GLM-5.3-FlashvsQwen3.8-Flash-Next
在 6 个同模式 benchmark 中，GLM-5.3-Flash 整体领先：GLM-5.3-Flash 领先 4 项，Qwen3.8-Flash-Next 领先 2 项，持平 0 项，平均分差 +1.63。另有 6 项测试模式不同，仅供参考。
GLM-5.3-Flash
智谱AI · 2026-08-26 · 多模态大模型
Qwen3.8-Flash-Next
阿里巴巴 · 2026-08-26 · 推理大模型
GLM-5.3-Flash4 项(67%)(33%)2 项Qwen3.8-Flash-Next
评测分数
按能力类目分组，每组内按分差大小排列；共 6 项。
客服与业务流程
GLM-5.3-Flash 领先 1/1| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next | 分差 |
|---|---|---|---|
| τ³-Banking | 47.2010 / 168Thinking (With Tools) | 45.4016 / 168Thinking (With Tools) | +1.80 |
文档与图表理解
Qwen3.8-Flash-Next 领先 1/1| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next | 分差 |
|---|---|---|---|
| GDP.pdf | 15.4060 / 122Thinking (No Tools) | 15.6059 / 122Thinking (No Tools) | -0.20 |
科学知识与推理
GLM-5.3-Flash 领先 1/1| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next | 分差 |
|---|---|---|---|
| CritPt | 15.4055 / 204Thinking (No Tools) | 11.1071 / 204Thinking (No Tools) | +4.30 |
科学计算与科研编程
GLM-5.3-Flash 领先 1/1| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next | 分差 |
|---|---|---|---|
| SciCode | 51.6062 / 134Thinking (No Tools) | 50.6069 / 134Thinking (No Tools) | +1 |
自主开发与终端任务
GLM-5.3-Flash 领先 1/1| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next | 分差 |
|---|---|---|---|
| Terminal-Bench 4.0 | 32.8030 / 102Thinking (With Tools) | 25.3035 / 102Thinking (With Tools) | +7.50 |
跨能力综合测试
Qwen3.8-Flash-Next 领先 1/1| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next | 分差 |
|---|---|---|---|
| LiveBench | 71.5969 / 157Reported best (effort unspecified) | 76.1933 / 157Reported best (effort unspecified) | -4.60 |
测试模式不同的成绩
共 6 项。两款模型的公开成绩来自不同测试模式，分数不直接可比，不计入胜负和平均分差。
| 评测项 | GLM-5.3-Flash | Qwen3.8-Flash-Next |
|---|---|---|
| CharXiv RQ | 89.40Max (With Tools) | 90.60Extra-High (With Tools) |
| HLE | 55.30Max (With Tools) | 35.90Extra-High (No Tools) |
| DeepSWE | 63.39Max (With Tools) | 58.70Extra-High (With Tools) |
| NL2Repo-Bench | 56.30Max (With Tools) | 48.10Extra-High (With Tools) |
| GPQA Diamond | 90.15Max (No Tools) | 91.70Extra-High (No Tools) |
| Toolathlon-Verified | 78.40Max (With Tools) | 73.50Extra-High (With Tools) |
规格对比
| 字段 | GLM-5.3-Flash | Qwen3.8-Flash-Next |
|---|---|---|
| 发布机构 | 智谱AI | 阿里巴巴 |
| 发布时间 | 2026-08-26 | 2026-08-26 |
| 模型类型 | 多模态大模型 | 推理大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 3200亿 | 1250亿 |
| 上下文长度 | 1M | 256K（原生，可扩展至 1M） |
| 最大输出 | 128K | 128K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GLM-5.3-Flash | Qwen3.8-Flash-Next |
|---|---|---|
| 文本输入 | $0.15 / 1M tokens | ¥1 / 1M tokens |
| 文本输出 | $0.5 / 1M tokens | ¥3 / 1M tokens |
| 缓存读取 | $0.03 / 1M tokens | 暂无公开价格 |
小结
- GLM-5.3-Flash在以下类目领先:客服与业务流程 (1/1)、科学知识与推理 (1/1)、科学计算与科研编程 (1/1)、自主开发与终端任务 (1/1)
- Qwen3.8-Flash-Next在以下类目领先:文档与图表理解 (1/1)、跨能力综合测试 (1/1)
6 个同模式 benchmark 上，GLM-5.3-Flash 平均高出 1.63 分。
单项差距最大的 benchmark：Terminal-Bench 4.0 — GLM-5.3-Flash 32.80，Qwen3.8-Flash-Next 25.30（分差 +7.50）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。