BenchLeader

GLM 5.3 Flash

推理强度
质量第 70 / 339 名
57.8Index
前四分之一
较中位数 +7.6
价格第 49 / 255 名
$0.238每百万 token
最便宜的四分之一
中位数的 0.3 倍
速度第 160 / 216 名
54token/秒
低于中位数
中位数的 0.7 倍
性价比第 41 / 255 名
242.9分/$
前四分之一
中位数的 4.4 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index58
  2. 推理48
  3. 编程57
  4. 智能体与工具59
  5. 数学69
  6. 知识45
  7. 人类偏好66
  8. 多模态64
  9. 长上下文65

嵌入这个排名

更多徽章样式
[![GLM 5.3 Flash on BenchLeader: 综合第 69 名](https://www.benchleader.com/badge/glm-5-3-flash.svg?style=compact)](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。

Zhipu AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 Flash2026年1月19日51.0#325
GLM-4.5-Flash2025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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––54 tok/s87 s$0.0002智能体与工具 47
low––54 tok/s87 s$0.0002推理 44
high––54 tok/s87 s$0.0002推理 54
max52.4#27754 tok/s87 s$0.0002智能体与工具 49 · 编程 52 · 综合 45 · 知识 59 · 数学 50 · 推理 63
未说明最佳57.8#14654 tok/s87 s$0.0002智能体与工具 59 · 编程 57 · 人类偏好 66 · 知识 45 · 长上下文 65 · 数学 69 · 多模态 64 · 推理 48

Index 走势

2026年9月8日 至 2026年11月16日
485868
  • 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 Index44.4#97Artificial Analysis

推理

基准测试lowhighmax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#35Arena (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%#58LiveBench
GPQA Diamond (AA)不计入 Index推理强度未说明–––91.2%#49Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–––39.9%#99Artificial Analysis
HLE-Diamond (AA)推理强度未说明–––18.2%#86Artificial Analysis
GPQA Diamond (Vals)不计入 Index––86.4%#42–Vals AI
ARC-AGI-147.0%#19271.8%#14891.0%#76–ARC Prize
ARC-AGI-227.9%#14350.1%#11565.8%#80–ARC Prize
CritPt不计入 Index推理强度未说明–––15.4%#100Artificial Analysis
CritPt v2 hard subset (AA)推理强度未说明–––24.5%#91Artificial Analysis
Arena Expert不计入 Index推理强度未说明–––1511#31Arena (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%#1Epoch AI Benchmarking Hub

编程

基准测试lowhighmax默认来源趋势
SciCode推理强度未说明–––51.6%#105SciCode
FrontierCode––31.8%#31–Cognition
Arena Coding推理强度未说明–––1526#28Arena (LMArena)
Arena WebDev推理强度未说明–––1609#35Arena (LMArena)
LiveBench 2.0 Coding不计入 Index––70.9%#20–LiveBench
LiveBench 1.0 Coding不计入 Index推理强度未说明–––79.0%#26LiveBench
SciCode (AA)不计入 Index推理强度未说明–––51.6%#105Artificial Analysis
LiveCodeBench––80.5%#68–Vals AI
IOI––52.5%#24–Vals AI
SWE-bench (Vals)不计入 Index––92.0%#10–Vals AI
Code Migration不计入 Index––20.5%#52–Vals AI
Code Migration v1.1不计入 Index––51.6%#16–Vals AI
ProgramBench不计入 Index––0.0%#34–Vals AI
Vibe Code Bench 1-100不计入 Index––16.0%#18–Vals AI
Vibe Code Bench v1.1不计入 Index––30.8%#82–Vals AI
SWE Atlas v1.1不计入 Index推理强度未说明–––55.3%#21Scale AI SEAL
SWE Atlas v1.1: Codebase QnA不计入 Index推理强度未说明–––66.9%#15Scale AI SEAL
SWE Atlas v1.1: Test Writing不计入 Index推理强度未说明–––53.3%#22Scale AI SEAL
SWE Atlas v1.1: Refactoring不计入 Index推理强度未说明–––45.7%#22Scale AI SEAL
Surface Evolver Bench不计入 Index––52.5%#17–Epoch AI Benchmarking Hub
DeepSWE v1.1不计入 Index––63.4%#30–Epoch AI Benchmarking Hub
CursorBench不计入 Index26.9%#8431.1%#7436.8%#59–Cursor
ALE-Bench不计入 Index–303.6#131––Epoch AI Benchmarking Hub
FrontierSWE不计入 Index––18.1%#19–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明–––32.8%#60Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明–––84.3%#30Artificial Analysis
GameBench 2 Overall不计入 Index跨设置–––54.9#27DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index46.7#10760.8#6357.2#72–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明–––1257#55Design Arena
FrontierCode 1.1 (AA)不计入 Index推理强度未说明–––41.0%#38Artificial Analysis
FrontierCode 2.0 (AA)推理强度未说明–––17.6%#74Artificial Analysis

智能体与工具

基准测试无推理max默认来源趋势
Terminal-Bench35.5%#6637.0%#62–Terminal-Bench
APEX-Agents推理强度未说明––52.8%#31Mercor
Arena Agent推理强度未说明––-2.9#38Arena (LMArena)
LiveBench Long Agentic不计入 Index–20.7%#24–LiveBench
LiveBench Browser不计入 Index–59.8%#20–LiveBench
LiveBench Agentic Coding不计入 Index推理强度未说明––56.8%#25LiveBench
Terminal-Bench 2.1 (Vals)–62.9%#38–Vals AI
GDPval-AA v2.1, normalised score不计入 Index推理强度未说明––57.1%#18Artificial Analysis
GDPval-AA v2.1不计入 Index推理强度未说明––1648#26Artificial Analysis
τ³-Banking (AA)推理强度未说明––47.2%#8Artificial Analysis
ITBench SRE (AA)不计入 Index推理强度未说明––51.2%#4Artificial Analysis
Analyst Agent (AA)不计入 Index推理强度未说明––25.0%#34Artificial Analysis
CyberBench不计入 Index–67.9%#26–Vals AI
Finance Agent v2不计入 Index–57.9%#15–Vals AI
Finance Agent v2.1不计入 Index–60.6%#24–Vals AI
Harvey's Legal Agent Benchmark v1.1不计入 Index–10.4%#23–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–6.7%#31–Vals AI
Legal Research Bench不计入 Index–45.2%#23–Vals AI
SkillsBench不计入 Index–40.2%#29–Vals AI
SREBench不计入 Index–0.8%#28–Vals AI
Tax Agent Bench不计入 Index–31.6%#29–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index–37.4%#22–Vals AI
Terminal-Bench Science不计入 Index–2.9%#34–Vals AI
Arena Agent Task Completion不计入 Index推理强度未说明––1.3#29Arena (LMArena)
PostTrainBench不计入 Index–36.8%#7–Epoch AI Benchmarking Hub
AutomationBench不计入 Index推理强度未说明––60.4%#52Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明––15.4%#122Artificial Analysis
Harvey LAB-AA v1.1不计入 Index推理强度未说明––0.8%#24Harvey
EnterpriseOps-Gym不计入 Index推理强度未说明––33.2%#39Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明––1450#65Artificial Analysis
Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明––4.8%#83Artificial Analysis
CWE-Bench (AA)推理强度未说明––55.8%#14Artificial Analysis
DeepSec-Bench (AA)推理强度未说明––19.9%#16Artificial Analysis
CyberGym end-to-end (AA)推理强度未说明––74.0%#9Artificial Analysis
MKA (AA)不计入 Index推理强度未说明––36.2%#17Artificial Analysis

数学

基准测试max默认来源趋势
FrontierMath Tiers 1–355.8%#51–Epoch AI Benchmarking Hub
FrontierMath Tier 417.1%#60–Epoch AI Benchmarking Hub
OTIS Mock AIME93.9%#65–Epoch AI Benchmarking Hub
ProofBench21.0%#52–Vals AI
LiveBench Mathematics不计入 Index推理强度未说明–81.2%#60LiveBench
Arena Maths推理强度未说明–1505#11Arena (LMArena)

知识

基准测试max默认来源趋势
LiveBench 2.0 Data Analysis不计入 Index76.4%#20–LiveBench
LiveBench Research不计入 Index73.9%#26–LiveBench
LiveBench 1.0 Data Analysis不计入 Index推理强度未说明–76.4%#34LiveBench
AA-Omniscience v1.1推理强度未说明–0.7#84Artificial Analysis
MMLU-Pro86.1%#48–Vals AI
LegalBench83.9%#45–Vals AI
TaxEval75.6%#16–Vals AI
Excel Modeling Benchmark不计入 Index55.9%#49–Vals AI
Excel Modeling Benchmark v1.1不计入 Index66.3%#31–Vals AI
MedScribe不计入 Index88.9%#9–Vals AI
Access to Justice Benchmark不计入 Index71.1%#14–Vals AI
GDP.pdf不计入 Index14.0%#42–Epoch AI Benchmarking Hub
AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明–28.2%#102Artificial Analysis
AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明–61.6%#52Artificial Analysis

指令遵循

基准测试默认来源趋势
LiveBench Language不计入 Index77.3%#42LiveBench
LiveBench Instruction Following不计入 Index52.8%#68LiveBench
Arena Instruction Following不计入 Index1474#35Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1475#36Arena (LMArena)
Arena Creative Writing不计入 Index1435#66Arena (LMArena)
Arena Multi-turn不计入 Index1476#51Arena (LMArena)
Arena Longer Queries不计入 Index1480#51Arena (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#23Arena (LMArena)
LiveBench Design不计入 Index73.7%#19–LiveBench
MMMU-Pro (Vals)不计入 Index86.0%#23–Vals AI
SAGE不计入 Index89.3%#5–Vals AI
Humanity's Sixth Sense不计入 Index26.8%#24–Scale AI SEAL
VIALS-AA不计入 Index推理强度未说明–39.8%#16Handshake AI
Code2Video-AA不计入 Index推理强度未说明–975#20Artificial Analysis
AA-3D不计入 Index推理强度未说明–937#19Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.180.0%#88Artificial Analysis
MLCR不计入 Index11.7%#112Artificial Analysis
FACTS Grounding不计入 Index56.1%#22Google

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#51Epoch AI Benchmarking Hub
LiveBench 2.060.7%#23–LiveBench
LiveBench 1.0不计入 Index推理强度未说明–71.6%#54LiveBench
AA Intelligence Index v5.0.1不计入 Index推理强度未说明–27.8#75Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index推理强度未说明–41.8#60Artificial Analysis
AA Progress Index v1不计入 Index推理强度未说明–318.6#68Artificial Analysis
Vals Index不计入 Index50.9#30–Vals AI
Vals Finance Index不计入 Index55.8%#26–Vals AI
Vals Router Index不计入 Index推理强度未说明–50.9%#20Vals AI
Vals Legal Index不计入 Index71.0%#16–Vals AI
AA Cyber Index不计入 Index推理强度未说明–49.9#9Artificial Analysis

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index26.7%#51Scale AI SEAL
DistressBench不计入 Index72.7%#19Scale 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
CoreWeave168 tok/s0.52 s$0.120$0.3801.0Mnvfp4
Reka AI165 tok/s0.53 s$0.120$0.3001.0M–
Together156 tok/s0.43 s$0.150$0.5001.0M–
Particle AI147 tok/s0.61 s$0.120$0.5001.0Mnvfp4
Open Inference141 tok/s0.66 s$0.060$0.3001.0Mfp4
Friendli140 tok/s0.42 s$0.150$0.5001.0M–
Mistral135 tok/s1.07 s$0.150$0.5001.0M–
Cohere133 tok/s0.67 s$0.150$0.5001.0Mnvfp4
Baseten133 tok/s0.31 s$0.150$0.5001.0Mfp8
DigitalOcean133 tok/s0.71 s$0.113$0.3751.0M–
KT132 tok/s0.98 s$0.150$0.5001.0M–
Fireworks130 tok/s0.57 s$0.225$0.7501.0M–
Parasail128 tok/s0.69 s$0.188$0.6251.0Mfp4
Fireworks115 tok/s0.92 s$0.150$0.5001.0M–
Relace103 tok/s0.57 s$0.040$0.0781.0Mfp4
inference.net101 tok/s0.29 s$0.108$0.3501.0Mfp4
Venice101 tok/s0.71 s$0.150$0.5001.0M–
Parasail96 tok/s0.63 s$0.150$0.5001.0Mfp4
inference.net93 tok/s0.39 s$0.108$0.3501.0Mfp4
Crusoe93 tok/s0.74 s$0.150$0.5001.0Mfp4
Inceptron92 tok/s0.51 s$0.175$0.4701.0Mfp8
DeepInfra91 tok/s0.85 s$0.150$0.5001.0Mfp4
Makora83 tok/s0.78 s$0.140$0.2401.0Mfp4
Wafer75 tok/s0.67 s$0.042$0.1841.0Mnvfp4
River75 tok/s0.83 s$0.096$0.3201.0M–
NextBit74 tok/s0.76 s$0.120$0.4501.0Mfp4
Wafer71 tok/s0.52 s$0.065$0.2401.0Mnvfp4
Sail Research68 tok/s1.16 s$0.175$0.6251.0Mfp4
Nebius Token Factory67 tok/s0.74 s$0.150$0.5001.0Mfp4
DekaLLM63 tok/s1.21 s$0.100$0.5001.0M–
Morph62 tok/s0.56 s$0.131$0.1371.0Mfp8
GMICloud52 tok/s1.90 s$0.075$0.2501.0Mfp8
StreamLake45 tok/s2.42 s$0.088$0.2951.0Mfp8
Sail Research42 tok/s0.77 s$0.175$0.6251.0Mfp4
SiliconFlow41 tok/s1.88 s$0.100$0.4001.0Mfp8
Modal41 tok/s0.85 s$0.150$0.5001.0Mfp4
AtlasCloud40 tok/s7.24 s$0.150$0.5001.0Mfp8
Tenstorrent39 tok/s7.57 s$0.075$0.250262kfp8
Z.ai31 tok/s2.35 s$0.150$0.5001.0Mfp8
NovitaAI27 tok/s3.30 s$0.084$0.2801.0Mfp8
NEAR AI24 tok/s0.94 s$0.080$0.5001.0Mfp8
Darkbloom17 tok/s5.63 s$0.065$0.180262kfp4

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

OpenRouter,过去一周
#4
token 份额 5.6%
Vercel AI Gateway,7 天
6.5%
token 份额
可用性,72 小时
99.8%
OpenRouter,全部提供商
工具调用错误率,7 天
1.00%
占工具调用
OpenRouter 每日 token 数(2026年10月17日 至 2026年11月15日):共 56.3T,环比上周 −10%。

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
Runinfra386 tok/s1.58 s99.92%
Runware313 tok/s0.56 s100.00%
Particle297 tok/s0.86 s99.99%
Together AI232 tok/s0.60 s99.99%
DigitalOcean212 tok/s0.72 s100.00%
Friendli179 tok/s0.19 s100.00%

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。

$0.00$0.138$0.275$0.413$0.55026年9月26年10月26年11月
输入 输出
当前:输入 $0.150 · 输出 $0.500

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$0.00021.5 min
总结一份 30 页的报告12,000 / 600$0.0021$0.00101.6 min
代码编辑6,000 / 1,500$0.0017$0.00111.9 min
智能体编程会话60,000 / 4,000$0.011$0.00562.7 min
结构化信息提取2,000 / 200$0.0004$0.00021.5 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。

Zhipu AI 的更多模型

本月新上线

将 GLM 5.3 Flash 与以下模型对比

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。

[![GLM 5.3 Flash on BenchLeader: 综合第 69 名](https://www.benchleader.com/badge/glm-5-3-flash.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。