GLM-5.3
智谱· 2026-08-14 上线国产
综合第 21 名
53.6
编程
54.0第 16 名
科研
53.4第 31 名
专业办公
55.6第 13 名
知识问答
50.0第 38 名
- 评测覆盖
- 17 / 25 项 · 68%
- 缓存输入
- ¥2.00
- 输入
- ¥8.00
- 输出
- ¥28.00
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 69.0% | 57.6 | max | 26 |
| FrontierCode | 40.1% | 52.4 | max | 46 |
| FrontierSWE | 30.2% | 47.7 | max | 21 |
| CursorBench | 42.6% | 48.6 | max | 17 |
| WebDev Arena | 1,614 | 59.5 | max | 96 |
| ALE-Bench | 1,317 | 53.6 | high | 88 |
| WeirdML | 75.4% | 58.7 | max | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 68.8% | 53.5 | max | 66 |
| FrontierMath（4 级） | 29.3% | 45.6 | max | 57 |
| CritPt | 19.1% | 56.6 | max | 101 |
| ProofBench | 49.0% | 52.3 | max | 77 |
| OTIS Mock AIME | 91.1% | 51.1 | max | 87 |
| SciCode | 59.0% | 61.3 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 56.6% | 54.5 | 未注明 | 49 |
| Vending-Bench 2 | $8,164 | 56.8 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 41.0% | 47.0 | max | 65 |
| GPQA Diamond | 90.9% | 53.1 | max | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 37.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、high、low、未注明）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。