GLM 5.3 Flash
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 42%。
没有比它更便宜且得分更高的已排名模型:它位于价格前沿上。
截至 2026年11月16日,GLM 5.3 Flash(Zhipu AI)在 BenchLeader Index 上得分 57.8(共 608 个已排名配置)。表现最好的是数学(69),最弱的是知识(45)。API 价格为输入每百万 token $0.150、输出每百万 token $0.500(按 3:1 混合为 $0.238),为 2026年11月16日的标价。输出速度约为 54 token/秒(Artificial Analysis)。发布于 2026年8月20日。
要点(截至 2026年11月16日)
- GLM 5.3 Flash 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.500(按 3:1 混合为 $0.238)(标价,2026年11月16日)。
- GLM 5.3 Flash 的输出速度约为 54 token/秒(Artificial Analysis,2026年11月16日)。
- GLM 5.3 Flash 于 2026年8月20日发布(Zhipu AI)。
详细说明:GLM 5.3 Flash 是 Zhipu AI 的开放权重推理模型,发布于 2026年8月20日。其最佳配置在 BenchLeader Index 上得分 57.8 ±4.7,在 608 个配置中排第 146 名,处于上半区。关键在于这个“±”:另有 250 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(69),知识最低(45)。按混合价格计,每百万 token $0.238,属于已排名模型中最便宜的五分之一。输出速度为 54 token/秒,首次回答需 87.0 秒,比大多数模型慢。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.238/M
- 输入 $0.150 · 输出 $0.500
- 来源:Artificial Analysis
- 输出速度
- 54 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 87 s
- 首 token 0.65 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 220 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.583
- 每项任务 41 min,AA Index
- 单任务 token 数
- 134k
- 其中 76% 为推理
- 发布日期
- 2026年8月20日
- 综合 Index58
- 推理48
- 编程57
- 智能体与工具59
- 数学69
- 知识45
- 人类偏好66
- 多模态64
- 长上下文65
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/glm-5-3-flash)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Zhipu AI 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| GLM 5.3 Flash本页 | 2026年8月20日 | 57.8 | #146 |
| GLM 4.7 Flash | 2026年1月19日 | 51.0 | #325 |
| GLM-4.5-Flash | 2025年7月28日 | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- max
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 44.4#97 | Artificial Analysis |
推理
| 基准测试 | low | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| GPQA Diamond | – | – | 90.2%#50 | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | – | 1500#35 | Arena (LMArena) | |
| LiveBench 2.0 Reasoning不计入 Index | – | – | 77.6%#29 | – | LiveBench | |
| LiveBench 1.0 Reasoning不计入 Index推理强度未说明 | – | – | – | 77.6%#58 | LiveBench | |
| GPQA Diamond (AA)不计入 Index推理强度未说明 | – | – | – | 91.2%#49 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | – | – | 39.9%#99 | Artificial Analysis | |
| HLE-Diamond (AA)推理强度未说明 | – | – | – | 18.2%#86 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | – | 86.4%#42 | – | Vals AI | |
| ARC-AGI-1 | 47.0%#192 | 71.8%#148 | 91.0%#76 | – | ARC Prize | |
| ARC-AGI-2 | 27.9%#143 | 50.1%#115 | 65.8%#80 | – | ARC Prize | |
| CritPt不计入 Index推理强度未说明 | – | – | – | 15.4%#100 | Artificial Analysis | |
| CritPt v2 hard subset (AA)推理强度未说明 | – | – | – | 24.5%#91 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | – | 1511#31 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | – | – | 21.0%#94 | – | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | – | – | 8.0%#124 | – | Epoch AI Benchmarking Hub | |
| BTF-3不计入 Index推理强度未说明 | – | – | – | 14.9%#1 | Epoch AI Benchmarking Hub |
编程
智能体与工具
数学
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 55.8%#51 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 17.1%#60 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 93.9%#65 | – | Epoch AI Benchmarking Hub | |
| ProofBench | 21.0%#52 | – | Vals AI | |
| LiveBench Mathematics不计入 Index推理强度未说明 | – | 81.2%#60 | LiveBench | |
| Arena Maths推理强度未说明 | – | 1505#11 | Arena (LMArena) |
知识
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 2.0 Data Analysis不计入 Index | 76.4%#20 | – | LiveBench | |
| LiveBench Research不计入 Index | 73.9%#26 | – | LiveBench | |
| LiveBench 1.0 Data Analysis不计入 Index推理强度未说明 | – | 76.4%#34 | LiveBench | |
| AA-Omniscience v1.1推理强度未说明 | – | 0.7#84 | Artificial Analysis | |
| MMLU-Pro | 86.1%#48 | – | Vals AI | |
| LegalBench | 83.9%#45 | – | Vals AI | |
| TaxEval | 75.6%#16 | – | Vals AI | |
| Excel Modeling Benchmark不计入 Index | 55.9%#49 | – | Vals AI | |
| Excel Modeling Benchmark v1.1不计入 Index | 66.3%#31 | – | Vals AI | |
| MedScribe不计入 Index | 88.9%#9 | – | Vals AI | |
| Access to Justice Benchmark不计入 Index | 71.1%#14 | – | Vals AI | |
| GDP.pdf不计入 Index | 14.0%#42 | – | Epoch AI Benchmarking Hub | |
| AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明 | – | 28.2%#102 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明 | – | 61.6%#52 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 77.3%#42 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 52.8%#68 | LiveBench | |
| Arena Instruction Following不计入 Index | 1474#35 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1475#36 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1435#66 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1476#51 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1480#51 | Arena (LMArena) |
多模态
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | 1295#23 | Arena (LMArena) | |
| LiveBench Design不计入 Index | 73.7%#19 | – | LiveBench | |
| MMMU-Pro (Vals)不计入 Index | 86.0%#23 | – | Vals AI | |
| SAGE不计入 Index | 89.3%#5 | – | Vals AI | |
| Humanity's Sixth Sense不计入 Index | 26.8%#24 | – | Scale AI SEAL | |
| VIALS-AA不计入 Index推理强度未说明 | – | 39.8%#16 | Handshake AI | |
| Code2Video-AA不计入 Index推理强度未说明 | – | 975#20 | Artificial Analysis | |
| AA-3D不计入 Index推理强度未说明 | – | 937#19 | Artificial Analysis |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 80.0%#88 | Artificial Analysis | |
| MLCR不计入 Index | 11.7%#112 | Artificial Analysis | |
| FACTS Grounding不计入 Index | 56.1%#22 |
综合
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | 153.8#51 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | 60.7%#23 | – | LiveBench | |
| LiveBench 1.0不计入 Index推理强度未说明 | – | 71.6%#54 | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index推理强度未说明 | – | 27.8#75 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index推理强度未说明 | – | 41.8#60 | Artificial Analysis | |
| AA Progress Index v1不计入 Index推理强度未说明 | – | 318.6#68 | Artificial Analysis | |
| Vals Index不计入 Index | 50.9#30 | – | Vals AI | |
| Vals Finance Index不计入 Index | 55.8%#26 | – | Vals AI | |
| Vals Router Index不计入 Index推理强度未说明 | – | 50.9%#20 | Vals AI | |
| Vals Legal Index不计入 Index | 71.0%#16 | – | Vals AI | |
| AA Cyber Index不计入 Index推理强度未说明 | – | 49.9#9 | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 26.7%#51 | Scale AI SEAL | |
| DistressBench不计入 Index | 72.7%#19 | Scale AI SEAL |
GameBench 2 Overall: 54.9. GameBench 2, best reasoning setting (High): 60.8. 仅供参考,不计入 BenchLeader Index。
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.
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| CoreWeave | 168 tok/s | 0.52 s | $0.120 | $0.380 | 1.0M | nvfp4 |
| Reka AI | 165 tok/s | 0.53 s | $0.120 | $0.300 | 1.0M | – |
| Together | 156 tok/s | 0.43 s | $0.150 | $0.500 | 1.0M | – |
| Particle AI | 147 tok/s | 0.61 s | $0.120 | $0.500 | 1.0M | nvfp4 |
| Open Inference | 141 tok/s | 0.66 s | $0.060 | $0.300 | 1.0M | fp4 |
| Friendli | 140 tok/s | 0.42 s | $0.150 | $0.500 | 1.0M | – |
| Mistral | 135 tok/s | 1.07 s | $0.150 | $0.500 | 1.0M | – |
| Cohere | 133 tok/s | 0.67 s | $0.150 | $0.500 | 1.0M | nvfp4 |
| Baseten | 133 tok/s | 0.31 s | $0.150 | $0.500 | 1.0M | fp8 |
| DigitalOcean | 133 tok/s | 0.71 s | $0.113 | $0.375 | 1.0M | – |
| KT | 132 tok/s | 0.98 s | $0.150 | $0.500 | 1.0M | – |
| Fireworks | 130 tok/s | 0.57 s | $0.225 | $0.750 | 1.0M | – |
| Parasail | 128 tok/s | 0.69 s | $0.188 | $0.625 | 1.0M | fp4 |
| Fireworks | 115 tok/s | 0.92 s | $0.150 | $0.500 | 1.0M | – |
| Relace | 103 tok/s | 0.57 s | $0.040 | $0.078 | 1.0M | fp4 |
| inference.net | 101 tok/s | 0.29 s | $0.108 | $0.350 | 1.0M | fp4 |
| Venice | 101 tok/s | 0.71 s | $0.150 | $0.500 | 1.0M | – |
| Parasail | 96 tok/s | 0.63 s | $0.150 | $0.500 | 1.0M | fp4 |
| inference.net | 93 tok/s | 0.39 s | $0.108 | $0.350 | 1.0M | fp4 |
| Crusoe | 93 tok/s | 0.74 s | $0.150 | $0.500 | 1.0M | fp4 |
| Inceptron | 92 tok/s | 0.51 s | $0.175 | $0.470 | 1.0M | fp8 |
| DeepInfra | 91 tok/s | 0.85 s | $0.150 | $0.500 | 1.0M | fp4 |
| Makora | 83 tok/s | 0.78 s | $0.140 | $0.240 | 1.0M | fp4 |
| Wafer | 75 tok/s | 0.67 s | $0.042 | $0.184 | 1.0M | nvfp4 |
| River | 75 tok/s | 0.83 s | $0.096 | $0.320 | 1.0M | – |
| NextBit | 74 tok/s | 0.76 s | $0.120 | $0.450 | 1.0M | fp4 |
| Wafer | 71 tok/s | 0.52 s | $0.065 | $0.240 | 1.0M | nvfp4 |
| Sail Research | 68 tok/s | 1.16 s | $0.175 | $0.625 | 1.0M | fp4 |
| Nebius Token Factory | 67 tok/s | 0.74 s | $0.150 | $0.500 | 1.0M | fp4 |
| DekaLLM | 63 tok/s | 1.21 s | $0.100 | $0.500 | 1.0M | – |
| Morph | 62 tok/s | 0.56 s | $0.131 | $0.137 | 1.0M | fp8 |
| GMICloud | 52 tok/s | 1.90 s | $0.075 | $0.250 | 1.0M | fp8 |
| StreamLake | 45 tok/s | 2.42 s | $0.088 | $0.295 | 1.0M | fp8 |
| Sail Research | 42 tok/s | 0.77 s | $0.175 | $0.625 | 1.0M | fp4 |
| SiliconFlow | 41 tok/s | 1.88 s | $0.100 | $0.400 | 1.0M | fp8 |
| Modal | 41 tok/s | 0.85 s | $0.150 | $0.500 | 1.0M | fp4 |
| AtlasCloud | 40 tok/s | 7.24 s | $0.150 | $0.500 | 1.0M | fp8 |
| Tenstorrent | 39 tok/s | 7.57 s | $0.075 | $0.250 | 262k | fp8 |
| Z.ai | 31 tok/s | 2.35 s | $0.150 | $0.500 | 1.0M | fp8 |
| NovitaAI | 27 tok/s | 3.30 s | $0.084 | $0.280 | 1.0M | fp8 |
| NEAR AI | 24 tok/s | 0.94 s | $0.080 | $0.500 | 1.0M | fp8 |
| Darkbloom | 17 tok/s | 5.63 s | $0.065 | $0.180 | 262k | fp4 |
使用情况
GLM 5.3 Flash 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
过去 30 天的典型请求:每次请求 25.6k token、每个输出 token 对应 32 个输入 token、83% 的输入来自缓存、40% 的输出为推理内容、每次请求 0.30 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:Claude Code (6.74T)、Hermes Agent (3.42T)、Portkey AI (3.37T)、pi (1.46T)、Lemonade (1.12T)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| Runinfra | 386 tok/s | 1.58 s | 99.92% |
| Runware | 313 tok/s | 0.56 s | 100.00% |
| Particle | 297 tok/s | 0.86 s | 99.99% |
| Together AI | 232 tok/s | 0.60 s | 99.99% |
| DigitalOcean | 212 tok/s | 0.72 s | 100.00% |
| Friendli | 179 tok/s | 0.19 s | 100.00% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.030。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0002 | $0.0002 | 1.5 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0021 | $0.0010 | 1.6 min |
| 代码编辑 | 6,000 / 1,500 | $0.0017 | $0.0011 | 1.9 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.011 | $0.0056 | 2.7 min |
| 结构化信息提取 | 2,000 / 200 | $0.0004 | $0.0002 | 1.5 min |
包含该模型的编程套餐
可以使用 GLM 5.3 Flash 的订阅套餐,列出各自的用量限制和单项任务成本。
将 GLM 5.3 Flash 与以下模型对比
- GLM 5.3 Flash vs DeepSeek V4.1 Flash 1017
- GLM 5.3 Flash vs GPT-6.1 Sol
- GLM 5.3 Flash vs Claude Sonnet 5.5
- GLM 5.3 Flash vs GPT-5
- GLM 5.3 Flash vs Qwen3.8 Max
- GLM 5.3 Flash vs GPT-5.2
- GLM 5.3 Flash vs Qwen3.8-Flash-Next
- GLM 5.3 Flash vs Step 5 Preview
- GLM 5.3 Flash vs Gemini 4 Argon
- GLM 5.3 Flash vs DeepSeek V4 Flash
- GLM 5.3 Flash vs DeepSeek V4 Pro
- GLM 5.3 Flash vs Muse Spark 1.3
- GLM 5.3 Flash vs GPT-5.3-Codex
- GLM 5.3 Flash vs Claude Opus 5.5
- GLM 5.3 Flash vs Grok 4.7
- GLM 5.3 Flash vs GLM 5.2
- GLM 5.3 Flash vs Kimi K3.1 Pro
- GLM 5.3 Flash vs o3
- GLM 5.3 Flash vs Gemini 3.5 Flash
- GLM 5.3 Flash vs Qwen3.8 2.4T A95B
- GLM 5.3 Flash vs Inkling 2 Small
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GLM 5.3 Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/glm-5-3-flash)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). GLM 5.3 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-5-3-flash
BibTeX:
@misc{benchleader_glm_5_3_flash_20261116,
author = {{BenchLeader}},
title = {{GLM 5.3 Flash on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/glm-5-3-flash}},
note = {Data as of 2026-11-16}
}常见问题
- GLM 5.3 Flash 的基准测试得分是多少?
- 截至 2026年11月16日,GLM 5.3 Flash 的 BenchLeader Index 为 57.8 ±4.7。最强的是数学(69),最弱的是知识(45)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- GLM 5.3 Flash 排名第几?
- 截至 2026年11月16日,GLM 5.3 Flash 在 608 个已排名配置中排第 146 名。另有 250 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- GLM 5.3 Flash 每百万 token 的价格是多少?
- 截至 2026年11月16日,GLM 5.3 Flash 的价格为输入每百万 token $0.150、输出每百万 token $0.500,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.238。标价最近一次变动是在 2026年9月9日。
- GLM 5.3 Flash 比 DeepSeek V4.1 Flash 1017 更好吗?
- 截至 2026年11月16日,DeepSeek V4.1 Flash 1017(推理强度 max)与 GLM 5.3 Flash 的质量不相上下(BenchLeader Index 57.7 比 57.8,在 ±5.9 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- GLM 5.3 Flash 是什么时候发布的?
- Zhipu AI 于 2026年8月20日发布了 GLM 5.3 Flash。BenchLeader 收录了它在 5 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《GLM 5.3 Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/glm-5-3-flash。