横向对比
GLM-5 规格逐项深度对比
§ 01强强对决
选择对比维度
GLM-5vsDeepSeek V4
GLM-5 对比 DeepSeek V4
两大拥有百万级 token 上下文的开源权重系列。GLM 在输入成本上更便宜并支持视频输入；DeepSeek V4 Pro 的旗舰级输出成本则更具性价比。
阅读对比1.2GLM-5vsQwen3.7
GLM-5 对比 Qwen3.7
上下文相近，但输出限制截然不同。GLM 拥有开源权重且输入成本更低；Qwen3.7 Flash 的输出成本则略微便宜一点。
阅读对比1.3GLM-5vsClaude
GLM-5 对比 Claude
Claude 各版本均支持读取文件和图像；GLM 则开放权重、价格显著更低，且单次输出长度上限大幅领先。
阅读对比1.4GLM-5vsGPT-6
GLM-5 对比 GPT-6
同样支持 1M 上下文。GPT-6 在各个版本均支持读取文件和图像；GLM 则开源且价格大幅降低。
阅读对比1.5GLM-5vsGemini
GLM-5 对比 Gemini
Gemini 支持音频和文件输入；GLM 则是开源的，价格更实惠，且单次请求支持长得多的输出。
阅读对比1.6GLM-5.3vsGLM-5.3 Flash
GLM-5.3 对比 GLM-5.3 Flash
我们在线聊天中提供的两款模型。Flash 性价比更高，支持读取图像且采用 MIT 协议；GLM-5.3 则是 Z.ai 针对高难度编程任务打造的更强模型。
阅读对比§ 02全景矩阵
旗舰模型横向对比
每个系列各精选一款代表模型。标亮最低价格与最高规格参数。
| 模型 | GLM-5.3 | GLM-5.3 Flash | DeepSeek V4 Pro | Qwen3.7 Max | Claude Opus 5.5 | GPT-6 Sol | Gemini 3.8 Flash |
|---|---|---|---|---|---|---|---|
| 开发者 | Z.ai | Z.ai | DeepSeek | Qwen | Anthropic | OpenAI | |
| 发布时间 | 2026年8月18日 | 2026年8月26日 | 2026年4月24日 | 2026年5月21日 | 2026年9月22日 | 2026年9月22日 | 2026年9月2日 |
| 上下文窗口 | 1.05M | 1.05M | 1.05M | 1M | 1M | 1.05M | 1.05M |
| 最大输出 | 944K | 944K | 384K | 131K | 128K | 128K | 66K |
| 输入价格 | $0.079 | $0.0052 | $0.4461 | $1.48 | $4 | $2 | $0.825 |
| 输出价格 | $1.40 | $0.1985 | $0.8923 | $4.42 | $20 | $10 | $4.13 |
| 输入 | 文本 | 文本, 图片, 视频 | 文本 | 文本 | 文本, 图片, 文件 | 文本, 图片, 文件 | 文本, 图片, 视频, 音频, 文件 |
| 开源权重 | 是（Hugging Face） | 是（Hugging Face） | 是（Hugging Face） | 否 | 否 | 否 | 否 |
| 在此免费对话 | 在本站对话中 | 在本站对话中 | — | — | — | — | — |
价格以 OpenRouter 显示的每 100 万 tokens 美元价格为准；每行中最具性价比的选项已高亮标出。 来源：OpenRouter 模型列表及官方 Hugging Face 模型卡片。
§ 03评测方法
我们的对比方式
- 3.1所有数据均来自 OpenRouter 公开模型列表和官方 Hugging Face 模型主页，绝非采信公关新闻通稿。表格中的每一项参数都支持溯源核对。
- 3.2我们不发布自行测算的 benchmark 跑分。各厂商的基准测试往往采用不同的评测框架与参数设置，因此我们仅在注明出处的前提下，引用厂商为其自身模型发布的测试数据。
- 3.3所有结论仅在数据能够客观分出胜负时判定优胜方（例如更低的价格或更大的最大输出 token 数）。文本质量与推理能力的优劣取决于具体任务场景，建议在免费在线对话中亲自实测。
§ 04常见问题
模型对比答疑
Q01GLM-5 比 GPT-6 或 Claude 更好吗？
这取决于具体应用场景。在性价比与开放性方面，GLM-5 系列优势显著：GLM-5.3 Flash 是 OpenRouter 上性价比极高的实用级模型之一，且多款 GLM-5 系列模型均已开放权重。针对特定业务场景，唯一可靠的验证方式是使用你自己的 Prompt 亲自实测。
Q02这些数据来源自哪里？
价格、上下文窗口、输出限制及支持的输入类型均来自 OpenRouter 公开模型列表；参数量与开源许可协议则取自官方 Hugging Face 模型主页。
Q03为什么没有列出所有模型的基准测试（Benchmark）跑分？
各家厂商发布的 benchmark 采用的评测工具和运行配置各不相同，直接放在同一张表格中对比极易产生误导。我们更倾向于呈现可验证的硬核规格，并鼓励通过实际测试得出结论。
Q04我可以自己对比这些模型吗？
可以。我们的免费聊天支持运行 GLM-5.3 Flash 和 GLM-5.3。你可以提出相同的问题，直接对比它们与其他助手的回答效果。
Q05你们在对比评测中使用的是哪款 GLM-5 模型？
主要是旗舰模型 GLM-5.3 以及快速多模态模型 GLM-5.3 Flash，因为它们是该系列中最新的通用模型，也是我们聊天工具中运行的两款模型。较早版本的 GLM-5 模型会在各自的专属页面进行对比。
Q06这些数据多久更新一次？
价格和额度限制会不定期变动。各表格展示的是页面编写时所采用的 OpenRouter 数据；在大额采购决策前，请前往 OpenRouter 查看最新数据。
Q07选择模型时最关键的因素是什么？
对大多数团队来说，关键在于具体的工作负载特征：输入量、输出量、所需的输入模态类型以及是否需要私有化部署。我们的对比表格正是围绕这些核心问题展开组织的。
立即体验
向 GLM-5.3 提个实际问题。
无需账号、无需绑卡、无需安装。输入问题，GLM-5.3 Flash 数秒内即可作答——面对极具挑战的难题，可随时切换至 GLM-5.3。