GLM-5.3-Flash vs DeepSeek V4 Flash: Vilken budgetfrontmodell bör du anropa?

Frontier-band intelligens brukade börja på fem dollar per miljon input tokens; idag levererar två modeller det för en spottstyver, och de sitter sida vid sida i samma budgetnivå. GLM-5.3-Flash, Zhipu AIs 18B-aktiva multimodala modell som blev open source den 26 augusti, och DeepSeek V4 Flash, den ~13B-aktiva agentiska kodaren som Deep​Seek flyttade till produktion i slutet av juli, är de två starkaste argumenten för att ”nästan-frontier för en spottstyver” nu är en verklig produktkategori. De skiljer sig mer än vad prislappen antyder: den ena är en nativt multimodal generalist med MIT-vikter, den andra en beprövad kodnings- och agentspecialist med oberoende benchmarkresultat bakom sig.

Det korta svaret för de flesta team: om du vill ha en billig, öppen, multimodal modell att bygga vidare på, GLM-5.3-Flash; om du vill ha en kodningsmodell med oberoende uppmätta agentiska siffror som du kan försvara på ett möte, DeepSeek V4 Flash. Resten av den här sidan är resonemanget, poängtavlan per dimension och varningarna — med början i den ärliga varningen att en hel del av GLM-5.3-Flash's påståenden är leverantörsrapporterade medan DeepSeek V4 Flash's huvudresultat är oberoende uppmätta.

Mötet i ett pass

Båda modellerna är mixture-of-experts-design med cirka 300 miljarder totala parametrar och under 20 miljarder aktiva per token, båda stödjer ett kontextfönster på 1M token, och båda har öppna vikter. Det är där likheterna slutar. GLM-5.3-Flash är den första nativt multimodala modellen i Zhipus GLM-5-serie – text, bild och video in – och den lanserades med en MIT-licens, vilket innebär att du kan självhosta den idag. DeepSeek V4 Flash är produktionsbygget av modellen som Deep​Seek har itererat sedan april; dess kärnutgåva är text och kod, arkitekturen är anpassad för agentisk verktygsanvändning, och vision levereras separat i ett experimentellt bygge snarare än nativt. På intelligensindexet hävdar Zhipu 57 för Flash mot de oberoende uppmätta 50 för DeepSeek V4 Flash – ett betydande gap om det håller, och siffran att bevaka för tredjepartsbekräftelse.

Intelligens och riktmärken

Detta är avsnittet där källdisciplin spelar roll, eftersom de två modellerna har mycket olika evidensbaser.

• AA Intelligence Index — GLM-5.3-Flash 57, enligt Zhipus lanseringsmaterial (ej reproducerat), jämfört med DeepSeek V4 Flash 50, oberoende mätt av Artificial Analysis. För skala: Claude Opus 4.8 ligger nära 57 och Kimi K3 på 57 på samma index.

• SWE-bench Verified — ingen GLM-5.3-Flash-siffra publicerad ännu, jämfört med DeepSeek V4 Flash 79.0% (oberoende).

• LiveCodeBench — ingen GLM-5.3-Flash-siffra publicerad ännu, jämfört med DeepSeek V4 Flash 91,6 % (oberoende).

• Agents' Last Exam — ingen GLM-5.3-Flash-siffra publicerad ännu, jämfört med DeepSeek V4 Flash 25.2 (oberoende).

• Påstående om kodningsparitet — Zhipu rapporterar att GLM-5.3-Flash:s kodningsprestanda på dess interna Z.ai Code Bench är jämförbar med Claude Opus 4.8 (leverantörsrapporterat, ej oberoende verifierat).

• Familjekontext — GLM-5.3, Flashs storasyskon, får 60 på AA Index oberoende; på Terminal-Bench 2.1 ligger Zhipus egen GLM-5.3-serie på 83,1–88,2 i community-körningar. DeepSeek V4 Flashs Terminal-Bench 2.1 är 82,7 (oberoende).

Asymmetrin är poängen: DeepSeek V4 Flashs kod- och agentiska siffror har återskapats av tredje part sedan lanseringen i juli, medan GLM-5.3-Flashs är dag-ett-påståenden från leverantören. Flash-modellens 57 är sju poäng högre än DeepSeeks 50 om Zhipu har rätt, men modellen testades i stor utsträckning anonymt före lanseringen, så oberoende poäng borde komma snabbt.

Kodning och agenter: den verkliga differentieringen

Om du köper en budgetmodell för agentiska kodningsarbetsuppgifter, betyder evidensunderlaget mer än det råa indexdeltat. DeepSeek V4 Flash posttränades om specifikt för agentisk förmåga i sin produktionsversion, och dess oberoende uppmätta siffror — 79.0 SWE-bench Verified, 91.6 LiveCodeBench, 82.7 Terminal-Bench 2.1 — är de som konkurrenterna nu mäts mot i budgetsegmentet. Zhipus kodningspåstående för GLM-5.3-Flash är av jämförbar styrka med Claude Opus 4.8 på Zhipus egen interna benchmark, vilket är ett starkt uttalande men ännu inte ett oberoende sådant.

Det finns också en beteendemässig skillnad värd att känna till. Community-rapporter om DeepSeek V4 Flash beskriver jämförelsevis återhållsamt tänkande — ungefär 25–45 % av utdatatokenen är tanketoken, med en utdataexpansionfaktor på cirka 1,3–1,5x — vilket är det som håller nere kostnaden per uppgift. Zhipu har inte publicerat jämförbara utförlighetsdata för GLM-5.3-Flash, och utförlighet är variabeln som förvandlar en billig prislista till en dyr uppgift. Tills Flash-modellens faktiska tokenexpansion har uppmätts är den effektiva kostnadsskillnaden per uppgift mellan dessa två större än skillnaden per token.

Multimodal, eller ännu inte

Det här är den tydligaste särskiljande faktorn. GLM-5.3-Flash har inbyggt stöd för bilder och video tillsammans med text — den första GLM-5-modellen som gör det — och Zhipu hävdar att kostnaden för att servera långa kontexter är ungefär en tredjedel av GLM-5.3:s. Produktionsreleasen av DeepSeek V4 Flash hanterar text och kod; Deep​Seek:s multimodala förmåga finns i en separat experimentell vision-build, vilket innebär att en vision-arbetsbelastning på Deep​Seek-sidan medför en annan model endpoint och en annan utvärderingshistorik. Om din pipeline behöver bild- eller videoförståelse från en budgetmodell idag, är GLM-5.3-Flash den enda av de två som levererar det inbyggt.

Pris: de faktiska siffrorna.

Båda modellerna prissätter under allt annat i sin prestandaklass, men enligt olika tidsscheman.

• GLM-5.3-Flash — Zhipu prissätter den till en tiondel av GLM-5.3:s $1.40 / $4.40 per miljon tokens, vilket blir ungefär $0.14 / $0.44, eller $0.07 / $0.22 under den tidsbegränsade lanseringsrabatten. Zhipu hävdar också ~$0.045 per uppgift på AA Intelligence Index. Dollarbeloppen är härledda från Zhipus angivna förhållanden; själva förhållandet är aktuellt faktum.

• DeepSeek V4 Flash — 0,14 USD per miljon input, 0,28 USD per miljon output, Deep​Seeks publicerade officiella pris, med cache-träff input prissatt mycket lägre. Oberoende uppskattningar av kostnad per test ligger på cirka 0,03 USD per benchmarktest — den billigaste stora modellen på listan.

• Lång kontext — GLM-5.3-Flash till ungefär en tredjedel av GLM-5.3:s kostnad för lång kontext (leverantörens påstående) jämfört med DeepSeek V4 Flash:s 1M-kontext för $0.14 / $0.28 med en maximal utdata på ~393K.

På papperet stämmer de två listpriserna nästan överens, och rabatten gör GLM-5.3-Flash billigare per token för tillfället. Haken är att DeepSeek V4 Flash:s pris per token är stabilt och dess utförlighet är måttfull, medan Flash:s pris är tillfälligt rabatterat och dess utförlighet inte är det ännu — så den ärliga förutsägelsen är att skillnaden i effektiv kostnad är mindre än listprisskillnaden, och kan till och med vändas när båda mäts på samma uppgiftsuppsättning.

Snabbhet och leveranskostnad

Zhipu uppger att GLM-5.3-Flash har lägst attention-beräkning bland de jämförda budgetmodellerna — GLM-5.3, DeepSeek V4 Flash och Kimi K3 — med 3,0x lägre attention-beräkning och 4,4x lägre KV-cache jämfört med GLM-5.3, samtidigt som man medger att dess KV-cache fortfarande är något större än DeepSeek V4 Flash:s. På serving-sidan rapporterar Zhipu en 3x förbättring av end-to-end-prestandan för serving på inhemska kinesiska chip, till en kostnad per token som man kallar jämförbar med vanliga NVIDIA-GPU:er. Allt enligt leverantörens egna uppgifter. DeepSeek V4 Flash:s serving-ekonomi är däremot etablerad: den har varit i produktion sedan 31 juli, den är en av de billigaste modellerna att köra per test, och tredjepartsleverantörer har serverat den i stor skala i en månad. För en produktionsväg slår beprövad serving lovande serving.

Vilken borde du ringa?

Beslutsvägledningen, i klartext:

Du vill ha öppen multimodal nu — GLM-5.3-Flash är den enda av de två med inbyggd bild/video-inmatning, och dess MIT-vikter finns på Hugging Face idag.

Du vill ha en kodnings-/agentmodell med oberoende siffror — DeepSeek V4 Flash:s SWE-bench Verified 79.0 och Terminal-Bench 2.1 82.7 är tredjepartsverifierade; GLM-5.3-Flash:s kodningspåståenden är det inte ännu.

Du vill ha det absoluta golvet för kostnad per token — lanseringsrabatten för Flash vinner för tillfället med liten marginal, men betrakta rabatten som tillfällig.

• Du bryr dig om en stabil produktionstakt — DeepSeek V4 Flashs $0.14 / $0.28 har varit stabil sedan juli; Flashs prislista är bara några dagar gammal.

Du är osäker och vill prova båda utan ett andra kontrakt — Deep​Seek V4 Flash är live på OrcaRouter idag till Deep​Seeks listpris med 0 % påslag, och GLM-sidan av den här familjen (GLM-5.3, Flashs stora syskon) är också live där, så när Flash själv hamnar på listan sitter båda sidorna av den här uppgörelsen bakom en enda nyckel. Tills dess är Flashs MIT-vikter på Hugging Face det billigaste sättet att testa den själv, och automatisk failover till en beprövad modell är hur du provar den nya utan att satsa en produktionsväg på den.

Slutsatsen

GLM-5.3-Flash är den mer intressanta modellen — inbyggt multimodalt, MIT-licensierad, ett påstått indexvärde som matchar betydligt dyrare modeller — men den är också den mindre beprövade, och dess bästa siffror är leverantörsrapporterade från lanseringsdagen. DeepSeek V4 Flash är det säkrare budgetvalet för kodning och agentiskt arbete: lägre oberoende intelligenspoäng, men uppmätt, reproducerbar och stabil till $0,14 / $0,28. Köp Flash för det den unikt erbjuder — öppen multimodal till detta pris — och köp DeepSeek V4 Flash för allt där du behöver mätresultaten som kvitto. Den verkligt öppna frågan, som de kommande två veckorna kommer att besvara, är huruvida Flash-modellens 57 överlever oberoende mätning.