
Claude Opus 5.5 對比 GLM-5.4:便宜的 Token 不等於便宜的任務
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 182 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 364 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 148 tok/s
- orca新Orca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百萬 tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
模型選擇中最昂貴的錯誤,是比較價目表,而不是比較完成後的任務。Claude Opus 5.5 每百萬輸入 token 要價 4 美元,每百萬輸出 token 要價 20 美元。GLM-5.3——Z.ai 實際推出的模型,也是任何輸入「GLM-5.4」的人真正在找的模型——則要價 1.40 美元與 4.40 美元。光看標價,這款中國開放權重模型大約只要五分之一的價格。但根據 Artificial Analysis 自己對完成一項任務所需成本的測量,差距縮小到 2 倍。這個差距的縮小,而不是價目表,才是這次比較的重點。
首先,是名稱。GLM-5.4 並不存在。Z.ai 的文件索引將 GLM-5.3 與 GLM-5.3-Flash 列為目前的文字模型,該實驗室的 Hugging Face 組織中沒有任何含「5.4」的儲存庫,而 11 月 19 日對 Hub 進行全文搜尋則一無所獲。這個數字是搜尋詞,不是版本發布。GLM-5.3 於 2026 年 8 月推出——依 Artificial Analysis 的發布日期為 8 月 18 日,權重自 8 月 25 日起在 Hub 上——而它就是下文每一項說法所針對的模型。
GLM-5.3 是什麼,以及它的費用是多少
GLM-5.3 是 Z.ai 的開放權重文字旗艦模型。它與 GLM-5.2 使用相同的基礎模型,所有提升皆來自後訓練,因此授權條款與架構維持不變,改進也恰好集中在兩個地方:複雜程式設計與長時程代理式工作。它具有 1M token 上下文、128K 最大輸出、純文字輸入,以及無法關閉的推理功能——三種投入等級,低、高與最高,預設為最高。

• 價格 — Claude Opus 5.5 輸入 $4.00 / 輸出 $20.00 / 快取讀取 $0.20,相較於 GLM-5.3 的 $1.40 / $4.40。
• 權重 —— 僅提供封閉式 API,對比在 Hugging Face 上以 Apache 式授權公開發布、可下載且可自行架設。
• 上下文 — 兩者皆為 1M 詞元,最大輸出皆為 128K。
• 努力程度控制 — Opus 5.5 執行無法停用的自適應思考,預設為 medium,而 GLM-5.3 的推理則始終開啟,預設為 max。
• 智慧指數 — 在 v5.0.1 版本上為 59.1 對 31.7,差距 27.4 分。
• 每項 Index 任務的成本 — $10.04 對比 $5.01,是 2 倍差距,而非標價所暗示的 4.5 倍。
• 模態 — 文字與影像輸入,相對於僅文字。
為何 4.5 倍的價格優勢會變成 2 倍的成本優勢
Artificial Analysis 讓兩個模型都跑過同一套 Index 測試套件,並計算各自花費的 token 數量。Claude Opus 5.5 在整套測試中產生了 2.18 億個輸出 token,GLM-5.3 則產生了 1.35 億個。這與多數人預期的方向相反——在這裡,昂貴的模型反而是更為冗長的那一個——但真正關鍵的比率是相對於價格的比率,而 GLM-5.3 那 1.6 倍的 token 優勢,遠遠不足以抵銷它在另一個方向上 4.5 倍的每 token 優勢。

用預算的方式來算這筆帳。在兩個模型花費相同 token 數的任務上,GLM-5.3 便宜 4.5×。實務上,Opus 5.5 每花 1 個 token,GLM-5.3 約花 0.62 個 token,因此在計入輸入 token 之前,有效倍率接近 2.8×;而每項任務的實測數字為 $5.01 對 $10.04,使其落在 2×。這仍是實質節省——大約一半——但一半與五分之一是不同的決策。若團隊按標價編列預算,實際卻拿到 2 倍帳單,代表其商業案例建立錯了。
有一個值得特別指出的二階效應,因為它讓不只一個團隊吃過虧:GLM-5.3 的推理預設為 max。若遷移只替換模型 ID,卻讓推理預設保持不變,就會得到該模型最昂貴且最慢的配置,而這正是冗長輸出的來源。Z.ai 自家的遷移說明明確指出,已不再支援停用推理,且low必須刻意設定
能力差距確實存在,而且並不均勻。
27 分的指數差距聽起來足以直接淘汰,而對一般知識型工作來說,這幾乎確實如此。但各項基準測試的分數,沿著一條比綜合指標更重要的分界線,把這兩個模型區分開來。以下所有數字都來自 Artificial Analysis,使用相同的測試框架,且兩者都處於最高努力設定。
Terminal-Bench 4.0 — 59.6% 對 41.9%。在代理式終端機作業上差距達 18 個百分點。
• {{KEEP}}FrontierCode-AA 2.0{{/KEEP}} — 46.4% 對 21.6%。{{KEEP}}Opus 5.5{{/KEEP}} 是 {{KEEP}}GLM-5.3{{/KEEP}} 的兩倍以上。
• Terminal-Bench-Science 0.1 — 59.0% 對 9.5%。排行榜上最大的差距,而且是一場潰敗。
• HLE-Diamond — 67.9% 對比 17.9%。
• AA-Omniscience — 在 65.5% 準確率下為 48.1,對比在 32.3% 準確率下為 6.0。
• GDPval-AA v2.1 — 1866 Elo 對 1655,差距 211 分,為整組中最小。
• ITBench-SRE — 38.2% 對 46.1%,是 GLM-5.3 少數勝出的項目之一。
• LCR(長上下文推理)— 84.7% 對 79.7%。
這個模式是:GLM-5.3 在長上下文推理與網站可靠性任務上表現穩健,但在科學含量高的終端機工作與知識回憶上則會崩潰。若你的工作負載是長上下文文件分析,27 分的綜合分數會高估其中差異;若是不熟悉儲存庫上的代理式編碼——這正是兩家廠商共同主打的場景——綜合分數則會低估其中差異。
Z.ai 公布的廠商表格比較的是 Opus 4.8,而不是 Opus 5.5
在你相信任何在圖表中看到的 GLM 對 Claude 數字之前,這點值得知道。Z.ai 的 GLM-5.3 模型卡帶有一張基準測試表,其中有「Opus 4.8」欄和「Fable 5(含備援)」欄。Claude Opus 5.5 在 GLM-5.3 發布五週後推出,並未出現在表中。這並非不誠實——該表是在 5.3 推出時建立的,當時 Opus 5.5 尚不存在——但這確實意味著大多數人正在尋找的比較從未由任何一家供應商發表過,而唯一可用的同測試框架數字就是上述獨立數據。
Z.ai 自己公布的數字確實包含一項值得認真看待的主張,因為它指向這個開放權重模型的真正強項:在其漏洞發現基準 CyberGym 上,GLM-5.3 得分 84.5,而 Opus 4.8 為 78.1。模型卡將這項提升描述為「湧現」——隨著後訓練規模擴大,網攻能力成長得比團隊預期更快——而且相較 GLM-5.2,其漏洞利用基準的分數增加了一倍以上。Anthropic 於 9 月 29 日發布了一份關於 GLM-5.3 網攻能力的分析,而這不是廠商通常會對競爭對手的開放權重發布做的事。如果你從事的是防禦性安全工具,那就是這個開放模型真正領先的唯一軸線,而這也是開放權重最重要的軸線:你可以在自己的基礎設施上運行分類器,而不必把與漏洞利用相關的提示送到別人的 API。
開放權重真正改變決策的地方
以上全是能力與成本的比較,而在這兩方面,Claude Opus 5.5 對大多數工作都勝出。GLM-5.3 仍會被部署的原因與這兩者都無關:而是 5.3 系列模型可下載、在你自己的閘道後面執行,且永遠不會離開你的網路。
有三種具體情況,這種取捨比 27 個指數分數更重要。受監管的資料無法跨越司法管轄邊界,此時的選擇是 GLM-5.3 或別無選擇。在高吞吐量的分類任務中,對基礎模型進行 3 億參數的微調,在你的標籤上勝過通用模型,且每次呼叫成本僅為其一小部分。還有與網路安全相鄰的工具,其基準測試優勢與自架需求指向同一個方向。
對於其餘所有情況,誠實的建議是讓路由決策保持低成本。兩個模型共用同一把 OrcaRouter 金鑰——anthropic/claude-opus-5.5 與 z-ai/glm-5.3——以供應商牌價 0% 加價,這對 Z.ai 那一邊比對 Anthropic 那一邊更重要,因為 Z.ai 在 2026 年兩度調整這條產品線的價格。把高流量、低風險的批次導向 GLM-5.3,把規劃迴圈導向 Opus 5.5,並讓容錯移轉涵蓋低成本層級供應商狀況不佳的情況。路由 DSL 讓這件事成為一項設定變更,而不是兩套整合,而預算裡該放的是每項任務的混合成本,而不是任一方的標價。

答案,名稱已定
Claude Opus 5.5 是更出色的模型,適合代理式編碼、科學運算密集的終端機作業,以及任何重視召回率的工作。以每項完成的任務計算,它的成本大約是 GLM-5.3 的兩倍,而不是四點五倍;而對雙方廠商所宣傳的工作負載來說,這樣的價差是值得的。
當權重必須由你自己掌握、工作負載是長上下文推理或值班分診,或者任務是網路防禦時,GLM-5.3 就是正確選擇。它是一個真正接近前沿的開放模型,價格也確實低廉;而它最大的弱點——科學終端任務僅 9.5%——範圍夠窄,只要做一次針對特定工作負載的評估,一個下午就能告訴你這對你是否重要。
GLM-5.4 是標題中的模型,並不屬於這項決策的一部分。它只是一個背后沒有實際發行版本的版本號;如果 Z.ai 真的推出它,上述的計算結果就會是它必須超越的基準。
本文中的比較3
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
