BenchLeader

GLM 5.3 vs Qwen3.8 2.4T A95B

完整资料:GLM 5.3(Zhipu AI)和 Qwen3.8 2.4T A95B(Alibaba),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 Qwen3.8 2.4T A95B 的质量不相上下(BenchLeader Index 58.8 比 51.4,在 ±14.6 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)。在两者都有成绩的所有类别中,GLM 5.3 均领先。GLM 5.3 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,Qwen3.8 2.4T A95B 为 51.4(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)。
  • Qwen3.8 2.4T A95B 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • GLM 5.3 比 Qwen3.8 2.4T A95B 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 25 项基准测试中,GLM 5.3 领先 15 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
智能体与工具调用GLM 5.3类别得分 58 比 48;τ³-Banking (AA) 50.3% 比 49.1%高
推理GLM 5.3类别得分 55 比 46;HLE-Diamond (AA) 17.9% 比 20.1%高
知识GLM 5.3类别得分 54 比 49;AA-Omniscience v1.1 6.0 比 7.8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)–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 $3.00;智能体编程会话 $0.102 比 $0.144–
首次回答最快GLM 5.3首个回答 token 57.6 秒(GLM 5.3 (max))比 107.3 秒(Qwen3.8 2.4T A95B)–
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 Qwen3.8 2.4T A95B 的质量不相上下(58.8 比 51.4,在 ±14.6 的误差范围内)。
  • GLM 5.3 (max) 在智能体与工具、知识、推理方面更强。
  • Qwen3.8 2.4T A95B 在长上下文方面更强。
  • 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)。
  • GLM 5.3 (max) 的输出速度是对方的 2.2 倍(88 比 41 token/秒)。

概览

规格GLM 5.3Qwen3.8 2.4T A95B
提供商Zhipu AIAlibaba
发布日期2026年8月18日2026年8月12日
上下文窗口(token)1,000,0001,000,000
对比时的配置GLM 5.3 (max)Qwen3.8 2.4T A95B
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$2.00 / $6.00 / $0.250

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)Qwen3.8 2.4T A95B领先者
推理54.746.4GLM 5.3
编程59.7–无法比较
智能体与工具57.647.8GLM 5.3
数学60.0–无法比较
知识53.549.0GLM 5.3
人类偏好67.2–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推理智能体与工具知识长上下文GLM 5.3, 推理: 54.7GLM 5.3, 智能体与工具: 57.6GLM 5.3, 知识: 53.5GLM 5.3, 长上下文: 64.5Qwen3.8 2.4T A95B, 推理: 46.4Qwen3.8 2.4T A95B, 智能体与工具: 47.8Qwen3.8 2.4T A95B, 知识: 49.0Qwen3.8 2.4T A95B, 长上下文: 64.8

未绘制(测得的模型少于两个):编程, 数学, 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 25 项基准测试中,GLM 5.3 领先 15 项,Qwen3.8 2.4T A95B 领先 10 项。

综合 IndexGLM 5.3 (max)Qwen3.8 2.4T A95B领先者
BenchLeader Index58.851.4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)Qwen3.8 2.4T A95B
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$0.250
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$0.065
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/s41 tok/s
首次回答时间57.6 秒107.3 秒
完整回答耗时(最近一次测量 2026年11月13日)144.1 秒248.5 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)。Qwen3.8 2.4T A95B 得分 51.4,首个回答 token 需 107 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 141 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)Qwen3.8 2.4T A95B
BenchLeader IndexBenchLeader58.851.4
智能体与工具得分BenchLeader57.647.8
编程得分BenchLeader59.7–
人类偏好得分BenchLeader67.2–
知识得分BenchLeader53.549.0
长上下文得分BenchLeader64.564.8
数学得分BenchLeader60.0–
推理得分BenchLeader54.746.4
混合价格(美元/百万 token)BenchLeader$2.15$3.00
输出速度BenchLeader88 tok/s41 tok/s
首次回答时间BenchLeader57.6 秒107.3 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.9%–
SimpleBenchSimpleBench66.2%†–
Arena Hard PromptsArena (LMArena)1507–
LiveBench 1.0 ReasoningLiveBench85.8%†–
GPQA Diamond (AA)Artificial Analysis91.7%93.5%
Humanity's Last Exam (AA)Artificial Analysis42.3%42.5%
HLE-Diamond (AA)Artificial Analysis17.9%20.1%
GPQA Diamond (Vals)Vals AI88.1%–
CritPtArtificial Analysis19.1%20.0%
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%–
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%–
FrontierCodeCognition40.1%–
Arena CodingArena (LMArena)1522–
Arena WebDevArena (LMArena)1623–
LiveBench 1.0 CodingLiveBench79.0%†–
SciCode (AA)Artificial Analysis59.0%54.0%
显示全部 141 项基准测试
指标发布方GLM 5.3 (max)Qwen3.8 2.4T A95B
编程
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%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%82.0%
Startrise FrontendStartrise73.2%†–
GameBench 2 OverallDuelLab GameBench 264.6†52.8
GameBench 2 by reasoning settingDuelLab GameBench 272.349.3†
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%†84.5%†
HiL-BenchScale AI SEAL58.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis57.5%55.4%
GDPval-AA v2.1Artificial Analysis16551614
τ³-Banking (AA)Artificial Analysis50.3%49.1%
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%57.3%
GDP.pdf (AA)Artificial Analysis11.2%15.6%
Harvey LAB-AA v1.1Harvey0.3%–
EnterpriseOps-GymArtificial Analysis36.4%47.4%
AA-Briefcase v1.1Artificial Analysis15011430
GDPxGDPx by SemiAnalysis2.7%–
Design Arena AgenticDesign Arena1239†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis9.5%–
CWE-Bench (AA)Artificial Analysis55.8%28.3%
DeepSec-Bench (AA)Artificial Analysis24.3%9.5%
CyberGym end-to-end (AA)Artificial Analysis29.0%0.0%
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%–
LiveBench MathematicsLiveBench87.9%†–
Arena MathsArena (LMArena)1501–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub41.0%–
LiveBench 1.0 Data AnalysisLiveBench70.2%†–
AA-Omniscience v1.1Artificial Analysis6.07.8
MMLU-ProVals AI86.8%–
LegalBenchVals AI84.8%–
TaxEvalVals AI72.4%–
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%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.1%65.5%
HealthBench Professional (AA)OpenAI52.8%–
FACTS ParametricGoogle40.3%†–
指令遵循
LiveBench LanguageLiveBench79.9%†–
LiveBench Instruction FollowingLiveBench69.3%†–
Arena Instruction FollowingArena (LMArena)1481–
人类偏好
Arena TextArena (LMArena)1482–
EQ-Bench Creative Writing v3EQ-Bench2076†1844
Arena Creative WritingArena (LMArena)1456–
Arena Multi-turnArena (LMArena)1482–
Arena Longer QueriesArena (LMArena)1488–
多模态
Code2Video-AAArtificial Analysis1034–
AA-3DArtificial Analysis794–
长上下文
AA-LCR v1.1Artificial Analysis79.7%80.3%
MLCRArtificial Analysis17.2%30.6%
FACTS GroundingGoogle55.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.1†–
LiveBench 1.0LiveBench76.1%†–
AA Intelligence Index v5.0.1Artificial Analysis31.6–
AA Intelligence Index v4.3.2Artificial Analysis44.840.0
AA Progress Index v1Artificial Analysis322.7317.8
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 Analysis36.412.6
安全与诚实
FORTRESSScale AI SEAL28.2%21.6%†
DistressBenchScale AI SEAL72.5%†77.5%
元数据
AA Openness IndexArtificial Analysis33.327.8

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

  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • 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。
  • Qwen3.8 2.4T A95B:1 项分数修订。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • GLM 5.3 (max):价格 $0.30/M → $0.26/M。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。
  • GLM 5.3 (max):价格 $0.26/M → $0.30/M。
  • Qwen3.8 2.4T A95B:1 项新结果(HLE-Diamond (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 Qwen3.8 2.4T A95B:常见问题

GLM 5.3 比 Qwen3.8 2.4T A95B 更好吗?
GLM 5.3 (max) 与 Qwen3.8 2.4T A95B 的质量不相上下(58.8 比 51.4,在 ±14.6 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 Qwen3.8 2.4T A95B 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。
GLM 5.3 和 Qwen3.8 2.4T A95B 哪个更快?
GLM 5.3 输出更快(约 1.5 倍;输出 88 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 还是 Qwen3.8 2.4T A95B 更好?
GLM 5.3 在智能体任务方面得分更高(类别得分 58 比 48,50 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%,Qwen3.8 2.4T A95B 为 49.1%。
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)。两者都支持 1,000,000 token 的上下文。
更多问题(3)
哪个延迟更低?
GLM 5.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 57.6 秒比 107.3 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 Qwen3.8 2.4T A95B 的看法一致吗?
在两者都有结果的 25 项基准测试中,GLM 5.3 领先 15 项,Qwen3.8 2.4T A95B 领先 10 项。
GLM 5.3 是什么时候发布的?
GLM 5.3 于 2026年8月18日 发布。