GPT-6 Sol Pro 与 GLM 5.3：开放权重许可证到底能给你带来什么

GPT-6 Sol Pro 和 GLM 5.3 是购买推理模型方式上一道真正分岔的两半，而分岔之处正在于许可证。GPT-6 Sol——gpt-6-sol-pro 配置所运行的厂商模型，自 2026 年 9 月 22 日起全面可用，每百万输入 token 2.00 美元、每百万输出 token 10.00 美元——是一个封闭 API。你只是租用它。GLM 5.3 是该公司的旗舰模型，于 2026 年 8 月 18 日登陆 API，并于 9 月初公布了权重，在我们自己的模型页面上，每百万 token 输入 1.26 美元、输出 3.96 美元，而且你可以下载它。

这篇文章不会去论证其中哪一个是正确的。它会精确说明下载实际上让你得到了什么，因为答案比开放权重讨论通常暗示的更有限，而真正有价值的部分并不是人们通常引用的那部分。

每条价格线显示的内容

两者都是供应商名单——OpenAI 和 Z.ai 自己提供的数字，由托管它们的平台原样传递。

• 输入 — GPT-6 Sol 每百万 token 2.00 美元，对比 GLM 5.3 每百万 token 1.26 美元

• 输出 — GPT-6 Sol 每百万 token 10.00 美元，对比 GLM 5.3 每百万 token 3.96 美元

• 缓存输入 — GPT-6 Sol 每百万 token 0.20 美元，而 GLM 5.3 相对其未缓存费率有 90% 的折扣，也就是同一比例对应一个更小的数字

• 缓存写入——GPT-6 Sol 在单一 TTL 下每百万 token 收费 2.50 美元，而 GLM 5.3 的缓存写入档位则不同；正是在这一点上，两份价目表不再能直接比较，因为两家厂商计量写入的方式不一样

• 长上下文定价——GPT-6 Sol 对超出其输入阈值的请求，会按更高的费率对整个请求重新计价；GLM 5.3 的 100 万 token 窗口则全程按其标准费率计费

• 上下文窗口 — GPT-6 Sol 1,050,000 tokens 对比 GLM 5.3 1,000,000 tokens

• 最大输出 — GPT-6 Sol 128,000 tokens 对比 GLM 5.3 128,000 tokens

• 输入模态 — GPT-6 Sol 支持文本和图像，而 GLM 5.3 仅支持文本

• 权重 — GPT-6 Sol 闭源，不提供下载；而 GLM 5.3 则依据 Z.ai 自己的 GLM-5.3 许可证在 Hugging Face 上发布

在标价上，GLM 5.3 的输入大约便宜 1.6 倍，输出大约便宜 2.5 倍。这是实打实的差距，但并非决定性的差距。真正能改变决策的，是最后一行。

许可证实际规定了什么，又没有规定什么

这正是关于开放权重的讨论通常出错的地方。“它是开放权重，所以你就不受供应商风险影响”这一说法在一种特定意义上成立，在另一种意义上则不成立，而这一区别值得详细说明。

GLM 5.3 的权重已发布。许可证是 Z.ai 自有的 GLM-5.3 Licence，而非 MIT——上一代 GLM-5.2 采用 MIT 许可证，而这一变化正是全部关键所在。新许可证允许商业使用和微调。它增加了一个条件：在任意十二个月期间收入超过 100 亿美元的模型即服务提供商，必须在将该模型作为服务提供之前通过 Z.ai 的安全审查。

那项条件说明了许可证的用途。它不是针对你设定的限制。它针对的是少数几家超大规模云服务商，否则他们就能把 Z.ai 的成果当作自己的产品转售，却不为其作出任何贡献。如果你是在自己的产品中运行 GLM 5.3，或者用自己的数据对它进行微调，或者把它提供给自己的用户，那么这一条款并不会影响到你。

它真正意味着的是，该许可证是一份由供应商控制的文件，而不是一项不可撤销的授予。MIT 无法被修订。自定义许可证可以针对未来版本进行修订，而你就 5.3 接受的条款，并不构成关于 Z.ai 接下来怎么编号的承诺。这比“供应商可以让该模型退役”的风险要小——你下载的权重不会停止工作——但这并非无关紧要，而且没有任何开放权重对比页面提到这一点。

下载内容真正有价值的部分比这句口号更窄、也更具体：它在于，你所评估的检查点，就是你永久提供服务的那个检查点，无论供应商的路线图或价目表接下来如何变化。这是一种可复现性保证，而不是成本保证。

独立记录显示的内容

Artificial Analysis 是两个模型共同出现的中立测试框架，它于2026年9月7日重新设定了其指数的基准——将一个终端基准测试换成另一个，并重新调整了私有任务部分的权重。正是这次基准重置，使得流传中最常被引用的 GLM 5.3 数值被废弃：该模型在旧指数上发布时为60，在当前指数上读数为45，而这一变化是测试框架的变更，而非模型的变更。

在当前榜单上，GPT-6 Sol 以最高努力度得分 48，每个索引任务成本为 1.06 美元。GLM 5.3 得分 45，每个索引任务成本为 2.01 美元。三点索引分差就是诚实的总结，而这其中还带着一个不寻常的转折：在这一对比较中，更便宜的模型反而是闭源的那个。GPT-6 Sol 每完成一个任务的成本大约只有一半，这与大多数开放权重模型对比所依据的假设恰恰相反。

另外还有两点注意事项应予附上。

• 开放权重排名是一项类别性结果，而非通用性结果。GLM 5.3 的位次既是对 GLM 5.3 本身的说明，也同样是对可下载模型这一领域的说明。

• 目前流传的 GLM 5.3 基准测试数据大多出自 Z.ai 自己。独立的数据是指数得分和每任务成本；模型卡上的 Terminal-Bench、DeepSWE 和网络能力数据由厂商自行运行，引用时应如此标注。

有一点对 GLM 有利、却被每任务成本数字所低估：那个更便宜的同类模型。GLM 5.3 Flash 是一个拥有 3200 亿参数、180 亿激活参数的模型，采用 MIT 许可，输入每百万 token 0.15 美元、输出每百万 token 0.50 美元，在同一指数上得分 42，每任务成本 0.25 美元。为六个指数点付出的代价，只是 GPT-6 Sol 每任务成本的四分之一；而在这场对比中，真正处于该指数成本效率前沿的，正是这款模型。

支持自托管的成本论证比反对自托管的成本论证更弱。

把这次下载说成是一笔成本账，是很有诱惑力的。按每百万 token 1.26 美元和 3.96 美元的价格，这个 API 已经足够便宜，以至于一个 7530 亿参数的混合专家模型自己跑，未必就更省钱——而 GLM 5.3 正是一个 753B 的 MoE，在任何能保有其行为表现的量化方案下，它都不是单 GPU 能部署的。盈亏平衡点是个利用率问题，而对大多数团队来说，老实讲，这个点永远不会到来。

选择下载版本的原因，正是许可证部分所暗示的那一点：对推理发生地点的控制。自托管通过你运行模型的位置来回答数据驻留问题，而不是通过供应商合同中的条款来回答；对于受监管的工作负载，这是唯一站得住脚的答案。它还允许在专有数据上进行微调，而数据无需离开你的基础设施，这是封闭 API 无论出多少钱都无法提供的。

如果这两种情况都不适用于你，那么 API 就是正确的选择，许可证无关紧要。这是一个合理的结论，也是大多数团队应该得出的结论。

路由层改变算术之处

GLM 5.3 已上线OrcaRouter的目录，每百万 token 输入 $1.26、输出 $3.96，上下文窗口为 1,000,000 token，输出上限为 128,000 token，根据我们自己的模型页面测得，首 token 时间的 p50 为 3.99 秒。提供商列表定价直接透传，不额外加价，因此 Z.ai 一旦调整价格，我们这边当天就会同步生效。

GPT-6 Sol 不是我们提供的渠道之一，因此这里没有任何关于通过我们获取其价格的声明。

在这种特定的对比中，单一端点之所以重要，是因为这两个模型与其说是替代品，不如说是不同层级。GLM 5.3 仅支持文本；GPT-6 Sol 可以处理图像。GLM 5.3 可下载；GPT-6 Sol 则不能。这两点都不是价格决策，也都无法由基准测试来定论。团队真正想要的，是一个密钥：既能用廉价的文本模型来承接大批量请求，又能在需要视觉能力的调用上使用另一个模型，而无需第二份合同、第二个 SDK 和另一套速率限制。这是一个路由问题，而故障转移行为之所以重要，原因一如既往——你的流水线所依赖的廉价层级，不应成为拖垮整条流水线的那个层级。

决策规则

• 在已知质量基准上处理大批量文本工作——GLM 5.3。比 GPT-6 Sol 低三个指数点，输出速率约为其 40%，且拥有相同的上下文窗口和相同的输出上限。

• 任何需要读图的任务——GPT-6 Sol，或者这两个都不行。GLM 5.3 在 API 上不接受图像，而一个你无法使用的模态，任何价格优势都无从谈起。

• 受监管的数据，或是你必须在两年后仍能复现的工作负载——GLM 5.3，基于已发布的检查点自行托管。不是因为它更便宜，而是因为检查点是固定的，数据驻留问题由你自己的基础设施来解答。

• 基于专有数据进行微调——GLM 5.3。闭源 API 无论出价多高，都提供不了同等能力。

• 一个没有驻留限制、也没有微调计划的团队——GPT-6 Sol，并把许可证视为无关紧要。对你来说，这确实无关紧要，而假装并非如此，正是开放权重论证失去可信度的原因。

许可证不是成本杠杆。它是控制杠杆，而它的价值恰好等于控制对你的价值——对某些团队来说，这就是整个决策的全部，而对另一些团队来说，则一文不值。