BenchLeader

GLM 5.3 vs MiMo-V2.6-Pro

完整资料:GLM 5.3(Zhipu AI)和 MiMo-V2.6-Pro(Xiaomi),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 MiMo-V2.6-Pro 的质量不相上下(BenchLeader Index 58.8 比 57.5,在 ±5.0 的误差范围内)。MiMo-V2.6-Pro 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.544 比 $2.15)。看重知识(54 比 42)和推理(55 比 50)选 GLM 5.3;看重数学(66 比 60)和长上下文(68 比 65)选 MiMo-V2.6-Pro。GLM 5.3 的输出更快。

要点(截至 2026年11月16日)

  • GLM 5.3 的 BenchLeader Index 为 58.8,MiMo-V2.6-Pro 为 57.5(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)。
  • MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(标价,2026年11月16日)。
  • GLM 5.3 比 MiMo-V2.6-Pro 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 68 项基准测试中,MiMo-V2.6-Pro 领先 35 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GLM 5.3 的评分为 1623,MiMo-V2.6-Pro 为 1625(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
编程均可类别得分 60 比 59;Arena WebDev 1623 比 1625均可
智能体与工具调用均可类别得分 58 比 57;Arena Agent 1 比 2.4均可
数学MiMo-V2.6-Pro类别得分 66 比 60;ProofBench 70.0% 比 49.0%中
推理GLM 5.3类别得分 55 比 50;HLE-Diamond (AA) 17.9% 比 15.2%中
知识GLM 5.3类别得分 54 比 42;AA-Omniscience v1.1 6.0 比 -4.5高
长文档MiMo-V2.6-Pro类别得分 68 比 65;AA-LCR v1.1 86.3% 比 79.7%中
对话质量(人类偏好)均可Arena 投票 67 比 67均可
成本最低MiMo-V2.6-Pro每百万 token 混合价格 $0.548 比 $2.15;智能体编程会话 $0.030 比 $0.102–
首次回答最快MiMo-V2.6-Pro首个回答 token 42.3 秒(MiMo-V2.6-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 MiMo-V2.6-Pro 的质量不相上下(58.8 比 57.5,在 ±5.0 的误差范围内)。
  • GLM 5.3 (max) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • MiMo-V2.6-Pro 在长上下文、数学方面更强。
  • MiMo-V2.6-Pro 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.544 比 $2.15)。
  • GLM 5.3 (max) 的输出速度是对方的 1.6 倍(88 比 54 token/秒)。

概览

规格GLM 5.3MiMo-V2.6-Pro
提供商Zhipu AIXiaomi
发布日期2026年8月18日2026年9月21日
上下文窗口(token)1,000,0001,048,576
对比时的配置GLM 5.3 (max)MiMo-V2.6-Pro
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.40 / $4.40 / $0.260$0.440 / $0.870 / $0.0036

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)MiMo-V2.6-Pro领先者
推理54.749.9GLM 5.3
编程59.758.8持平
智能体与工具57.657.1持平
数学60.065.5MiMo-V2.6-Pro
知识53.542.3GLM 5.3
人类偏好67.267.0持平
多模态–60.2无法比较
长上下文64.567.9MiMo-V2.6-Pro

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: 67.2MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 编程: 58.8MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 数学: 65.5MiMo-V2.6-Pro, 知识: 42.3MiMo-V2.6-Pro, 长上下文: 67.9MiMo-V2.6-Pro, 人类偏好: 67.0

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 68 项基准测试中,GLM 5.3 领先 33 项,MiMo-V2.6-Pro 领先 35 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)MiMo-V2.6-Pro领先者
BenchLeader Index58.857.5不相上下
AA Intelligence Index v5.0.131.629.9GLM 5.3
Vals Index59.957.8GLM 5.3
Arena Text14821480GLM 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)MiMo-V2.6-Pro
每百万 token 混合价格$2.15$0.548
每百万 token 输入 / 输出$1.40 / $4.40$0.440 / $0.870
每百万 token 缓存输入$0.260$0.0036
每项任务价格:聊天回复$0.0019$0.0004
每项任务价格:总结一份 30 页的报告$0.019$0.0058
每项任务价格:代码编辑$0.015$0.0039
每项任务价格:智能体编程会话$0.102$0.030
每项任务价格:结构化信息提取$0.0037$0.0011
智能体编程会话(输入大多命中缓存)$0.050$0.010
每项基准测试任务成本(AA Index)$5.01$0.257
每项任务输出 token(AA Index)119k121k
其中推理部分85k86k
每项任务耗时(AA Index)23 min38 min
输出速度88 tok/s54 tok/s
首次回答时间57.6 秒42.3 秒
完整回答耗时(最近一次测量 2026年11月13日)144.1 秒95.7 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 MiMo-V2.6-Pro 上花费 $0.257;完成同样的工作,MiMo-V2.6-Pro 输出的 token 是对方的 1.0 倍。

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)。MiMo-V2.6-Pro 得分 57.5,首个回答 token 需 42 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 154 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)MiMo-V2.6-Pro
BenchLeader IndexBenchLeader58.857.5
智能体与工具得分BenchLeader57.657.1
编程得分BenchLeader59.758.8
人类偏好得分BenchLeader67.267.0
知识得分BenchLeader53.542.3
长上下文得分BenchLeader64.567.9
数学得分BenchLeader60.065.5
推理得分BenchLeader54.749.9
多模态得分BenchLeader–60.2
混合价格(美元/百万 token)BenchLeader$2.15$0.548
输出速度BenchLeader88 tok/s54 tok/s
首次回答时间BenchLeader57.6 秒42.3 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%–
SimpleBenchSimpleBench66.2%†–
Arena Hard PromptsArena (LMArena)15071504
LiveBench 2.0 ReasoningLiveBench–79.6%†
LiveBench 1.0 ReasoningLiveBench85.8%†–
GPQA Diamond (AA)Artificial Analysis91.7%–
Humanity's Last Exam (AA)Artificial Analysis42.3%49.4%
HLE-Diamond (AA)Artificial Analysis17.9%15.2%
GPQA Diamond (Vals)Vals AI88.1%–
CritPtArtificial Analysis19.1%26.6%
CritPt v2 hard subset (AA)Artificial Analysis33.5%34.0%
MysteryMechanismVals AI23.0%15.3%
HLE-Diamond (Scale)Scale AI SEAL16.4%†–
Arena ExpertArena (LMArena)15221526
Chess PuzzlesEpoch AI Benchmarking Hub37.0%–
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%60.9%
WeirdMLWeirdML75.4%–
FrontierCodeCognition40.1%–
Arena CodingArena (LMArena)15221538
Arena WebDevArena (LMArena)16231625
LiveBench 2.0 CodingLiveBench–64.5%†
显示全部 154 项基准测试
指标发布方GLM 5.3 (max)MiMo-V2.6-Pro
编程
LiveBench 1.0 CodingLiveBench79.0%†–
LiveCodeBenchVals AI80.5%–
IOIVals AI68.4%39.3%
SWE-bench (Vals)Vals AI95.4%–
Code MigrationVals AI44.2%43.0%
Code Migration v1.1Vals AI55.1%48.8%
ProgramBenchVals AI1.5%0.5%
SWE-bench MultimodalVals AI–41.3%
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI78.1%85.2%
Vibe Code Bench 1-100 v1.1Vals AI29.8%26.4%
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†1158.1
FrontierSWEEpoch AI Benchmarking Hub30.2%–
Terminal-Bench 4.0 (AA)Artificial Analysis41.9%34.9%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†–
GameBench 2 by reasoning settingDuelLab GameBench 272.349.8†
Design Arena WebsiteDesign Arena1279†1311
FrontierCode 1.1 (AA)Artificial Analysis40.1%45.4%
FrontierCode 2.0 (AA)Artificial Analysis21.6%24.0%
智能体与工具
Terminal-BenchTerminal-Bench41.2%27.0%†
APEX-AgentsMercor56.6%†54.4%
Arena AgentArena (LMArena)12.4
LiveBench Long AgenticLiveBench–36.4%†
LiveBench BrowserLiveBench–77.3%†
LiveBench Agentic CodingLiveBench60.9%†–
Terminal-Bench 2.1 (Vals)Vals AI71.5%67.8%
MCP AtlasScale AI SEAL84.2%†–
HiL-BenchScale AI SEAL58.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%59.1%
GDPval-AA v2.1Artificial Analysis16551692
τ³-Banking (AA)Artificial Analysis50.3%–
ITBench SRE (AA)Artificial Analysis46.1%–
Analyst Agent (AA)Artificial Analysis38.8%37.5%
CyberBenchVals AI72.1%72.9%
Finance Agent v2Vals AI55.8%57.3%
Finance Agent v2.1Vals AI65.0%64.3%
Harvey's Legal Agent Benchmark v1.1Vals AI14.6%13.8%
Harvey's Legal Agent Benchmark v1Vals AI8.3%10.8%
Legal Research BenchVals AI49.0%47.1%
SkillsBenchVals AI47.5%–
SREBenchVals AI9.2%3.0%
Tax Agent BenchVals AI43.3%32.4%
Terminal-Bench 4.0 (Vals)Vals AI38.9%31.3%
Terminal-Bench ScienceVals AI5.7%2.9%
Arena Agent Task CompletionArena (LMArena)3.15
PostTrainBenchEpoch AI Benchmarking Hub34.5%–
Vending-Bench 2Andon Labs8163.6†–
AutomationBenchArtificial Analysis62.2%58.6%
GDP.pdf (AA)Artificial Analysis11.2%19.2%
Harvey LAB-AA v1.1Harvey0.3%–
EnterpriseOps-GymArtificial Analysis36.4%–
AA-Briefcase v1.1Artificial Analysis15011512
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†1271
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%5.7%
CWE-Bench (AA)Artificial Analysis55.8%63.3%
DeepSec-Bench (AA)Artificial Analysis24.3%26.2%
CyberGym end-to-end (AA)Artificial Analysis29.0%78.6%
MKA (AA)Artificial Analysis–37.3%
FACTS SearchGoogle87.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%–
OTIS Mock AIMEEpoch AI Benchmarking Hub91.1%–
ProofBenchVals AI49.0%70.0%
LiveBench MathematicsLiveBench87.9%†–
Arena MathsArena (LMArena)15011484
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%–
LiveBench 2.0 Data AnalysisLiveBench–72.3%†
LiveBench ResearchLiveBench–84.8%†
LiveBench 1.0 Data AnalysisLiveBench70.2%†–
AA-Omniscience v1.1Artificial Analysis6.0-4.5
MMLU-ProVals AI86.8%–
LegalBenchVals AI84.8%–
TaxEvalVals AI72.4%–
Excel Modeling BenchmarkVals AI56.3%62.9%
Excel Modeling Benchmark v1.1Vals AI69.1%67.3%
MedCodeVals AI42.9%45.0%
MedScribeVals AI88.8%88.3%
Public Benefits Bench v1.1Vals AI68.5%68.9%
Access to Justice BenchmarkVals AI73.7%70.0%
Financial Coaching BenchVals AI74.1%75.4%
Immigration BenchVals AI66.7%67.5%
AA-Omniscience v1.1: accuracyArtificial Analysis32.3%34.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%39.8%
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†–
指令遵循
LiveBench LanguageLiveBench79.9%†–
LiveBench Instruction FollowingLiveBench69.3%†–
Arena Instruction FollowingArena (LMArena)14811472
人类偏好
Arena TextArena (LMArena)14821480
EQ-Bench Creative Writing v3EQ-Bench2076†–
Arena Creative WritingArena (LMArena)14561448
Arena Multi-turnArena (LMArena)14821462
Arena Longer QueriesArena (LMArena)14881496
多模态
Arena VisionArena (LMArena)–1266
LiveBench DesignLiveBench–74.3%†
SAGEVals AI–84.5%
Humanity's Sixth SenseScale AI SEAL–25.2%†
VIALS-AAHandshake AI–43.5%
Code2Video-AAArtificial Analysis10341052
AA-3DArtificial Analysis794983
长上下文
AA-LCR v1.1Artificial Analysis79.7%86.3%
MLCRArtificial Analysis17.2%12.8%
FACTS GroundingGoogle55.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†–
LiveBench 2.0LiveBench–66.1%†
LiveBench 1.0LiveBench76.1%†–
AA Intelligence Index v5.0.1Artificial Analysis31.629.9
AA Intelligence Index v4.3.2Artificial Analysis44.846.3
AA Progress Index v1Artificial Analysis322.7321.2
Vals IndexVals AI59.957.8
Vals Finance IndexVals AI61.4%57.9%
Vals RSI IndexVals AI22.9%–
Vals Router IndexVals AI59.7%†57.8%
Vals Legal IndexVals AI74.6%72.1%
AA Cyber IndexArtificial Analysis36.456.1
安全与诚实
FORTRESSScale AI SEAL28.2%–
DistressBenchScale AI SEAL72.5%†–
元数据
AA Openness IndexArtificial Analysis33.352.8

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

  • MiMo-V2.6-Pro:1 项分数修订。
  • GLM 5.3 (max):1 项新结果(PostTrainBench)。
  • MiMo-V2.6-Pro:1 项分数修订。
  • GLM 5.3 (max):4 项分数修订。
  • MiMo-V2.6-Pro:6 项分数修订。
  • MiMo-V2.6-Pro: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 MiMo-V2.6-Pro:常见问题

GLM 5.3 比 MiMo-V2.6-Pro 更好吗?
GLM 5.3 (max) 与 MiMo-V2.6-Pro 的质量不相上下(58.8 比 57.5,在 ±5.0 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 MiMo-V2.6-Pro 哪个更便宜?价格会变吗?
目前 MiMo-V2.6-Pro 更便宜:每百万 token $0.544 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 MiMo-V2.6-Pro 更好?
两者在编程方面持平(类别得分 60 比 59)。在两者共同的最主要编程基准测试 Arena WebDev 上,GLM 5.3 为 1623,MiMo-V2.6-Pro 为 1625。
GLM 5.3 和 MiMo-V2.6-Pro 哪个更快?
GLM 5.3 输出更快(输出 88 比 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 还是 MiMo-V2.6-Pro 更好?
两者在智能体任务方面持平(类别得分 58 比 57)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,GLM 5.3 为 1,MiMo-V2.6-Pro 为 2.4。
更多问题(4)
处理长文档哪个更好?
MiMo-V2.6-Pro 在长上下文基准测试上得分更高(68 比 65)。两者都约为 1M token(GLM 5.3 为 1,000,000,MiMo-V2.6-Pro 为 1,048,576)。
哪个延迟更低?
MiMo-V2.6-Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.3 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 MiMo-V2.6-Pro 的看法一致吗?
在两者都有结果的 68 项基准测试中,GLM 5.3 领先 33 项,MiMo-V2.6-Pro 领先 35 项。所有同时评测两者的综合评分都认为 GLM 5.3 更强。
MiMo-V2.6-Pro 是什么时候发布的?
MiMo-V2.6-Pro 于 2026年9月21日 发布。