AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#108

GLM 5.3

Z.ai 发布日期: 2026-08-20 测试于: 2026-10-01 00:06 z-ai/glm-5.3::high
744B 总计 (40B 激活)MoE闭源
(high) (low)

摘要

GLM 5.3 在 AI BENCHY 上得分 7.8,排名 #108。它的可靠性为 10.0,通过率为 75.4%,总成本为 $0.610,平均响应时间为 28.38s。

模型信息

调研日期:2026-08-20

已公布
参数量
744B 总计 (40B 激活)
架构
MoE
开放状态
闭源
许可证
-

分数

7.8

一致性

7.6

可靠性

10.0

总输出令牌

68,482

总输入令牌

219,811

输入价格

$1.400 / 1M

输出价格

$4.400 / 1M

缓存读取价格

$0.140 / 1M

缓存写入价格

不适用

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

测试正确

错误测试数: 9

尝试通过率: 75.4%

不稳定测试

7

不稳定测试在运行之间出现混合结果(至少一次通过且至少一次失败)。

响应时间(平均)

28.38s

响应时间(最大): 159.91s

响应时间(总计): 652.78s

Hamster playing table tennis

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

#108 GLM 5.3

high
成本
$0.085
时间
362.5s
令牌
19,310 tok

价格历史

来自 OpenRouter 的该模型历史定价数据。

日期 输入价格 输出价格 缓存读取价格 缓存写入价格
2026-10-02 09:43 $1.400 / 1M $4.400 / 1M $0.140 / 1M 不适用

图表

先选择第一个模型,再点击第二个模型打开并排页面。

总输出令牌

分数 vs 总输出令牌

快速对比

类别细分

类别 分数 一致性 测试正确
智能体任务 10.0 10.0
反AI技巧 10.0 10.0
编程 6.6 5.0
综合 6.4 5.8
数据解析与提取 10.0 10.0
领域专项 2.9 4.4
通用智能 6.1 3.1
指令遵循 9.8 10.0
谜题求解 8.2 7.2
工具调用 10.0 10.0
常识问答 3.0 10.0

已对比模型