GLM-5.3vsGLM-4.7
在 1 个同模式 benchmark 中，GLM-5.3 整体领先：GLM-5.3 领先 1 项，GLM-4.7 领先 0 项，持平 0 项，平均分差 +661.70。另有 5 项测试模式不同，仅供参考。
GLM-5.31 项(100%)(0%)0 项GLM-4.7
评测分数
按能力类目分组，每组内按分差大小排列；共 1 项。
写作与创意表达
GLM-5.3 领先 1/1| 评测项 | GLM-5.3 | GLM-4.7 | 分差 |
|---|---|---|---|
| Creative Writing | 2,0756 / 112Normal (No Tools) | 1,41366 / 112Normal (No Tools) | +661.70 |
测试模式不同的成绩
共 5 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 | GLM-4.7 |
|---|---|---|
| SimpleBench | 66.20Max (No Tools) | 47.70Thinking (No Tools) |
| LiveBench | 76.14Reported best (effort unspecified) | 58.09Normal (No Tools) |
| HLE | 62.50Max (With Tools) | 42.80Thinking (With Tools) |
| CritPt | 19.10Max (No Tools) | 1.70Thinking (No Tools) |
| τ³-Banking | 50.30Max (With Tools) | 12.20Thinking (With Tools) |
规格对比
| 字段 | GLM-5.3 | GLM-4.7 |
|---|---|---|
| 发布机构 | 智谱AI | 智谱AI |
| 发布时间 | 2026-08-14 | 2025-12-22 |
| 模型类型 | 推理大模型 | 聊天大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 7440亿 | 3580亿 |
| 上下文长度 | 1M | 200K |
| 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 | GLM-4.7 |
|---|---|---|
| 文本输入 | $1.4 / 1M tokens | ¥4 / 1M tokens |
| 文本输出 | $4.4 / 1M tokens | ¥16 / 1M tokens |
| 缓存读取 | $0.26 / 1M tokens | ¥2 / 1M tokens |
| 缓存写入 | 暂无公开价格 | ¥0 / 1M tokens |
小结
- GLM-5.3在以下类目领先:写作与创意表达 (1/1)
1 个同模式 benchmark 上，GLM-5.3 平均高出 661.70 分。
单项差距最大的 benchmark：Creative Writing — GLM-5.3 2,075，GLM-4.7 1,413（分差 +661.70）。
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。