GLM-5 vs GPT-6 Astra
完整资料:GLM-5(Zhipu AI)和 GPT-6 Astra(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 15 个来源
截至 2026年11月16日,质量上 GPT-6 Astra 领先 GLM-5(BenchLeader Index 67.3 比 60.2)。不过,GLM-5 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $1.55 比 $20.00)。在两者都有成绩的所有类别中,GPT-6 Astra 均领先。GLM-5 输出更快(约 1.5 倍)。
要点(截至 2026年11月16日)
- GLM-5 的 BenchLeader Index 为 60.2,GPT-6 Astra 为 67.3(BenchLeader,2026年11月16日)。
- GLM-5 每百万 token 混合价格为 $1.55(标价,2026年11月16日)。
- GPT-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
- GLM-5 比 GPT-6 Astra 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 6 项基准测试中,GPT-6 Astra 领先 6 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 | GPT-6 Astra | 类别得分 73 比 59;Vibe Code Bench v1.1 89.6% 比 23.4% | 高 |
| 智能体与工具调用 | GPT-6 Astra | 类别得分 64 比 58 | 中 |
| 数学 | GPT-6 Astra | 类别得分 71 比 63 | 中 |
| 推理 | GPT-6 Astra | 类别得分 72 比 68;GPQA Diamond (AA) 96.1% 比 82.0% | 中 |
| 知识 | GPT-6 Astra | 类别得分 72 比 57 | 高 |
| 长文档 | GPT-6 Astra | 类别得分 65 比 62;AA-LCR v1.1 80.7% 比 75.7% | 中 |
| 对话质量(人类偏好) | – | 只有 GPT-6 Astra 有 Arena 评分(类别得分 66) | 无法比较 |
| 成本最低 | GLM-5 | 每百万 token 混合价格 $1.55 比 $20.00;智能体编程会话 $0.073 比 $0.800 | – |
| 首次回答最快 | GLM-5 | 首个回答 token 29.2 秒(GLM-5 (thinking))比 198.4 秒(GPT-6 Astra (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 Astra (max) 领先:67.3 比 60.2。
- GPT-6 Astra (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 (thinking) 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $1.55 比 $20.00)。
- GLM-5 (thinking) 的输出速度是对方的 1.7 倍(69 比 41 token/秒)。
概览
| 规格 | GLM-5 | GPT-6 Astra |
|---|---|---|
| 提供商 | Zhipu AI | OpenAI |
| 发布日期 | 2026年2月11日 | 2026年9月2日 |
| 上下文窗口(token) | 204,800 | 1,050,000 |
| 对比时的配置 | GLM-5 (thinking) | GPT-6 Astra (max) |
| 开放权重 | 是 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $1.00 / $3.20 / $0.200 | $10.00 / $50.00 / $1.00 |
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 (thinking) | GPT-6 Astra (max) | 领先者 |
|---|---|---|---|
| 推理 | 68.2 | 72.4 | GPT-6 Astra |
| 编程 | 59.1 | 73.2 | GPT-6 Astra |
| 智能体与工具 | 58.0 | 63.9 | GPT-6 Astra |
| 数学 | 63.4 | 70.8 | GPT-6 Astra |
| 知识 | 57.4 | 72.3 | GPT-6 Astra |
| 指令遵循 | 70.9 | – | 无法比较 |
| 人类偏好 | – | 66.2 | 无法比较 |
| 多模态 | – | 65.6 | 无法比较 |
| 长上下文 | 62.4 | 65.0 | GPT-6 Astra |
| 综合 | – | 71.3 | 无法比较 |
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。
未绘制(测得的模型少于两个):指令遵循, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 6 项基准测试中,GLM-5 领先 0 项,GPT-6 Astra 领先 6 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
| 综合 Index | GLM-5 (thinking) | GPT-6 Astra (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 60.2 | 67.3 | GPT-6 Astra |
| Arena Text | 1457† | 1474 | GPT-6 Astra |
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 (thinking) | GPT-6 Astra (max) |
|---|---|---|
| 每百万 token 混合价格 | $1.55 | $20.00 |
| 每百万 token 输入 / 输出 | $1.00 / $3.20 | $10.00 / $50.00 |
| 每百万 token 缓存输入 | $0.200 | $1.00 |
| 每项任务价格:聊天回复 | $0.0014 | $0.019 |
| 每项任务价格:总结一份 30 页的报告 | $0.014 | $0.150 |
| 每项任务价格:代码编辑 | $0.011 | $0.135 |
| 每项任务价格:智能体编程会话 | $0.073 | $0.800 |
| 每项任务价格:结构化信息提取 | $0.0026 | $0.030 |
| 智能体编程会话(输入大多命中缓存) | $0.037 | $0.395 |
| 每项基准测试任务成本(AA Index) | – | $6.24 |
| 每项任务输出 token(AA Index) | – | 52k |
| 其中推理部分 | – | 36k |
| 每项任务耗时(AA Index) | – | 21 min |
| 输出速度 | 69 tok/s | 41 tok/s |
| 首次回答时间 | 29.2 秒 | 198.4 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 81.4 秒 | 533.7 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 (thinking) 得分 60.2,首个回答 token 需 29 秒;GLM-5 为 54.9(2 秒)。GPT-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 200 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 (thinking) | GPT-6 Astra (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 67.3 |
| 智能体与工具得分 | BenchLeader | 58.0 | 63.9 |
| 编程得分 | BenchLeader | 59.1 | 73.2 |
| 指令遵循得分 | BenchLeader | 70.9 | – |
| 知识得分 | BenchLeader | 57.4 | 72.3 |
| 长上下文得分 | BenchLeader | 62.4 | 65.0 |
| 数学得分 | BenchLeader | 63.4 | 70.8 |
| 推理得分 | BenchLeader | 68.2 | 72.4 |
| 综合得分 | BenchLeader | – | 71.3 |
| 人类偏好得分 | BenchLeader | – | 66.2 |
| 多模态得分 | BenchLeader | – | 65.6 |
| 混合价格(美元/百万 token) | BenchLeader | $1.55 | $20.00 |
| 输出速度 | BenchLeader | 69 tok/s | 41 tok/s |
| 首次回答时间 | BenchLeader | 29.2 秒 | 198.4 秒 |
| 上下文窗口 | BenchLeader | 204,800 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 87.8%† | 95.8% |
| Humanity's Last Exam | Scale AI / CAIS | – | 54.8%† |
| SimpleBench | SimpleBench | 53.2%† | 83.6%† |
| Arena Hard Prompts | Arena (LMArena) | 1478† | 1500 |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.7% |
| LiveBench 1.0 Reasoning | LiveBench | – | 92.7% |
| GPQA Diamond (AA) | Artificial Analysis | 82.0% | 96.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 29.3% | 54.7% |
| HLE-Diamond (AA) | Artificial Analysis | – | 63.8% |
| GPQA Diamond (Vals) | Vals AI | 83.3% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 75.0% | – |
| ARC-AGI-1 | ARC Prize | 44.7%† | 97.5% |
| ARC-AGI-2 | ARC Prize | 4.9%† | 95.0% |
| ARC-AGI-3 | ARC Prize | – | 98.6% |
| CritPt | Artificial Analysis | 2.0% | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 70.5% |
| MysteryMechanism | Vals AI | – | 53.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 60.6%† |
| Arena Expert | Arena (LMArena) | 1482† | 1517 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 74.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 84.0% |
| CL-bench | Epoch AI Benchmarking Hub | 18.7%† | – |
| LMCA | Epoch AI Benchmarking Hub | – | 64.1%† |
| DTBench | Epoch AI Benchmarking Hub | – | 97.1%† |
| ForecastBench | ForecastBench | 63.4%† | 66.6%† |
显示全部 200 项基准测试
| 指标 | 发布方 | GLM-5 (thinking) | GPT-6 Astra (max) |
|---|---|---|---|
| 推理 | |||
| BTF-3 | Epoch AI Benchmarking Hub | – | 13.5%† |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 72.1%† | – |
| SciCode | SciCode | – | 56.5% |
| WeirdML | WeirdML | 48.2%† | 93.3% |
| FrontierCode | Cognition | – | 53.3% |
| GSO-Bench | GSO-Bench | – | 79.4%† |
| Arena Coding | Arena (LMArena) | 1498† | 1548 |
| Arena WebDev | Arena (LMArena) | 1435† | 1764 |
| LiveBench 2.0 Coding | LiveBench | – | 87.5% |
| LiveBench 1.0 Coding | LiveBench | – | 80.4% |
| LiveCodeBench | Vals AI | 81.9% | – |
| IOI | Vals AI | – | 100.0% |
| SWE-bench (Vals) | Vals AI | 71.4% | – |
| SWE-bench Verified (bash only) | SWE-bench | 72.8%† | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 69.7%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 72.8%† | – |
| Code Migration | Vals AI | – | 67.7% |
| Code Migration v1.1 | Vals AI | – | 80.6% |
| ProgramBench | Vals AI | – | 5.5% |
| SWE-bench Multimodal | Vals AI | – | 43.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 27.6% |
| Vibe Code Bench v1.1 | Vals AI | 23.4% | 89.6% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 20.5%† | 59.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 24.2%† | 59.0%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 28.7%† | 50.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 69.4%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 70.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 71.4%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.9%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 60.0% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 73.2% |
| ALE-Bench | Epoch AI Benchmarking Hub | 765.6† | 2951.3 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 65.5% |
| WeirdML v3 | WeirdML | – | 42.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 59.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 88.4% |
| Startrise Frontend | Startrise | – | 79.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 88.8† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 94.3† |
| Design Arena Website | Design Arena | 1239† | 1338 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 47.0% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 42.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 52.4%† | 60.3% |
| Remote Labor Index | Scale AI / CAIS | – | 20.8%† |
| APEX-Agents | Mercor | – | 64.7%† |
| Arena Agent | Arena (LMArena) | – | 14.5 |
| LiveBench Long Agentic | LiveBench | – | 75.6% |
| LiveBench Browser | LiveBench | – | 91.3% |
| LiveBench Agentic Coding | LiveBench | – | 57.3% |
| Terminal-Bench Hard | Artificial Analysis | 43.2% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 98.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 87.3% |
| HiL-Bench | Scale AI SEAL | – | 65.3%† |
| τ²-bench | τ²-bench | 81.0% | – |
| τ³-bench Banking | τ²-bench | 9.8% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 53.7% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1587 |
| τ³-Banking (AA) | Artificial Analysis | – | 41.4% |
| ITBench SRE (AA) | Artificial Analysis | – | 48.6% |
| Analyst Agent (AA) | Artificial Analysis | – | 51.3% |
| APEX-Agents (AA) | Artificial Analysis | 14.4% | – |
| CUA-bench | Vals AI | – | 19.2% |
| CyberBench | Vals AI | – | 41.1% |
| Finance Agent v2 | Vals AI | – | 53.5% |
| Finance Agent v2.1 | Vals AI | – | 60.4% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 7.1% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 5.4% |
| Legal Research Bench | Vals AI | – | 39.4% |
| Robo-bench | Vals AI | – | 23.3% |
| SREBench | Vals AI | – | 56.9% |
| Tax Agent Bench | Vals AI | – | 20.7% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 49.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 59.6% |
| Terminal-Bench Science | Vals AI | – | 62.9% |
| Time Horizon Index: KSP | Vals AI | – | 90.5% |
| Arena Search | Arena (LMArena) | – | 1245 |
| Arena Agent Task Completion | Arena (LMArena) | – | 14 |
| BALROG | BALROG | – | 68.3% |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 41.9% |
| Vending-Bench 2 | Andon Labs | 4432.1† | 15514.7† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 34.0% |
| AutomationBench | Artificial Analysis | – | 68.5% |
| GDP.pdf (AA) | Artificial Analysis | – | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 8.6% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1569 |
| GDPx | GDPx by SemiAnalysis | – | 9.6% |
| Design Arena Agentic | Design Arena | 1115† | 1405 |
| RoboDojo (LLM as robot policy) | RoboDojo | – | 29.0† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 63.3% |
| CWE-Bench (AA) | Artificial Analysis | – | 63.3% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 36.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 0.0% |
| MKA (AA) | Artificial Analysis | – | 50.2% |
| FACTS Search | – | 93.3%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 97.6% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 80.0%† | 100.0% |
| ProofBench | Vals AI | – | 99.0%† |
| LiveBench Mathematics | LiveBench | – | 96.8% |
| AIME (Vals) | Vals AI | 91.7% | – |
| AIME 2026 | MathArena | 96.7%† | – |
| HMMT February 2026 | MathArena | 86.4%† | – |
| USAMO 2026 | MathArena | 35.1%† | – |
| MathArena Apex | MathArena | 10.9%† | – |
| Arena Maths | Arena (LMArena) | 1443† | 1481 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 2.9% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 75.6% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 83.0% |
| LiveBench Research | LiveBench | – | 90.6% |
| LiveBench 1.0 Data Analysis | LiveBench | – | 83.0% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 42.4 |
| MMLU-Pro | Vals AI | 86.0% | – |
| LegalBench | Vals AI | 84.1% | – |
| CorpFin | Vals AI | 62.9% | – |
| TaxEval | Vals AI | 70.0% | – |
| MedQA | Vals AI | 94.3% | – |
| PRBench Finance | Scale AI SEAL | – | 47.5%† |
| PRBench Legal | Scale AI SEAL | – | 48.4%† |
| BioMysteryBench | Vals AI | – | 79.3% |
| CaseLaw v2 | Vals AI | 52.5% | – |
| Excel Modeling Benchmark | Vals AI | – | 71.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.7% |
| MedCode | Vals AI | – | 48.5% |
| MedScribe | Vals AI | – | 87.9% |
| Financial Coaching Bench | Vals AI | – | 67.5% |
| Immigration Bench | Vals AI | – | 67.7% |
| DrugDiscoveryBench | Scale AI SEAL | – | 68.7% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 76.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 34.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.6% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 50.2% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 81.9%† | – |
| HealthBench Professional (AA) | OpenAI | – | 66.0% |
| FACTS Parametric | – | 83.8%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 89.4% |
| LiveBench Instruction Following | LiveBench | – | 75.6% |
| IFBench | Artificial Analysis | 72.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1447† | 1474 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1457† | 1474 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1601† | 2177† |
| Arena Creative Writing | Arena (LMArena) | 1447† | 1451 |
| Arena Multi-turn | Arena (LMArena) | 1472† | 1483 |
| Arena Longer Queries | Arena (LMArena) | 1469† | 1485 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1279 |
| LiveBench Design | LiveBench | – | 80.0% |
| MMMU-Pro | Artificial Analysis | – | 86.9% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 53.6% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 49.7%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 80.0% |
| VIALS-AA | Handshake AI | – | 62.7% |
| Code2Video-AA | Artificial Analysis | – | 1427 |
| AA-3D | Artificial Analysis | – | 1168 |
| FACTS Multimodal | – | 55.2%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 75.7% | 80.7% |
| Arena Document | Arena (LMArena) | – | 1474 |
| MLCR | Artificial Analysis | – | 41.7% |
| FACTS Grounding | – | 80.1%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 146.5† | 169† |
| LiveBench 2.0 | LiveBench | – | 84.5% |
| LiveBench 1.0 | LiveBench | – | 82.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 56.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 27.9 | 52.7 |
| AA Progress Index v1 | Artificial Analysis | 280.9 | 349.6 |
| Vals Index | Vals AI | – | 65.0 |
| Vals Finance Index | Vals AI | – | 55.6% |
| Vals RSI Index | Vals AI | – | 27.1% |
| Vals Science Index | Vals AI | – | 65.1% |
| Vals Router Index | Vals AI | – | 65.0%† |
| Vals Legal Index | Vals AI | – | 68.4% |
| AA Cyber Index | Artificial Analysis | – | 33.4 |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 12.1%† |
| DistressBench | Scale AI SEAL | 71.2%† | 74.3%† |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 50 | – |
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 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-6 Astra (max):1 项分数修订。
- GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
- GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):2 项分数修订。
- GPT-6 Astra (max):1 项分数修订。
- GPT-6 Astra (max):1 项分数修订。
- GLM-5 (thinking):价格 $0.15/M → $0.20/M。
- GLM-5 (thinking):价格 $0.20/M → $0.15/M。
相关对比
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- GLM-5 vs GPT-6.1 Sol
- GLM-5 vs Gemini 4 Argon
- GLM-5 vs Claude Sonnet 5.5
- GLM-5 vs Kimi K3.1 Pro
排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型
GLM-5 vs GPT-6 Astra:常见问题
- GPT-6 Astra 比 GLM-5 更好吗?
- 质量上 GPT-6 Astra (max) 领先:67.3 比 60.2。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 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
- GLM-5 和 GPT-6 Astra 哪个更便宜?价格会变吗?
- 目前 GLM-5 更便宜:每百万 token $1.55 比 $20.00(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 还是 GPT-6 Astra 更好?
- GPT-6 Astra 在编程方面得分更高(类别得分 73 比 59,50 为平均水平)。
- GLM-5 和 GPT-6 Astra 哪个更快?
- GLM-5 输出更快(约 1.5 倍;输出 69 比 41 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 GLM-5 还是 GPT-6 Astra 更好?
- GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 58,50 为平均水平)。
更多问题(4)
- 处理长文档哪个更好?
- GPT-6 Astra 在长上下文基准测试上得分更高(65 比 62)。GPT-6 Astra 支持更长的上下文:1,050,000 token,GLM-5 为 204,800 token。
- 哪个延迟更低?
- GLM-5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 29.2 秒比 198.4 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 和 GPT-6 Astra 的看法一致吗?
- 在两者都有结果的 6 项基准测试中,GLM-5 领先 0 项,GPT-6 Astra 领先 6 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
- GPT-6 Astra 是什么时候发布的?
- GPT-6 Astra 于 2026年9月2日 发布。