GLM-5.3-Flash
智谱· 2026-08-20 上线国产开源
综合第 37 名
48.8
编程
46.2第 42 名
科研
48.5第 50 名
专业办公
51.8
知识问答
52.5
- 评测覆盖
- 14 / 25 项 · 56%
- 缓存输入
- ¥0.23
- 输入
- ¥0.80
- 输出
- ¥2.80
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 63.4% | 54.0 | max | 26 |
| FrontierCode | 31.8% | 46.3 | max | 46 |
| FrontierSWE | 18.1% | 41.1 | max | 21 |
| CursorBench | 36.8% | 41.2 | max | 17 |
| WebDev Arena | 1,607 | 59.0 | 未注明 | 96 |
| ALE-Bench | 304 | 35.7 | high | 88 |
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） | 55.8% | 47.5 | max | 66 |
| FrontierMath（4 级） | 17.1% | 41.3 | max | 57 |
| CritPt | 15.4% | 53.1 | 未注明 | 101 |
| ProofBench | 21.0% | 43.3 | max | 77 |
| OTIS Mock AIME | 93.9% | 52.8 | max | 87 |
| SciCode | 51.6% | 53.2 | 未注明 | 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 | 52.8% | 51.8 | 未注明 | 49 |
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 |
|---|---|---|---|---|
| GPQA Diamond | 90.2% | 52.5 | 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 |
|---|---|---|---|---|
| ARC-AGI-2 | 65.8% | 不计分 | max | 52 |
| ARC-AGI | 91.0% | 不计分 | max | 52 |
| 国际象棋谜题 | 21.0% | 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。