BenchLeader

GLM 5.3 vs Grok 4.3

完整资料:GLM 5.3(Zhipu AI)和 Grok 4.3(SpaceXAI),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 Grok 4.3 的质量不相上下(BenchLeader Index 58.8 比 56.5,在 ±7.3 的误差范围内)。Grok 4.3 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $1.56 比 $2.15)。看重数学(60 比 46)、智能体与工具(58 比 45)和长上下文(65 比 61)选 GLM 5.3;看重推理(63 比 55)选 Grok 4.3。Grok 4.3 的首次回答更快(17.7 秒 比 57.6 秒)。

要点(截至 2026年11月16日)

  • GLM 5.3 的 BenchLeader Index 为 58.8,Grok 4.3 为 56.5(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)。
  • Grok 4.3 每百万 token 混合价格为 $1.56(标价,2026年11月16日)。
  • 在两者都有结果的 38 项基准测试中,GLM 5.3 领先 36 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GLM 5.3类别得分 60 比 58;SciCode 59.0% 比 48.3%中
智能体与工具调用GLM 5.3类别得分 58 比 45;τ³-Banking (AA) 50.3% 比 12.4%高
数学GLM 5.3类别得分 60 比 46;FrontierMath Tiers 1–3 68.8% 比 42.8%高
推理Grok 4.3类别得分 63 比 55;GPQA Diamond 88.8% 比 90.9%高
知识GLM 5.3类别得分 54 比 50;SimpleQA Verified 41.0% 比 33.2%中
长文档GLM 5.3类别得分 65 比 61;AA-LCR v1.1 79.7% 比 73.0%中
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Grok 4.3每百万 token 混合价格 $1.56 比 $2.15;智能体编程会话 $0.085 比 $0.102–
首次回答最快Grok 4.3首个回答 token 17.7 秒(Grok 4.3 (high))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 Grok 4.3 (high) 的质量不相上下(58.8 比 56.5,在 ±7.3 的误差范围内)。
  • GLM 5.3 (max) 在智能体与工具、编程、知识、长上下文、数学方面更强。
  • Grok 4.3 (high) 在推理方面更强。
  • Grok 4.3 (high) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $1.56 比 $2.15)。

概览

规格GLM 5.3Grok 4.3
提供商Zhipu AISpaceXAI
发布日期2026年8月18日2026年4月17日
上下文窗口(token)1,000,0001,000,000
对比时的配置GLM 5.3 (max)Grok 4.3 (high)
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$1.25 / $2.50 / $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)Grok 4.3 (high)领先者
推理54.763.3Grok 4.3
编程59.757.8GLM 5.3
智能体与工具57.644.8GLM 5.3
数学60.046.3GLM 5.3
知识53.550.3GLM 5.3
指令遵循–78.8无法比较
人类偏好67.2–无法比较
多模态–60.4无法比较
长上下文64.561.0GLM 5.3

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: 64.5Grok 4.3, 推理: 63.3Grok 4.3, 编程: 57.8Grok 4.3, 智能体与工具: 44.8Grok 4.3, 数学: 46.3Grok 4.3, 知识: 50.3Grok 4.3, 长上下文: 61.0

未绘制(测得的模型少于两个):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 38 项基准测试中,GLM 5.3 领先 36 项,Grok 4.3 领先 2 项。所有同时评测两者的综合评分都认为 GLM 5.3 更强。

综合 IndexGLM 5.3 (max)Grok 4.3 (high)领先者
BenchLeader Index58.856.5不相上下
Arena Text14821442†GLM 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)Grok 4.3 (high)
每百万 token 混合价格$2.15$1.56
每百万 token 输入 / 输出$1.40 / $4.40$1.25 / $2.50
每百万 token 缓存输入$0.260$0.200
每项任务价格:聊天回复$0.0019$0.0013
每项任务价格:总结一份 30 页的报告$0.019$0.017
每项任务价格:代码编辑$0.015$0.011
每项任务价格:智能体编程会话$0.102$0.085
每项任务价格:结构化信息提取$0.0037$0.0030
智能体编程会话(输入大多命中缓存)$0.050$0.038
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/s85 tok/s
首次回答时间57.6 秒17.7 秒
完整回答耗时(最近一次测量 2026年11月13日)144.1 秒46.5 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 (max) 得分 58.8,首个回答 token 需 58 秒;GLM 5.3 (low) 为 47.3(7 秒)。Grok 4.3 (high) 得分 56.5,首个回答 token 需 18 秒;Grok 4.3 为 54.5(1 秒),Grok 4.3 (无推理) 为 46.3(1 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 158 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)Grok 4.3 (high)
BenchLeader IndexBenchLeader58.856.5
智能体与工具得分BenchLeader57.644.8
编程得分BenchLeader59.757.8
人类偏好得分BenchLeader67.2–
知识得分BenchLeader53.550.3
长上下文得分BenchLeader64.561.0
数学得分BenchLeader60.046.3
推理得分BenchLeader54.763.3
指令遵循得分BenchLeader–78.8
多模态得分BenchLeader–60.4
混合价格(美元/百万 token)BenchLeader$2.15$1.56
输出速度BenchLeader88 tok/s85 tok/s
首次回答时间BenchLeader57.6 秒17.7 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%88.8%
SimpleBenchSimpleBench66.2%†–
Arena Hard PromptsArena (LMArena)15071456†
LiveBench 1.0 ReasoningLiveBench85.8%†70.8%†
GPQA Diamond (AA)Artificial Analysis91.7%90.1%
Humanity's Last Exam (AA)Artificial Analysis42.3%37.2%
HLE-Diamond (AA)Artificial Analysis17.9%–
GPQA Diamond (Vals)Vals AI88.1%91.4%†
CritPtArtificial Analysis19.1%8.0%
CritPt v2 hard subset (AA)Artificial Analysis33.5%–
MysteryMechanismVals AI23.0%–
HLE-Diamond (Scale)Scale AI SEAL16.4%†–
Arena ExpertArena (LMArena)15221454†
Chess PuzzlesEpoch AI Benchmarking Hub37.0%18.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%–
LMCAEpoch AI Benchmarking Hub55.5%†38.3%
DTBenchEpoch AI Benchmarking Hub87.7%†90.7%
ForecastBenchForecastBench–63.2%†
BTF-3Epoch AI Benchmarking Hub14.9%†–
编程
SciCodeSciCode59.0%48.3%
WeirdMLWeirdML75.4%49.9%†
FrontierCodeCognition40.1%–
Arena CodingArena (LMArena)15221487†
Arena WebDevArena (LMArena)16231357†
LiveBench 1.0 CodingLiveBench79.0%†69.9%†
显示全部 158 项基准测试
指标发布方GLM 5.3 (max)Grok 4.3 (high)
编程
LiveCodeBenchVals AI80.5%84.5%
IOIVals AI68.4%–
SWE-bench (Vals)Vals AI95.4%71.4%
Code MigrationVals AI44.2%6.8%
Code Migration v1.1Vals AI55.1%–
ProgramBenchVals AI1.5%0.0%
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI78.1%19.4%
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†944.2†
FrontierSWEEpoch AI Benchmarking Hub30.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%0.0%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%39.7%
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†–
GameBench 2 by reasoning settingDuelLab GameBench 272.3–
Design Arena WebsiteDesign Arena1279†1186†
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%†18.5%†
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–97.7%
Terminal-Bench 2.1 (Vals)Vals AI71.5%42.0%
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%–
GDPval-AA v2.1Artificial Analysis1655945
τ³-Banking (AA)Artificial Analysis50.3%12.4%
ITBench SRE (AA)Artificial Analysis46.1%32.7%
Analyst Agent (AA)Artificial Analysis38.8%8.8%
APEX-Agents (AA)Artificial Analysis–17.0%
CyberBenchVals AI72.1%–
Finance Agent v2Vals AI55.8%37.7%
Finance Agent v2.1Vals AI65.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%0.4%
Legal Research BenchVals AI49.0%15.4%
SkillsBenchVals AI47.5%40.6%
SREBenchVals AI9.2%–
Tax Agent BenchVals AI43.3%6.2%
Terminal-Bench 2.0 (Vals)Vals AI–43.5%†
Terminal-Bench 4.0 (Vals)Vals AI38.9%–
Terminal-Bench ScienceVals AI5.7%–
Arena SearchArena (LMArena)–1194†
Arena Agent Task CompletionArena (LMArena)3.1–
PostTrainBenchEpoch AI Benchmarking Hub34.5%–
Vending-Bench 2Andon Labs8163.6†35.3†
AutomationBenchArtificial Analysis62.2%1.4%
GDP.pdf (AA)Artificial Analysis11.2%5.8%
Harvey LAB-AA v1.1Harvey0.3%–
EnterpriseOps-GymArtificial Analysis36.4%26.3%
AA-Briefcase v1.1Artificial Analysis1501763
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†1042†
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%42.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%14.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%93.3%
ProofBenchVals AI49.0%11.0%
LiveBench MathematicsLiveBench87.9%†84.3%†
Arena MathsArena (LMArena)15011419†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%33.2%
LiveBench 1.0 Data AnalysisLiveBench70.2%†55.8%†
AA-Omniscience v1.1Artificial Analysis6.0–
MMLU-ProVals AI86.8%85.8%
LegalBenchVals AI84.8%84.5%†
CorpFinVals AI–68.5%†
TaxEvalVals AI72.4%70.8%†
CaseLaw v2Vals AI–79.3%†
Excel Modeling BenchmarkVals AI56.3%18.4%
Excel Modeling Benchmark v1.1Vals AI69.1%–
MedCodeVals AI42.9%38.1%†
MedScribeVals AI88.8%74.4%†
Public Benefits Bench v1.1Vals AI68.5%51.7%
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI66.7%–
GDP.pdfEpoch AI Benchmarking Hub–8.0%
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%†73.6%†
LiveBench Instruction FollowingLiveBench69.3%†62.8%†
IFBenchArtificial Analysis–81.3%
Arena Instruction FollowingArena (LMArena)14811415†
人类偏好
Arena TextArena (LMArena)14821442†
EQ-Bench 4EQ-Bench–1065†
EQ-Bench Creative Writing v3EQ-Bench2076†–
Arena Creative WritingArena (LMArena)14561422†
Arena Multi-turnArena (LMArena)14821448†
Arena Longer QueriesArena (LMArena)14881443†
多模态
Arena VisionArena (LMArena)–1229†
MMMU-ProArtificial Analysis–78.1%
MMMU-Pro (Vals)Vals AI–83.1%†
MortgageTaxVals AI–48.3%†
GeoBenchGeoBench–56.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–0.0%†
Code2Video-AAArtificial Analysis1034–
AA-3DArtificial Analysis794–
长上下文
AA-LCR v1.1Artificial Analysis79.7%73.0%
MLCRArtificial Analysis17.2%8.3%
FACTS GroundingGoogle55.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†149.9†
LiveBench 1.0LiveBench76.1%†62.3%†
AA Intelligence Index v5.0.1Artificial Analysis31.6–
AA Intelligence Index v4.3.2Artificial Analysis44.824.9
AA Progress Index v1Artificial Analysis322.7271.2
Vals IndexVals AI59.9–
Vals Finance IndexVals AI61.4%–
Vals RSI IndexVals AI22.9%–
Vals Multimodal IndexVals AI–43.3%
Vals Router IndexVals AI59.7%†–
Vals Legal IndexVals AI74.6%–
AA Cyber IndexArtificial Analysis36.4–
安全与诚实
FORTRESSScale AI SEAL28.2%–
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

  • Grok 4.3 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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。
  • Grok 4.3 (high):BenchLeader Index 57.7 → 56.6。
  • 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。

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 Grok 4.3:常见问题

GLM 5.3 比 Grok 4.3 更好吗?
GLM 5.3 (max) 与 Grok 4.3 (high) 的质量不相上下(58.8 比 56.5,在 ±7.3 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 Grok 4.3 哪个更便宜?价格会变吗?
目前 Grok 4.3 更便宜:每百万 token $1.56 比 $2.15(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 Grok 4.3 更好?
GLM 5.3 在编程方面得分更高(类别得分 60 比 58,50 为平均水平)。在两者共同的最主要编程基准测试 LiveCodeBench 上,GLM 5.3 为 80.5%,Grok 4.3 为 84.5%。
GLM 5.3 和 Grok 4.3 哪个更快?
GLM 5.3 输出更快(输出 88 比 85 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 还是 Grok 4.3 更好?
GLM 5.3 在智能体任务方面得分更高(类别得分 58 比 45,50 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 为 50.3%,Grok 4.3 为 12.4%。
更多问题(4)
处理长文档哪个更好?
GLM 5.3 在长上下文基准测试上得分更高(65 比 61)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Grok 4.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 17.7 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 Grok 4.3 的看法一致吗?
在两者都有结果的 38 项基准测试中,GLM 5.3 领先 36 项,Grok 4.3 领先 2 项。所有同时评测两者的综合评分都认为 GLM 5.3 更强。
GLM 5.3 是什么时候发布的?
GLM 5.3 于 2026年8月18日 发布。