导航
Advertise here

DeepSeek V4.1 Flash (max) vs GLM 5.3 FlashX (max)

平均分几乎持平，为 8.3 vs 8.3。 GLM 5.3 FlashX (max) benchmark 成本更低，为 $0.508 vs $0.537。 GLM 5.3 FlashX (max) 更快，为 41.21s vs 61.35s，通过率为 68.2% vs 78.8%。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-09-21

已对比模型

排名
#64
总输出令牌
871,126
响应时间（平均）
61.35s
总成本
$0.537
排名
#63
总输出令牌
375,734
响应时间（平均）
41.21s
总成本
$0.508
推荐模型 GLM 5.3 FlashX (max)

它在本次比较中得分最高（8.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

详细对比

指标 DeepSeek V4.1 Flash DeepSeek V4.1 Flash max 发布日期: 2026-09-10 GLM 5.3 FlashX GLM 5.3 FlashX max 发布日期: 2026-09-21
分数 8.3 8.3
排名 #64 #63
可靠性 9.1 10.0
一致性 9.2 8.3
尝试次数 66/66 66/66
测试正确
尝试通过率 68.2% 78.8%
不稳定测试 2 5
总运行次数 66 66
每个结果成本 3.829 3.381
总成本 $0.537 $0.508
输入价格 $0.150 / 1M $0.370 / 1M
输出价格 $0.600 / 1M $1.250 / 1M
总输入令牌 89,024 101,211
输出令牌 5,558 6,301
推理令牌 865,568 369,433
响应时间（平均） 61.35s 41.21s
响应时间（最大） 335.08s 390.70s
响应时间（总计） 1349.61s 906.52s
参数量 748B 总计 (16B 激活) 320B 总计 (18B 激活)
开放状态 开源 闭源

模型生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#64 DeepSeek V4.1 Flash

max
成本
$0.066
时间
211.0s
令牌
54,712 tok

#63 GLM 5.3 FlashX

max
成本
$0.046
时间
251.3s
令牌
36,769 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
DeepSeek V4.1 Flash 10.0 10.0 100.0% 0 62.50s 7,509 373 132,357
GLM 5.3 FlashX 8.2 7.2 88.9% 1 24.61s 7,317 463 36,503

快速对比

切换对比组合

Inkling SmallhighvsGLM 5.3 FlashXmaxDeepSeek V4.1 FlashmaxvsMuse Spark 1.1lowDeepSeek V4.1 FlashmaxvsInkling SmallhighSeed 2.1 TurbomediumvsGLM 5.3 FlashXmaxMuse Spark 1.1lowvsGLM 5.3 FlashXmaxQwen3.8 27BhighvsGLM 5.3 FlashXmaxGPT-5.2mediumvsGLM 5.3 FlashXmaxSeed 2.1 TurbomediumvsDeepSeek V4.1 FlashmaxDeepSeek V4.1 FlashmaxvsQwen3.8 27BhighGrok 4.5lowvsGLM 5.3 FlashXmaxDeepSeek V4.1 FlashmaxvsGPT-5.2mediumClaude Fable 5.1mediumvsDeepSeek V4.1 Flashmax