
Claude Opus 5.5 vs GLM-5.4: En billig token är inte en billig uppgift
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 182 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 364 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 148 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Det dyraste misstaget vid modellval är att jämföra prislistor i stället för slutförda uppgifter. Claude Opus 5.5 kostar 4 USD per miljon indatatoken och 20 USD per miljon utdatatoken. GLM-5.3 – modellen som Z.ai faktiskt levererar, och den som alla som skriver "GLM-5.4" letar efter – kostar 1,40 USD och 4,40 USD. På prislappen är den kinesiska modellen med öppna vikter ungefär en femtedel av priset. I Artificial Analysiss egen mätning av vad det kostar att slutföra en uppgift krymper gapet till 2×. Den krympningen, inte prislistan, är berättelsen i den här jämförelsen.
För det första: namnet. GLM-5.4 existerar inte. Z.ai:s dokumentationsindex listar GLM-5.3 och GLM-5.3-Flash som de aktuella textmodellerna, labbets Hugging Face-organisation har inget repository med "5.4" i, och en fulltextsökning på Hubben den 19 november ger inga träffar. Siffran är en sökterm, inte en lansering. GLM-5.3 släpptes i augusti 2026 — den 18 augusti enligt Artificial Analysiss releasedatum, med vikterna på Hubben från den 25 augusti — och det är modellen som alla påståenden nedan handlar om.
Vad GLM-5.3 är och vad det kostar
GLM-5.3 är Z.ai:s textflaggskepp med öppna vikter. Det använder samma basmodell som GLM-5.2, där varje förbättring kommer från efterträning, vilket är anledningen till att licensen och arkitekturen är oförändrade och att förbättringarna koncentreras till exakt två områden: komplex kodning och långsiktigt agentiskt arbete. Det har en kontext på 1M token, maxutdata på 128K, enbart text som indata och resonemang som inte kan stängas av — tre ansträngningsnivåer, låg, hög och max, som standard max.

• Pris — Claude Opus 5.5 $4.00 indata / $20.00 utdata / $0.20 cacheläsning jämfört med GLM-5.3 $1.40 / $4.40.
• Vikter — enbart stängt API kontra Apache-liknande öppen lansering på Hugging Face, nedladdningsbar och självhostningsbar.
• Kontext — 1M tokens båda, 128K max utdata båda.
• Ansträngningskontroll – Opus 5.5 använder adaptivt tänkande som inte kan stängas av, standard medium jämfört med GLM-5.3 där resonemang alltid är på, standard max.
• Intelligensindex — 59,1 mot 31,7 i version v5.0.1, en skillnad på 27,4 poäng.
• Kostnad per Index-uppgift — $10,04 vs $5,01, en 2× skillnad, inte den 4,5× som prislappen antyder.
• Modalitet – text- och bildinmatning kontra enbart text.
Varför en 4,5× prisfördel blir en 2× kostnadsfördel
Artificial Analysis körde båda modellerna genom samma Index-svit och räknade de tokens som var och en förbrukade. Claude Opus 5.5 genererade 218M output-token i sviten. GLM-5.3 genererade 135M. Det är inte den riktning de flesta förväntar sig – den dyra modellen är den mer ordrika här – men förhållandet som spelar roll är mot priset, och GLM-5.3:s 1,6× tokenfördel är inte i närheten av att täcka dess 4,5× fördel per token i den andra riktningen.

Räkna som en budget gör. För en uppgift där båda modellerna gör av med samma antal tokens är GLM-5.3 4.5× billigare. I praktiken gör GLM-5.3 av med ungefär 0.62 tokens för varje token som Opus 5.5 gör av med, så den effektiva kvoten landar nära 2.8× innan indatatokens räknas in, och den uppmätta kostnaden per uppgift på $5.01 mot $10.04 ger 2×. Fortfarande en verklig besparing – ungefär hälften – men hälften är ett annat beslut än en femtedel. Ett team som budgeterade efter prislappen och fick en räkning på 2× har byggt en felaktig affärskalkyl.
Det finns en sekundär effekt som är värd att uppmärksamma, eftersom den lurade mer än ett team: standardvärdet för GLM-5.3:s resonemang är max. En migrering som bara byter ut modell-ID:t och lämnar resonemangets standardvärde orört får modellens dyraste och långsammaste konfiguration, vilket är precis där ordrikedomen kommer ifrån. Z.ai:s egen migreringsanteckning är tydlig med att det inte längre stöds att inaktivera resonemang och att low måste sättas medvetet.
Kapacitetsgapet är verkligt, och det är inte enhetligt.
Ett indexgap på 27 poäng låter diskvalificerande, och för allmänt kunskapsarbete är det nästan det. Men siffrorna per benchmark skiljer de två modellerna åt längs en linje som betyder mer än kompositen. Alla siffror nedan är från Artificial Analysis, samma testramverk, båda vid sin högsta ansträngningsinställning.
• Terminal-Bench 4.0 — 59,6 % mot 41,9 %. En 18-poängskillnad inom agentiskt terminalarbete.
• FrontierCode-AA 2.0 — 46,4 % mot 21,6 %. Opus 5.5 mer än fördubblar GLM-5.3.
• Terminal-Bench-Science 0.1 — 59,0 % mot 9,5 %. Det största gapet i tabellen, och en förkrossande seger.
• HLE-Diamond – 67,9 % mot 17,9 %.
• AA-Omniscience — 48,1 vid 65,5 % träffsäkerhet mot 6,0 vid 32,3 % träffsäkerhet.
• GDPval-AA v2.1 — 1866 Elo mot 1655, den minsta skillnaden i uppsättningen på 211 poäng.
• ITBench-SRE — 38,2 % mot 46,1 %, ett av de få ställen där GLM-5.3 vinner.
• LCR (resonemang över lång kontext) — 84,7 % mot 79,7 %.
Mönstret är att GLM-5.3 håller måttet vid långkontextresonemang och vid uppgifter inom site-reliability, men faller samman vid vetenskapstungt terminalarbete och kunskapsåterkallning. Om din arbetsbelastning är dokumentanalys över en lång kontext överdriver 27-poängskompositen skillnaden. Om den är agentisk kodning i okända repon – vilket är vad båda leverantörerna marknadsför – underskattar kompositen den.
Leverantörstabellen som Z.ai publicerar jämför Opus 4.8, inte Opus 5.5
Värt att veta innan du litar på vilken GLM-mot-Claude-siffra som helst som du hittar i ett diagram. Z.ais modellkort för GLM-5.3 innehåller en benchmarktabell med en kolumn för "Opus 4.8" och en kolumn för "Fable 5 (w/ fallback)". Claude Opus 5.5, som släpptes fem veckor efter GLM-5.3, finns inte med i den. Det är inte oärligt — tabellen byggdes när 5.3 lanserades och Opus 5.5 existerade ännu inte — men det innebär att den jämförelse som de flesta letar efter aldrig har publicerats av någon av leverantörerna, och de enda siffror från samma testmiljö som finns tillgängliga är de oberoende ovan.
Z.ai:s egna siffror innehåller verkligen ett påstående som är värt att ta på allvar, eftersom det pekar på den öppna viktmodellens verkliga styrka: på CyberGym, deras benchmark för sårbarhetsupptäckt, får GLM-5.3 84,5 mot Opus 4.8:s 78,1. Kortet beskriver ökningen som "emergent" – cyberförmågan skalades snabbare än teamet förväntade sig när efterträningen skalades upp – och exploateringsbenchmarkarna mer än fördubblas jämfört med GLM-5.2. Anthropic publicerade en analys av GLM-5.3:s cyberförmåga den 29 september, vilket inte är något leverantörer brukar göra om en konkurrents lansering med öppna vikter. Om ditt arbete är defensiva säkerhetsverktyg är det den enda axeln där den öppna modellen verkligen ligger före, och det är också den axel där de öppna vikterna spelar störst roll: du kan köra klassificeraren på din egen infrastruktur i stället för att skicka exploateringsnära prompter till någons API.
Där de öppna vikterna faktiskt ändrar beslutet
Allt ovanstående är en jämförelse av förmåga och kostnad, och i båda avseendena vinner Claude Opus 5.5 för de flesta arbetsuppgifter. Anledningen till att GLM-5.3 fortfarande driftsätts är inget av detta: det är att en modell i 5.3-familjen laddas ned, körs bakom din egen gateway och aldrig lämnar ditt nätverk.
Tre konkreta situationer där det väger tyngre än 27 indexpoäng. Reglerade data som inte kan korsa en jurisdiktionsgräns, där valet står mellan GLM-5.3 eller ingenting. Klassificering i hög volym där en finjusterad 300M-parametervariant av basmodellen slår den generella modellen på dina etiketter till en bråkdel av kostnaden per anrop. Och verktyg med cybersäkerhetsanknytning, där benchmarkfördelen och kravet på egen drift pekar åt samma håll.
För allt annat är den ärliga rekommendationen att hålla routingbeslutet billigt. Båda modellerna ligger på en och samma OrcaRouter-nyckel – anthropic/claude-opus-5.5 och z-ai/glm-5.3 – med 0 % påslag på leverantörens listpris, vilket spelar större roll för Z.ai-sidan än för Anthropic-sidan eftersom Z.ai ändrade priset på den här linjen två gånger under 2026. Routa de högvolymsmässiga, lågriskpassen till GLM-5.3 och planeringsloopen till Opus 5.5, och låt failover täcka fallet där den billiga nivåns leverantör har en dålig eftermiddag. Routing-DSL:en gör det till en konfigurationsändring i stället för två integrationer, och det sammanvägda värdet per uppgift är det som ska in i budgeten i stället för någon av prislapparna.

Svaret, med namnet fastställt
Claude Opus 5.5 är den bättre modellen för agentisk kodning, vetenskapstungt terminalarbete och allt där återkallning spelar roll. Den kostar ungefär dubbelt så mycket per slutförd uppgift som GLM-5.3, inte fyra och en halv gånger, och den är värd skillnaden för de arbetsbelastningar som båda leverantörerna annonserar.
GLM-5.3 är rätt val när vikterna måste vara dina egna, när arbetsbelastningen är långkontextresonemang eller jourtriage, eller när uppdraget är cyberförsvar. Det är en genuint frontier-nära öppen modell till ett genuint lågt pris, och dess största svaghet – vetenskapligt terminalarbete på 9,5 % – är tillräckligt smal för att en arbetsbelastningsspecifik utvärdering ska kunna visa dig på en eftermiddag om den spelar roll för dig.
GLM-5.4, modellen i titeln, är inte en del av beslutet. Det är ett versionsnummer utan någon utgåva bakom sig, och om Z.ai släpper den är beräkningen ovan vad den måste överträffa.
Jämförda i den här artikeln3
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
