BenchLeader

GLM 5.3 vs GPT-6 Sol

完整资料:GLM 5.3(Zhipu AI)和 GPT-6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 GPT-6 Sol 领先 GLM 5.3(BenchLeader Index 62.6 比 58.8)。不过,GLM 5.3 更便宜,对方的价格是它的 1.9 倍(每百万 token 混合价格 $2.15 比 $4.00)。看重人类偏好(67 比 64)选 GLM 5.3;看重推理(66 比 55)、数学(68 比 60)和知识(61 比 54)选 GPT-6 Sol。GPT-6 Sol 的首次回答更快(36.9 秒 比 57.6 秒)。GPT-6 Sol 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GLM 5.3 的 BenchLeader Index 为 58.8,GPT-6 Sol 为 62.6(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-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6 Sol 比 GLM 5.3 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 66 项基准测试中,GPT-6 Sol 领先 45 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GLM 5.3 的评分为 1623,GPT-6 Sol 为 1673(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GPT-6 Sol类别得分 66 比 60;Arena WebDev 1673 比 1623中
智能体与工具调用GPT-6 Sol类别得分 59 比 58;Terminal-Bench 50.3% 比 41.2%中
数学GPT-6 Sol类别得分 68 比 60;FrontierMath Tiers 1–3 89.8% 比 68.8%高
推理GPT-6 Sol类别得分 66 比 55;GPQA Diamond 94.3% 比 90.9%高
知识GPT-6 Sol类别得分 61 比 54;SimpleQA Verified 60.7% 比 41.0%中
长文档GPT-6 Sol类别得分 67 比 65;AA-LCR v1.1 83.7% 比 79.7%中
对话质量(人类偏好)GLM 5.3Arena 投票 67 比 64中
成本最低GLM 5.3每百万 token 混合价格 $2.15 比 $4.00;智能体编程会话 $0.102 比 $0.160–
首次回答最快GPT-6 Sol首个回答 token 36.9 秒(GPT-6 Sol (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

  • 质量上 GPT-6 Sol (max) 领先:62.6 比 58.8。
  • GLM 5.3 (max) 在人类偏好方面更强。
  • GPT-6 Sol (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • GLM 5.3 (max) 更便宜,对方的价格是它的 1.9 倍(每百万 token 混合价格 $2.15 比 $4.00)。
  • GPT-6 Sol (max) 的输出速度是对方的 1.5 倍(127 比 88 token/秒)。

概览

规格GLM 5.3GPT-6 Sol
提供商Zhipu AIOpenAI
发布日期2026年8月18日2026年9月22日
上下文窗口(token)1,000,0001,050,000
对比时的配置GLM 5.3 (max)GPT-6 Sol (max)
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$2.00 / $10.00 / $0.200

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-6 Sol (max)领先者
推理54.766.0GPT-6 Sol
编程59.766.3GPT-6 Sol
智能体与工具57.658.8GPT-6 Sol
数学60.068.0GPT-6 Sol
知识53.560.6GPT-6 Sol
人类偏好67.264.2GLM 5.3
多模态–60.6无法比较
长上下文64.566.6GPT-6 Sol

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 5.3, 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-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 人类偏好: 64.2

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 66 项基准测试中,GLM 5.3 领先 21 项,GPT-6 Sol 领先 45 项。第三方来源看法不一:GLM 5.3 在 Arena Text 上领先;GPT-6 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。

综合 IndexGLM 5.3 (max)GPT-6 Sol (max)领先者
BenchLeader Index58.862.6GPT-6 Sol
AA Intelligence Index v5.0.131.644.2GPT-6 Sol
Arena Text14821457GLM 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 5.3 (max)GPT-6 Sol (max)
每百万 token 混合价格$2.15$4.00
每百万 token 输入 / 输出$1.40 / $4.40$2.00 / $10.00
每百万 token 缓存输入$0.260$0.200
每项任务价格:聊天回复$0.0019$0.0038
每项任务价格:总结一份 30 页的报告$0.019$0.030
每项任务价格:代码编辑$0.015$0.027
每项任务价格:智能体编程会话$0.102$0.160
每项任务价格:结构化信息提取$0.0037$0.0060
智能体编程会话(输入大多命中缓存)$0.050$0.079
每项基准测试任务成本(AA Index)$5.01$2.47
每项任务输出 token(AA Index)119k54k
其中推理部分85k35k
每项任务耗时(AA Index)23 min7 min
输出速度88 tok/s127 tok/s
首次回答时间57.6 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)144.1 秒143.8 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GLM 5.3 (max) 上花费 $5.01,在 GPT-6 Sol (max) 上花费 $2.47;完成同样的工作,GLM 5.3 (max) 输出的 token 是对方的 2.2 倍,这是只看 token 单价看不出来的。

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-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 159 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-6 Sol (max)
BenchLeader IndexBenchLeader58.862.6
智能体与工具得分BenchLeader57.658.8
编程得分BenchLeader59.766.3
人类偏好得分BenchLeader67.264.2
知识得分BenchLeader53.560.6
长上下文得分BenchLeader64.566.6
数学得分BenchLeader60.068.0
推理得分BenchLeader54.766.0
多模态得分BenchLeader–60.6
混合价格(美元/百万 token)BenchLeader$2.15$4.00
输出速度BenchLeader88 tok/s127 tok/s
首次回答时间BenchLeader57.6 秒36.9 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%94.3%
SimpleBenchSimpleBench66.2%†73.1%†
Arena Hard PromptsArena (LMArena)15071483
LiveBench 1.0 ReasoningLiveBench85.8%†88.7%
GPQA Diamond (AA)Artificial Analysis91.7%–
Humanity's Last Exam (AA)Artificial Analysis42.3%47.9%
HLE-Diamond (AA)Artificial Analysis17.9%45.2%
GPQA Diamond (Vals)Vals AI88.1%–
ARC-AGI-1ARC Prize–95.5%
ARC-AGI-2ARC Prize–89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis19.1%30.9%
CritPt v2 hard subset (AA)Artificial Analysis33.5%66.5%
MysteryMechanismVals AI23.0%30.2%
HLE-Diamond (Scale)Scale AI SEAL16.4%†33.8%†
Arena ExpertArena (LMArena)15221496
Chess PuzzlesEpoch AI Benchmarking Hub37.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%56.0%
LMCAEpoch AI Benchmarking Hub55.5%†59.1%
DTBenchEpoch AI Benchmarking Hub87.7%†97.3%
BTF-3Epoch AI Benchmarking Hub14.9%†–
编程
SciCodeSciCode59.0%57.6%
WeirdMLWeirdML75.4%–
FrontierCodeCognition40.1%49.3%
Arena CodingArena (LMArena)15221521
显示全部 159 项基准测试
指标发布方GLM 5.3 (max)GPT-6 Sol (max)
编程
Arena WebDevArena (LMArena)16231673
LiveBench 1.0 CodingLiveBench79.0%†81.8%
LiveCodeBenchVals AI80.5%–
IOIVals AI68.4%82.6%
SWE-bench (Vals)Vals AI95.4%–
Code MigrationVals AI44.2%57.2%
Code Migration v1.1Vals AI55.1%–
ProgramBenchVals AI1.5%2.0%
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI78.1%87.8%
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%–
MirrorCodeEpoch AI Benchmarking Hub–48.9%
DeepSWE v1.1Epoch AI Benchmarking Hub69.0%–
CursorBenchCursor42.6%–
ALE-BenchEpoch AI Benchmarking Hub1317.4†2462
FrontierSWEEpoch AI Benchmarking Hub30.2%–
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 272.379.4†
Design Arena WebsiteDesign Arena1279†1290†
FrontierCode 1.1 (AA)Artificial Analysis40.1%–
FrontierCode 2.0 (AA)Artificial Analysis21.6%35.6%
智能体与工具
Terminal-BenchTerminal-Bench41.2%50.3%
APEX-AgentsMercor56.6%†54.3%
Arena AgentArena (LMArena)16.9
LiveBench Agentic CodingLiveBench60.9%†52.9%
Terminal-Bench 2.1 (Vals)Vals AI71.5%83.2%
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%–
GDPval-AA v2.1Artificial Analysis16551514
τ³-Banking (AA)Artificial Analysis50.3%–
ITBench SRE (AA)Artificial Analysis46.1%49.4%
Analyst Agent (AA)Artificial Analysis38.8%–
CyberBenchVals AI72.1%78.0%
Finance Agent v2Vals AI55.8%49.0%
Finance Agent v2.1Vals AI65.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%1.7%
Legal Research BenchVals AI49.0%28.9%
SkillsBenchVals AI47.5%–
SREBenchVals AI9.2%30.5%
Tax Agent BenchVals AI43.3%15.0%
Terminal-Bench 4.0 (Vals)Vals AI38.9%44.4%
Terminal-Bench ScienceVals AI5.7%30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)3.14.5
PostTrainBenchEpoch AI Benchmarking Hub34.5%–
Vending-Bench 2Andon Labs8163.6†14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis62.2%61.6%
GDP.pdf (AA)Artificial Analysis11.2%25.2%
Harvey LAB-AA v1.1Harvey0.3%3.6%
EnterpriseOps-GymArtificial Analysis36.4%–
AA-Briefcase v1.1Artificial Analysis15011476
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%30.0%
CWE-Bench (AA)Artificial Analysis55.8%64.2%
DeepSec-Bench (AA)Artificial Analysis24.3%46.3%
CyberGym end-to-end (AA)Artificial Analysis29.0%0.0%
FACTS SearchGoogle87.7%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%100.0%
ProofBenchVals AI49.0%83.0%†
LiveBench MathematicsLiveBench87.9%†96.4%
Arena MathsArena (LMArena)15011440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%60.7%
LiveBench 1.0 Data AnalysisLiveBench70.2%†81.2%
AA-Omniscience v1.1Artificial Analysis6.021.4
MMLU-ProVals AI86.8%–
LegalBenchVals AI84.8%–
TaxEvalVals AI72.4%–
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
Excel Modeling BenchmarkVals AI56.3%71.5%
Excel Modeling Benchmark v1.1Vals AI69.1%–
MedCodeVals AI42.9%47.1%
MedScribeVals AI88.8%82.0%
Public Benefits Bench v1.1Vals AI68.5%56.6%
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%62.6%
Immigration BenchVals AI66.7%–
EBR-benchEpoch AI Benchmarking Hub–53.3%
GDP.pdfEpoch AI Benchmarking Hub–26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%39.1%
HealthBench Professional (AA)OpenAI52.8%62.3%
FACTS ParametricGoogle40.3%†76.1%†
指令遵循
LiveBench LanguageLiveBench79.9%†85.3%
LiveBench Instruction FollowingLiveBench69.3%†68.6%
Arena Instruction FollowingArena (LMArena)14811449
人类偏好
Arena TextArena (LMArena)14821457
EQ-Bench Creative Writing v3EQ-Bench2076†2126†
Arena Creative WritingArena (LMArena)14561428
Arena Multi-turnArena (LMArena)14821468
Arena Longer QueriesArena (LMArena)14881466
多模态
Arena VisionArena (LMArena)–1233
MMMU-ProArtificial Analysis–83.0%
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub–58.3%
Code2Video-AAArtificial Analysis1034–
AA-3DArtificial Analysis7941131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%83.7%
MLCRArtificial Analysis17.2%33.9%
FACTS GroundingGoogle55.2%†83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†163.8†
LiveBench 1.0LiveBench76.1%†79.3%
AA Intelligence Index v5.0.1Artificial Analysis31.644.2
AA Intelligence Index v4.3.2Artificial Analysis44.847.6
AA Progress Index v1Artificial Analysis322.7334
Vals IndexVals AI59.9–
Vals Finance IndexVals AI61.4%–
Vals RSI IndexVals AI22.9%28.1%
Vals Science IndexVals AI–45.0%
Vals Router IndexVals AI59.7%†–
Vals Legal IndexVals AI74.6%–
AA Cyber IndexArtificial Analysis36.436.8
安全与诚实
FORTRESSScale AI SEAL28.2%13.5%†
DistressBenchScale AI SEAL72.5%†68.0%†
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

  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GLM 5.3 (max):4 项分数修订。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GLM 5.3 (max):1 项分数修订;价格 $0.30/M → $0.26/M。
  • GPT-6 Sol (max):6 项新结果(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。

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-6 Sol:常见问题

GPT-6 Sol 比 GLM 5.3 更好吗?
质量上 GPT-6 Sol (max) 领先:62.6 比 58.8。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
GLM 5.3 和 GPT-6 Sol 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 $4.00(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。
编程用 GLM 5.3 还是 GPT-6 Sol 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 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 5.3 为 1623,GPT-6 Sol 为 1673。
GLM 5.3 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(约 1.5 倍;输出 127 比 88 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 还是 GPT-6 Sol 更好?
GPT-6 Sol 在智能体任务方面得分更高(类别得分 59 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 Terminal-Bench 上,GLM 5.3 为 41.2%,GPT-6 Sol 为 50.3%。
更多问题(4)
处理长文档哪个更好?
GPT-6 Sol 在长上下文基准测试上得分更高(67 比 65)。两者都约为 1.1M token(GLM 5.3 为 1,000,000,GPT-6 Sol 为 1,050,000)。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 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。
第三方基准测试对 GLM 5.3 和 GPT-6 Sol 的看法一致吗?
在两者都有结果的 66 项基准测试中,GLM 5.3 领先 21 项,GPT-6 Sol 领先 45 项。第三方来源看法不一:GLM 5.3 在 Arena Text 上领先;GPT-6 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。