†
Arena MathsArena (LMArena)1501–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%46.3%†
LiveBench 1.0 Data AnalysisLiveBench70.2%†–
AA-Omniscience v1.1Artificial Analysis6.0–
MMLU-ProVals AI86.8%–
LegalBenchVals AI84.8%–
TaxEvalVals AI72.4%–
MultiNRCScale AI SEAL–62.3%
Excel Modeling BenchmarkVals AI56.3%–
Excel Modeling Benchmark v1.1Vals AI69.1%–
MedCodeVals AI42.9%–
MedScribeVals AI88.8%–
Public Benefits Bench v1.1Vals AI68.5%–
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI66.7%–
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%–
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†–
指令遵循
LiveBench LanguageLiveBench79.9%†–
LiveBench Instruction FollowingLiveBench69.3%†–
MultiChallengeScale AI SEAL–69.2%
TutorBenchScale AI SEAL–56.6%
Arena Instruction FollowingArena (LMArena)1481–
人类偏好
Arena TextArena (LMArena)1482–
EQ-Bench Creative Writing v3EQ-Bench2076†–
Arena Creative WritingArena (LMArena)1456–
Arena Multi-turnArena (LMArena)1482–
Arena Longer QueriesArena (LMArena)1488–
多模态
VISTAScale AI SEAL–53.9%
Code2Video-AAArtificial Analysis1034–
AA-3DArtificial Analysis794–
长上下文
AA-LCR v1.1Artificial Analysis79.7%–
MLCRArtificial Analysis17.2%–
FACTS GroundingGoogle55.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†160.2
LiveBench 1.0LiveBench76.1%†–
AA Intelligence Index v5.0.1Artificial Analysis31.6–
AA Intelligence Index v4.3.2Artificial Analysis44.8–
AA Progress Index v1Artificial Analysis322.7–
Vals IndexVals AI59.9–
Vals Finance IndexVals AI61.4%–
Vals RSI IndexVals AI22.9%–
Vals Router IndexVals AI59.7%†–
Vals Legal IndexVals AI74.6%–
AA Cyber IndexArtificial Analysis36.4–
安全与诚实
FORTRESSScale AI SEAL28.2%14.8%
MASKScale AI SEAL–91.7%
DistressBenchScale AI SEAL72.5%†–
元数据
AA Openness IndexArtificial Analysis33.3–

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 5.3 (max):1 项新结果(PostTrainBench)。
  • GLM 5.3 (max):4 项分数修订。
  • GLM 5.3 (max):1 项分数修订;价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):价格 $0.30/M → $0.26/M。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):BenchLeader Index 61.3 → 58.9。
  • GLM 5.3 (max):5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $2.01/M → $5.01/M;价格 $0.30/M → $0.26/M。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/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 vs GPT-5.4 Pro:常见问题

GLM 5.3 比 GPT-5.4 Pro 更好吗?
GLM 5.3 (max) 与 GPT-5.4 Pro 的质量不相上下(58.8 比 63.1,在 ±4.6 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 和 GPT-5.4 Pro 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 $67.50(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。
GLM 5.3 和 GPT-5.4 Pro 哪个更快?
GLM 5.3 输出更快(3 倍以上;输出 88 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1.1M token(GLM 5.3 为 1,000,000,GPT-5.4 Pro 为 1,050,000)。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 7.9 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。
更多问题(2)
第三方基准测试对 GLM 5.3 和 GPT-5.4 Pro 的看法一致吗?
在两者都有结果的 1 项基准测试中,GLM 5.3 领先 0 项,GPT-5.4 Pro 领先 1 项。
GLM 5.3 是什么时候发布的?
GLM 5.3 于 2026年8月18日 发布。