BenchLeader

GLM 5.3 vs Grok 4.6

完整资料:GLM 5.3(Zhipu AI)和 Grok 4.6(SpaceXAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,GLM 5.3 与 Grok 4.6 的质量不相上下(BenchLeader Index 58.8 比 60.6,在 ±4.5 的误差范围内)。GLM 5.3 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $2.15 比 $3.00)。看重人类偏好(67 比 64)选 GLM 5.3;看重推理(64 比 55)、知识(60 比 54)和数学(63 比 60)选 Grok 4.6。Grok 4.6 的首次回答更快(28.6 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 4.6 为 60.6(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)。
  • Grok 4.6 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 61 项基准测试中,GLM 5.3 领先 35 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GLM 5.3 的评分为 1623,Grok 4.6 为 1618(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Grok 4.6类别得分 61 比 60;LiveCodeBench 88.2% 比 80.5%中
智能体与工具调用Grok 4.6类别得分 59 比 58;τ³-Banking (AA) 50.7% 比 50.3%中
数学Grok 4.6类别得分 63 比 60;OTIS Mock AIME 97.8% 比 91.1%中
推理Grok 4.6类别得分 64 比 55;GPQA Diamond 94.0% 比 90.9%高
知识Grok 4.6类别得分 60 比 54;SimpleQA Verified 49.3% 比 41.0%中
长文档均可类别得分 65 比 65;AA-LCR v1.1 79.7% 比 80.3%均可
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 $3.00;智能体编程会话 $0.102 比 $0.144–
首次回答最快Grok 4.6首个回答 token 28.6 秒(Grok 4.6 (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 4.6 (high) 的质量不相上下(58.8 比 60.6,在 ±4.5 的误差范围内)。
  • GLM 5.3 (max) 在人类偏好方面更强。
  • Grok 4.6 (high) 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 1.4 倍(每百万 token 混合价格 $2.15 比 $3.00)。

概览

规格GLM 5.3Grok 4.6
提供商Zhipu AISpaceXAI
发布日期2026年8月18日2026年8月11日
上下文窗口(token)1,000,000500,000
对比时的配置GLM 5.3 (max)Grok 4.6 (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$2.00 / $6.00 / $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 (max)Grok 4.6 (high)领先者
推理54.763.5Grok 4.6
编程59.761.1Grok 4.6
智能体与工具57.659.2Grok 4.6
数学60.063.4Grok 4.6
知识53.559.5Grok 4.6
人类偏好67.264.1GLM 5.3
多模态–60.0无法比较
长上下文64.564.8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: 67.2Grok 4.6, 推理: 63.5Grok 4.6, 编程: 61.1Grok 4.6, 智能体与工具: 59.2Grok 4.6, 数学: 63.4Grok 4.6, 知识: 59.5Grok 4.6, 长上下文: 64.8Grok 4.6, 人类偏好: 64.1

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 61 项基准测试中,GLM 5.3 领先 35 项,Grok 4.6 领先 26 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 4.6 (high)领先者
BenchLeader Index58.860.6不相上下
AA Intelligence Index v5.0.131.631.0†GLM 5.3
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)Grok 4.6 (high)
每百万 token 混合价格$2.15$3.00
每百万 token 输入 / 输出$1.40 / $4.40$2.00 / $6.00
每百万 token 缓存输入$0.260$0.500
每项任务价格:聊天回复$0.0019$0.0026
每项任务价格:总结一份 30 页的报告$0.019$0.028
每项任务价格:代码编辑$0.015$0.021
每项任务价格:智能体编程会话$0.102$0.144
每项任务价格:结构化信息提取$0.0037$0.0052
智能体编程会话(输入大多命中缓存)$0.050$0.076
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/s73 tok/s
首次回答时间57.6 秒28.6 秒
完整回答耗时(最近一次测量 2026年11月13日)144.1 秒62.7 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 4.6 (high) 得分 60.6,首个回答 token 需 29 秒;Grok 4.6 (medium) 为 59.4(19 秒),Grok 4.6 (xhigh) 为 56.1(37 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 165 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 4.6 (high)
BenchLeader IndexBenchLeader58.860.6
智能体与工具得分BenchLeader57.659.2
编程得分BenchLeader59.761.1
人类偏好得分BenchLeader67.264.1
知识得分BenchLeader53.559.5
长上下文得分BenchLeader64.564.8
数学得分BenchLeader60.063.4
推理得分BenchLeader54.763.5
多模态得分BenchLeader–60.0
混合价格(美元/百万 token)BenchLeader$2.15$3.00
输出速度BenchLeader88 tok/s73 tok/s
首次回答时间BenchLeader57.6 秒28.6 秒
上下文窗口BenchLeader1,000,000 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%94.0%
SimpleBenchSimpleBench66.2%†75.9%†
Arena Hard PromptsArena (LMArena)15071481
LiveBench 2.0 ReasoningLiveBench–91.2%†
LiveBench 1.0 ReasoningLiveBench85.8%†90.5%†
GPQA Diamond (AA)Artificial Analysis91.7%95.0%
Humanity's Last Exam (AA)Artificial Analysis42.3%42.9%
HLE-Diamond (AA)Artificial Analysis17.9%21.5%†
GPQA Diamond (Vals)Vals AI88.1%94.7%
ARC-AGI-1ARC Prize–87.0%
ARC-AGI-2ARC Prize–65.1%
ARC-AGI-3ARC Prize–2.1%†
CritPtArtificial Analysis19.1%17.1%
CritPt v2 hard subset (AA)Artificial Analysis33.5%40.0%†
MysteryMechanismVals AI23.0%30.6%
HLE-Diamond (Scale)Scale AI SEAL16.4%†–
Arena ExpertArena (LMArena)15221496
Chess PuzzlesEpoch AI Benchmarking Hub37.0%33.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub33.0%34.0%†
LMCAEpoch AI Benchmarking Hub55.5%†48.5%†
DTBenchEpoch AI Benchmarking Hub87.7%†97.3%†
ForecastBenchForecastBench–65.4%†
BTF-3Epoch AI Benchmarking Hub14.9%†–
编程
SciCodeSciCode59.0%56.5%
WeirdMLWeirdML75.4%67.3%
显示全部 165 项基准测试
指标发布方GLM 5.3 (max)Grok 4.6 (high)
编程
FrontierCodeCognition40.1%48.0%†
Arena CodingArena (LMArena)15221508
Arena WebDevArena (LMArena)16231618
LiveBench 2.0 CodingLiveBench–76.7%†
LiveBench 1.0 CodingLiveBench79.0%†76.8%†
LiveCodeBenchVals AI80.5%88.2%
IOIVals AI68.4%47.6%
SWE-bench (Vals)Vals AI95.4%95.6%
Code MigrationVals AI44.2%44.6%
Code Migration v1.1Vals AI55.1%–
ProgramBenchVals AI1.5%1.0%
Vibe Code Bench 1-100Vals AI20.0%14.8%
Vibe Code Bench v1.1Vals AI78.1%76.2%
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–41.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub69.0%65.2%
CursorBenchCursor42.6%40.4%
ALE-BenchEpoch AI Benchmarking Hub1317.4†1508.1†
FrontierSWEEpoch AI Benchmarking Hub30.2%25.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%21.2%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%88.4%
Startrise FrontendStartrise73.2%†72.1%†
GameBench 2 OverallDuelLab GameBench 264.6†59.4†
GameBench 2 by reasoning settingDuelLab GameBench 272.368.7†
Design Arena WebsiteDesign Arena1279†1277†
FrontierCode 1.1 (AA)Artificial Analysis40.1%–
FrontierCode 2.0 (AA)Artificial Analysis21.6%19.8%†
智能体与工具
Terminal-BenchTerminal-Bench41.2%19.7%
APEX-AgentsMercor56.6%†65.3%†
Arena AgentArena (LMArena)1-0.2†
LiveBench Long AgenticLiveBench–18.7%†
LiveBench BrowserLiveBench–49.4%†
LiveBench Agentic CodingLiveBench60.9%†57.0%†
Terminal-Bench 2.1 (Vals)Vals AI71.5%78.3%
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%–
GDPval-AA v2.1Artificial Analysis16551627
τ³-Banking (AA)Artificial Analysis50.3%50.7%
ITBench SRE (AA)Artificial Analysis46.1%–
Analyst Agent (AA)Artificial Analysis38.8%41.3%
CyberBenchVals AI72.1%67.7%
Finance Agent v2Vals AI55.8%53.7%
Finance Agent v2.1Vals AI65.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%–
Harvey's Legal Agent Benchmark v1Vals AI8.3%15.8%
Legal Research BenchVals AI49.0%48.1%
SkillsBenchVals AI47.5%55.8%
SREBenchVals AI9.2%–
Tax Agent BenchVals AI43.3%33.7%
Terminal-Bench 4.0 (Vals)Vals AI38.9%17.2%
Terminal-Bench ScienceVals AI5.7%11.4%
Time Horizon Index: KSPVals AI–5.8%
Arena Agent Task CompletionArena (LMArena)3.1-2.6†
PostTrainBenchEpoch AI Benchmarking Hub34.5%–
Vending-Bench 2Andon Labs8163.6†9047.0†
AutomationBenchArtificial Analysis62.2%66.7%
GDP.pdf (AA)Artificial Analysis11.2%17.0%
Harvey LAB-AA v1.1Harvey0.3%–
EnterpriseOps-GymArtificial Analysis36.4%48.3%
AA-Briefcase v1.1Artificial Analysis15011526
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%6.2%
CWE-Bench (AA)Artificial Analysis55.8%–
DeepSec-Bench (AA)Artificial Analysis24.3%–
CyberGym end-to-end (AA)Artificial Analysis29.0%–
FACTS SearchGoogle87.7%†87.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%66.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%31.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%97.8%
ProofBenchVals AI49.0%51.0%†
LiveBench MathematicsLiveBench87.9%†92.6%†
Arena MathsArena (LMArena)15011445
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%49.3%
LiveBench 2.0 Data AnalysisLiveBench–75.3%†
LiveBench ResearchLiveBench–88.8%†
LiveBench 1.0 Data AnalysisLiveBench70.2%†73.9%†
AA-Omniscience v1.1Artificial Analysis6.024.9†
MMLU-ProVals AI86.8%89.4%
LegalBenchVals AI84.8%86.3%
CorpFinVals AI–66.2%
TaxEvalVals AI72.4%71.1%
BioMysteryBenchVals AI–72.2%
Excel Modeling BenchmarkVals AI56.3%62.7%
Excel Modeling Benchmark v1.1Vals AI69.1%–
MedCodeVals AI42.9%44.7%
MedScribeVals AI88.8%86.5%
Public Benefits Bench v1.1Vals AI68.5%66.8%
Access to Justice BenchmarkVals AI73.7%71.3%
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI66.7%66.0%
EBR-benchEpoch AI Benchmarking Hub–30.5%†
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%46.2%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%60.3%†
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†44.5%†
指令遵循
LiveBench LanguageLiveBench79.9%†83.7%†
LiveBench Instruction FollowingLiveBench69.3%†71.9%†
Arena Instruction FollowingArena (LMArena)14811451
人类偏好
Arena TextArena (LMArena)14821457
EQ-Bench Creative Writing v3EQ-Bench2076†–
Arena Creative WritingArena (LMArena)14561442
Arena Multi-turnArena (LMArena)14821449
Arena Longer QueriesArena (LMArena)14881476
多模态
Arena VisionArena (LMArena)–1264
LiveBench DesignLiveBench–76.3%†
MortgageTaxVals AI–64.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–40.0%†
Code2Video-AAArtificial Analysis1034–
AA-3DArtificial Analysis794–
FACTS MultimodalGoogle–39.3%†
长上下文
AA-LCR v1.1Artificial Analysis79.7%80.3%
Arena DocumentArena (LMArena)–1450
MLCRArtificial Analysis17.2%15.6%
FACTS GroundingGoogle55.2%†66.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†157.8†
LiveBench 2.0LiveBench–63.5%†
LiveBench 1.0LiveBench76.1%†78.0%†
AA Intelligence Index v5.0.1Artificial Analysis31.631.0†
AA Intelligence Index v4.3.2Artificial Analysis44.844.3
AA Progress Index v1Artificial Analysis322.7321.5
Vals IndexVals AI59.9–
Vals Finance IndexVals AI61.4%–
Vals RSI IndexVals AI22.9%25.5%†
Vals Science IndexVals AI–38.1%
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 4.6 (high):1 项新结果(GDPval-AA v2.1)。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • Grok 4.6 (high):BenchLeader Index 60.9 → 60.4。
  • GLM 5.3 (max):4 项分数修订。
  • Grok 4.6 (high):2 项分数修订。
  • Grok 4.6 (high):1 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。

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 4.6:常见问题

GLM 5.3 比 Grok 4.6 更好吗?
GLM 5.3 (max) 与 Grok 4.6 (high) 的质量不相上下(58.8 比 60.6,在 ±4.5 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 4.6 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 $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。
编程用 GLM 5.3 还是 Grok 4.6 更好?
Grok 4.6 在编程方面得分更高(类别得分 61 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,Grok 4.6 为 1618。
GLM 5.3 和 Grok 4.6 哪个更快?
GLM 5.3 输出更快(输出 88 比 73 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 还是 Grok 4.6 更好?
Grok 4.6 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%,Grok 4.6 为 19.7%。
更多问题(4)
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)。GLM 5.3 支持更长的上下文:1,000,000 token,Grok 4.6 为 500,000 token。
哪个延迟更低?
Grok 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 28.6 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 4.6 的看法一致吗?
在两者都有结果的 61 项基准测试中,GLM 5.3 领先 35 项,Grok 4.6 领先 26 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。