
Qwen 4 so với GLM-5.5: Mô hình trọng số mở mới là mô hình đắt đỏ
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 219 tok/s
Trực giác về trọng số mở là chúng là lựa chọn rẻ. Trong màn so sánh này thì không phải vậy. GLM-5.3, GLM mới nhất mà Z.ai thực sự cung cấp, tốn 5,01 USD để chạy bộ chỉ số Artificial Analysis và đạt 31,7 điểm trên đó — 15,8 xu mỗi điểm chỉ số. Qwen4-Max tốn 3,27 USD cho 42,9 điểm — 7,6 xu mỗi điểm. Mô hình độc quyền hiệu quả hơn gấp đôi trên mỗi đơn vị năng lực được đo lường, và đây lại là mô hình bạn không thể tải xuống. Trong khi đó GLM-5.5, mô hình trong tiêu đề bài viết này, không hề tồn tại: chỉ mục tài liệu và trang định giá của Z.ai đều dừng ở GLM-5.3, còn các đường dẫn tài liệu 5.4 và 5.5 trả về lỗi không tìm thấy. Do đó, phần tiếp theo là so sánh với GLM thực sự được phát hành, coi số phiên bản bị thiếu đúng là số phiên bản bị thiếu chứ không phải một bảng thông số để bịa ra.
Đầu tiên, thẻ đang tồn tại
GLM-5.3 ra mắt vào ngày 18 tháng 8 năm 2026 theo Giấy phép GLM-5.3, với trọng số được công bố và đầu vào chỉ văn bản. Qwen4-Max chuyển sang tính phí theo mức sử dụng vào ngày 16 tháng 11 năm 2026, thuộc dạng độc quyền, với đầu vào hình ảnh và Alibaba Cloud là nhà cung cấp dịch vụ duy nhất. Hai mô hình cách nhau chín mươi ngày về ngày phát hành và nằm ở hai phía đối lập của ranh giới đóng/mở, tức trục mà bài viết này thực sự bàn tới.
• Giá mỗi triệu token — GLM-5.3: 1,40 USD đầu vào / 4,40 USD đầu ra; Qwen4-Max: 1,50 / 4,50 USD tại Singapore, 1,413 / 4,24 USD ở những nơi khác. Xét theo đơn giá token, Z.ai là lựa chọn rẻ hơn, với mức chênh 7% và 2%.
• Đầu vào đã lưu trong bộ nhớ đệm — GLM-5.3 $0.26 mỗi triệu token khi đọc; Qwen4-Max $0.075, với chi phí ghi bộ nhớ đệm là $1.875 cho năm phút và $3.00 cho một giờ. Chi phí đọc bộ nhớ đệm của Qwen rẻ hơn 3,5 lần, đó là lý do kết quả theo từng tác vụ và kết quả theo từng token chỉ về những hướng khác nhau.
• Ngữ cảnh — 1.000.000 token ở cả hai. GLM-5.3 giới hạn đầu ra ở 128.000; Qwen4-Max cho phép 131.072 khi không suy nghĩ hoặc 262.144 được chia sẻ giữa lý luận và câu trả lời.
• Trọng số — GLM-5.3 {{1}}được công bố, theo giấy phép riêng của nó{{/1}}; Qwen4-Max {{2}}không có{{/2}}, chỉ do một nhà cung cấp duy nhất lưu trữ. Đây là toàn bộ sự khác biệt và mọi thứ bên dưới đều bắt nguồn từ đó.
• Về phương thức — Qwen4-Max tiếp nhận văn bản và hình ảnh; GLM-5.3 chỉ nhận văn bản và trả về văn bản. Nếu quy trình của bạn đưa vào ảnh chụp màn hình hoặc PDF, thì việc so sánh dừng lại ở đây.
• Kiểm soát suy luận — GLM-5.3 luôn bật suy luận với các mức nỗ lực thấp, cao và tối đa, mặc định là tối đa; Qwen4-Max cung cấp các mức thấp, cao và xhigh, mặc định là cao.
• Nguồn gốc huấn luyện — Z.ai mô tả GLM-5.3 là cùng một mô hình nền tảng với GLM-5.2, được cải thiện qua quá trình huấn luyện sau (post-training) chứ không phải một lần tiền huấn luyện mới. Điều đó đáng để biết khi bạn so sánh điểm số của nó với một mô hình có kiến trúc mới.

Bảy xu so với mười sáu xu, được giải thích
Khoảng cách chi phí trên mỗi điểm không phải là hệ quả của việc định giá. GLM-5.3 tốn $5.01 mỗi tác vụ, phân rã thành $4.49 đầu vào và $0.52 đầu ra — 90% là đầu vào, và $4.13 trong số đầu vào đó là đọc bộ nhớ đệm. Qwen4-Max tốn $3.27, gồm $2.80 đầu vào và $0.47 đầu ra, với $1.12 là đọc bộ nhớ đệm và $1.67 là ghi bộ nhớ đệm. Vì vậy, cả hai mô hình gần như không tốn gì cho các token chúng tạo ra và tốn gần như toàn bộ cho việc đọc lại ngữ cảnh.
Sự khác biệt nằm ở lượng ngữ cảnh mà mỗi mô hình tiêu thụ để đi đến câu trả lời. GLM-5.3 đọc 10,3 tỷ token đầu vào trong toàn bộ bộ kiểm thử và phát ra 135 triệu token đầu ra; Qwen4-Max đọc 9,9 tỷ và phát ra 127 triệu. Khối lượng gần như tương đương. Do đó, khoảng cách điểm số mười chín điểm cũng không phải là câu chuyện về khối lượng — đơn giản là một mô hình làm tốt hơn ở các tác vụ, và chênh lệch chi phí trên mỗi tác vụ đến từ giá bộ nhớ đệm, nơi mức đọc $0.075 so với mức đọc $0.26 cộng dồn qua mười tỷ token.
Đó là cơ chế đáng để ghi nhớ: trong các lần chạy benchmark ngữ cảnh dài, chính mức giá đọc bộ nhớ đệm, chứ không phải mức giá đầu vào được công bố, mới quyết định hóa đơn. Một mô hình có giá đầu vào $1.40 với $0.26 mỗi lần đọc bộ nhớ đệm có thể tốn nhiều hơn cho mỗi tác vụ so với một mô hình có giá đầu vào $1.50 với $0.075 mỗi lần đọc bộ nhớ đệm.
Nơi mười chín điểm nằm
• Terminal-Bench 4.0 — Qwen4-Max 48.5%, GLM-5.3 41.9%. Bảy điểm, mức sát nhau nhất trong các bộ kiểm thử tác tử.
• FrontierCode 2.0 — 26,5% so với 21,6%. Năm điểm; cả hai mô hình đều yếu ở đây xét về mặt tuyệt đối.
• HLE Diamond — 44,9% so với 17,9%. Hai mươi bảy điểm, và là mức chênh lệch lớn nhất trong toàn bộ phép so sánh.
• Omniscience — 27,7 so với 6,0, với tỷ lệ ảo giác lần lượt là 28,4% và 38,9%. GLM-5.3 vừa kém chính xác hơn vừa ít có khả năng từ chối trả lời hơn, đây là sự kết hợp tồi tệ nhất có thể.
• Điểm phụ về năng lực — Qwen4-Max dẫn đầu cả năm hạng mục mà cả hai mô hình đều báo cáo: kỹ thuật 50,1 so với 37,6, tài chính và kế toán 54,1 so với 42,1, pháp lý 49,6 so với 35,8, chiến lược và vận hành 56,9 so với 47,4, và kinh tế 51,3 so với 37,3.
Không có mục nào trong danh sách đó đủ sát nút để gây tranh cãi. Câu hỏi thú vị không phải là liệu Qwen4-Max có tốt hơn hay không, bởi vì rõ ràng là nó tốt hơn.

Điều duy nhất Qwen4-Max không thể làm
Mỗi hàng ở trên là một so sánh về năng lực, và năng lực là khung sai khi một trong hai mô hình có thể được mang về nhà. Z.ai công bố trọng số của GLM-5.3 theo giấy phép riêng của mình; Alibaba không công bố gì cho Qwen4-Max và chỉ liệt kê một máy chủ duy nhất. Sự khác biệt đó thay đổi ba điều mà không bài đo chuẩn nào đo được.
• Tính liên tục — một mô hình do bạn tự vận hành vẫn tiếp tục phản hồi khi trang giá của nhà cung cấp thay đổi, một khu vực bị ngừng hỗ trợ hoặc thông báo ngừng hỗ trợ được đưa ra. Qwen4-Max có tiền lệ về việc này vào ngày 25 tháng 11 năm 2026: định danh bản xem trước đã bị ngừng sử dụng chín ngày sau khi phát hành chính thức và mọi cấu hình vẫn trỏ đến qwen4-max-preview đều ngừng hoạt động.
• Đường cong chi phí — chi phí biên của GLM-5.3 trở thành mức tận dụng GPU của bạn. Ở lưu lượng cao duy trì liên tục, mức này thường thấp hơn giá API; ở lưu lượng thấp và tăng vọt, lại tệ hơn. Điểm giao cắt là một phép tính về mức tận dụng, không phải về chất lượng mô hình.
• Kiểm soát — tinh chỉnh, lượng tử hóa, lựa chọn kernel và khả năng kiểm tra xem mô hình đang làm gì. Không có điều nào trong số đó tồn tại đối với Qwen4-Max.
Đặt điều đó trong bối cảnh: mô hình mở yếu hơn mười chín điểm chỉ số, kém hơn ở khả năng từ chối trả lời và không xử lý được hình ảnh. Đối với một triển khai hoàn toàn mới, sự đánh đổi này không hấp dẫn. Đối với một hệ thống đã được xây dựng quanh một ngăn xếp suy luận tự lưu trữ — nơi lựa chọn thay thế cho GLM-5.3 không phải Qwen4-Max mà là GLM trước đó — thì giấy phép là tính năng quyết định và khoảng cách điểm số là một chi phí tất yếu của việc kinh doanh.
Tại sao mô hình mở lại là cái đắt đỏ, trong một câu.
Bởi vì trọng số mở chuyển chi phí từ đồng hồ đo token sang ngân sách kỹ thuật, và ngân sách kỹ thuật không xuất hiện trên bảng giá. Triển khai GLM-5.3 trên phần cứng của riêng bạn đồng nghĩa với lập kế hoạch dung lượng, một ngăn xếp phục vụ mà bạn có thể vá, và một bộ khung đánh giá đủ tốt để cho bạn biết liệu triển khai của mình có khớp với tham chiếu hay không — những chi phí vượt quá mức chênh lệch 3,27 USD mỗi tác vụ ở bất kỳ khối lượng nào mà một nhóm đơn lẻ vận hành. 15,8 xu mỗi điểm chỉ số là con số hữu hình; con số vô hình thì lớn hơn, và nó chỉ được trả một lần dù bạn phục vụ một nghìn hay một triệu yêu cầu.
Phép tính đó đảo chiều khi quy mô tăng, và càng đảo chiều mạnh hơn nếu bạn cần tinh chỉnh. Tinh chỉnh là yêu cầu duy nhất khiến một mô hình mở không chỉ rẻ hơn mà còn là lựa chọn duy nhất, và mức dẫn đầu về chỉ số của Qwen4-Max dù lớn đến đâu cũng không thể thay thế cho điều đó.
Gọi cái có thể định tuyến.
GLM-5.3 có trong danh mục của chúng tôi với mã z-ai/glm-5.3 theo giá niêm yết của Z.ai, 1,26 USD đầu vào và 3,96 USD đầu ra mỗi triệu token, không cộng thêm gì — đúng mức giá Z.ai công bố, bao gồm mọi thay đổi mà Z.ai thực hiện đối với các mức giá đó. Qwen4-Max không có trong danh mục của chúng tôi; mã định danh qwen4 trả về not-found, và tuyến của nó là Model Studio API của Alibaba cùng một số nền tảng bên thứ ba. Mô hình Qwen gần nhất mà chúng tôi phục vụ là qwen/qwen3.8-max với giá 2,00 USD và 6,00 USD.
Điều đó để lại một trình tự thực tế cho bất kỳ ai muốn dùng mô hình mạnh hơn mà không cần hợp đồng thứ hai: chạy đánh giá trên z-ai/glm-5.3 thông qua endpoint bạn đã có, và nếu khoảng cách mười chín điểm là chí mạng với trường hợp sử dụng của bạn, hãy định giá Qwen4-Max theo cơ cấu token của riêng bạn thay vì theo chỉ số. Các con số theo từng tác vụ trong bài này được mô hình hóa từ một khung đánh giá chuẩn có lưu lượng bộ nhớ đệm đặc biệt nặng; một khối lượng công việc thực tế với prompt ngắn và đầu ra dài sẽ thu hẹp mạnh khoảng cách giữa $5.01 và $3.27, vì gần như không phần nào trong cả hai hóa đơn là đầu ra.

Những gì chúng ta sẽ cần thấy
Một GLM-5.5 sẽ làm thay đổi hoàn toàn phép so sánh này, và hiện tại không có bất kỳ dấu vết nào của nó — không có đường dẫn tài liệu, không có dòng giá nào, không có mã định danh mô hình nào trên chính các trang của Z.ai tính đến ngày 17 tháng 11 năm 2026. Nếu nó được phát hành, những câu hỏi cần đặt ra là liệu Z.ai có công bố trọng số như đã làm với 5.3 hay không, liệu nó có bổ sung khả năng nhập hình ảnh hay không, và liệu nó có khắc phục hành vi từ chối trả lời hay không, bởi con số cuối cùng đó (38,9%) chính là điều khiến GLM-5.3 khó được khuyến nghị cho bất kỳ tác vụ nào chưa được kiểm duyệt, hơn cả khoảng cách về chỉ số.
Trong khi đó, bản tóm tắt trung thực lại phản trực giác và ngắn gọn. Mô hình mở tốn chi phí cao hơn trên mỗi điểm, đạt điểm thấp hơn trên mọi bộ kiểm thử được đo, và vẫn là lựa chọn đúng đắn cho đúng một kiểu người mua: người có ràng buộc là giấy phép chứ không phải điểm chuẩn.
So sánh trong bài viết này3
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
