MIDM K 3.0 Pro 對比 GLM-5.5：這場比較必須借用一個模型

這場對決有一半並不存在。沒有任何模型叫做GLM-5.5：Z.ai 從未宣布它、為它定價、發布它的產品卡，或是以該名稱釋出權重；該公司自家的產品線止於 2026 年 8 月發布的 GLM-5.3。因此，一個標題為「MIDM K 3.0 Pro vs GLM-5.5」的頁面有三種選擇——捏造一份規格表、拒絕撰寫，或是把這款韓國模型拿來與人們實際能呼叫的 Z.ai 旗艦模型比較，同時說明 5.5 這個名稱指的是什麼。這是第三種做法。Mi:dm K 3.0 Pro自 2026 年 10 月 29 日起由 KT 提供服務，價格為每百萬輸入 token 0.20 美元、每百萬輸出 token 0.80 美元；下文將它與GLM-5.3相比——這是 Z.ai 於 2026 年 8 月 14 日推出的 7,500 億參數文字旗艦模型——並先回答 GLM-5.5 的問題，因為輸入這個名稱來到這裡的讀者，理應知道自己看的究竟是什麼。

GLM-5.5 是什麼，以及為什麼這個名稱不斷出現

這個名稱源自一份預測，而非來自產品。2026年6月轉述的一項分析師預測認為，Z.ai 的下一款旗艦產品將於八月推出；為它選定的編號是 5.5，而比較頁面、價格指南與發布追蹤表都是依照這個猜測撰寫的。八月到了，Z.ai 推出的卻是 GLM-5.3——於8月14日發布，API 約在8月18日上線，權重於8月28日開放，GLM-5.3-Flash 則於8月26日隨後推出。這個預測在編號和模型上都錯了。

自那之後，命名在兩個方向上始終未有定論。GLM-5.3、GLM-5.4、GLM-5.5 和 GLM-6 都曾在同一段時間內被提及，而 Z.ai 從未確認其中任何一個；目前的旗艦型號仍是 GLM-5.3，且廠商自家的模型頁面恰好只列出三張卡片——GLM-5.3、GLM-5.3-FlashX 和 GLM-5.2。任何發布 GLM-5.5 價目表或基準測試表的人，都是在發布附帶型號編號的猜測。

這不是跳過比較的理由。這是拿它與架上現有模型進行比較的理由，而本頁其餘部分做的正是這件事。

這兩個模型，就現有的數字而言

• 參數 — GLM-5.3 是擁有 7,530 億參數的混合專家模型，這個數字是從 Z.ai 自家公開儲存庫上的 safetensors 中繼資料讀取而來，而非取自新聞稿。根據 KT 自家的模型卡，Mi:dm K 3.0 Pro 的總參數量為 1,200 億，每個 token 啟用 120 億。Z.ai 模型的規模是其六倍，而且由於其啟用參數量並未以相同形式公布，因此有意義的比較方式，是將總容量對比刻意偏小的啟用部分。

• 脈絡與輸出 — GLM-5.3 可讀取 1,000,000 個 token，並回傳最多 128,000 個 token。Mi:dm K 3.0 Pro 可讀取 261,795 個 token，並回傳最多 235,615 個 token。兩者分別在輸入與輸出上勝出，且差距都相當大。

• 模態 — 兩者都是純文字輸入、純文字輸出。兩者都不接受圖片、音訊或檔案。在這個維度上，它們完全相同，這在 2026 年的對決中相當罕見，也使這項比較比大多數情況更單純。

• 價格 — 在 Z.ai 的價目表上，GLM-5.3 每百萬個 token 的輸入價格為 1.40 美元、輸出價格為 4.40 美元，快取讀取為 0.26 美元。Mi:dm K 3.0 Pro 則為 0.20 與 0.80 美元，快取讀取為 0.04 美元。輸入價格便宜七倍，輸出價格便宜五點五倍。

• 推理控制 — GLM-5.3 的思考功能一律開啟，無法停用；傳入停用旗標會導致請求失敗。深度可透過 reasoning_effort 設定為 low、high 或 max，預設為 max。Mi:dm K 3.0 Pro 提供 reasoning 旗標，並另行回傳追蹤記錄，但未公布 effort 層級。

• 工具呼叫 — GLM-5.3 將工具、tool_choice 與平行工具呼叫列為支援的參數，並記載原生函式呼叫。Mi:dm K 3.0 Pro 的目錄條目完全未列出工具參數。

• 獨立評分 — GLM-5.3 在 Artificial Analysis 智慧指數中得分為 44.8，在 Vals Index 中排名第十六，為 53.51%，且每項指數任務的實測成本為 2.01 美元。Mi:dm K 3.0 Pro 在該指數中則完全沒有紀錄。

• 權重 — GLM-5.3 可依 GLM 授權條款，從 Z.ai 自家的 Hugging Face 組織下載。Mi:dm K 3.0 Pro 則完全未開放；KT 的公開儲存庫僅止於 2025 年的 Mi:dm 2.0 世代。

便宜五倍半，相較於一個有評分的模型

GLM-5.3 的 44.8 分，以 2026 年的前沿標準來看屬於中段模型——明顯低於 Gemini 4 Argon（52.6）與 Claude Opus 5.5（58）所在的五十幾分區間，也遠高於 DeepSeek V4 Pro 的 36 分。這樣的分數說明：模型在通用推理上表現稱職，並在其專門調校的領域表現強勁；對 GLM-5.3 而言，這個領域就是儲存庫規模的程式碼編寫與長時程代理任務。

Mi:dm K 3.0 Pro 沒有分數。這個空缺正是價格差距中的全部風險，而值得具體說明的是：若要從反方向縮小這道差距，需要具備什麼條件。這個韓國模型若要在可查核的任務上成為更划算的選擇，其每美元實用性得分就必須落在 44.8 約五點五分的範圍內。一個 120B 模型、啟用 12B 參數，定價為 Z.ai 費率的七分之一，不見得明顯落在該區間之外——小型模型整年來持續逼近大型模型，而混合架構正是為了長上下文效率而設計，GLM 系列則以原始規模來應對這一點。

但「沒有明顯落在範圍外」並不是證據。GLM-5.3 的 44.8，是固定測試框架對已上線端點跑出的結果；Mi:dm K 3.0 Pro 的缺席，則是一個已可計費十三天的模型所產生的結果。正確的態度是：便宜的模型是價格漂亮、表現未知的未知數，而昂貴的模型則是以五倍成本換來的已知量。

GLM-5.3 的額外規模實際展現在哪裡

三個地方，而這三個地方正是決定大多數製作選擇的關鍵。

一百萬個 token 對上 262K，是這些模型之間最大的單一差異，而且當工作負載確實需要時，這是無法靠工程手法繞過的差異。無論是持有 monorepo 的代理、持續累積工具結果的研究任務，還是閱讀一整套文件的法律審查，都會撞上 262K 並繼續運作。分塊是變通做法，而分塊正是交叉參照推理失效之處。如果你的提示詞經常超過 250K 個 token，Mi:dm K 3.0 Pro 並不是更便宜的選項——它是另一款更小的產品。

工具使用。GLM-5.3 在 OpenAI 相容介面下記錄了原生函式呼叫，支援平行呼叫與結構化 JSON，且明確為自主多步驟工程而打造。任何代理迴圈所依賴的是工具呼叫的可靠性，而非僅有工具呼叫功能；而 Z.ai 已在 GLM-5 系列中提供此功能長達一年。KT 則完全未為此模型記錄此功能。對編碼代理而言，光是這項差異就足以在考慮價格之前決定選擇。

權重。GLM-5.3 可供下載、自行託管與微調。對於有資料駐留要求、授權限制，或需要在自己硬體上評估模型的人來說，這一點很重要。Mi:dm K 3.0 Pro 僅提供 API，因此唯一的評估途徑就是供應商的端點——這在韓國有實際影響：公部門與受監管的買家往往完全無法將文字傳送到外國 API，而在國內託管的韓語模型，正是他們一開始會考慮 KT 的全部原因。

韓國模型的價格不再成為頭條焦點之處

兩個結構性細節使「便宜七倍」這一說法不如字面上那麼具有決定性。

第一個問題是冗長性。GLM-5.3 的思考功能始終開啟，且預設為最大投入，這意味著無論任務是否需要，每次請求都會消耗推理 token——這就是為什麼它每個索引任務的成本 2.01 美元高於其價目表所暗示，以及為什麼對它執行完整索引套件要花 2,503 美元，而 Gemini 4 Argon 在名義上更高的 token 價格下為 2,407 美元。Mi:dm K 3.0 Pro 的推理軌跡可切換，因此在簡單分類上，這款韓國模型每個答案的 token 數可能遠低於其對手。在困難推理上，情況反轉：沒有公開的努力階梯，就無法購買更多思考，只能開啟或關閉。

第二點是折扣。KT 自家的 Token Factory 頁面目前顯示輸入為 ₩190，對比劃線的 ₩271，輸出為 ₩759，對比 ₩1,085——這是在美元定價之上再打 30% 的推廣折扣，使實際費率降至 $0.14 與 $0.56。GLM-5.3 的 $1.40 與 $4.40 則是長期適用的價目表。以 $0.14 編列的預算，在簽核前應以 $0.20 重新計算，因為上市促銷不是價格。

還有一個快取細節會縮小長時間執行代理之間的差距：GLM-5.3 讀取快取輸入的價格為 $0.26，Mi:dm K 3.0 Pro 則為 $0.04。兩者都約為各自基本價格的五分之一，因此在快取 token 上，這個比例仍約為六分之一，而非七分之一——差距足夠小，主要結論依然成立，但如果你大部分的輸入都是重複前綴，這點值得知道。

韓文文本對比一個以全資料訓練的模型

Z.ai 訓練 GLM-5.3 以應用於軟體工程與代理式工作，並以中文和英文為重心。KT 早在 2025 年以開放的 12B 與 2B 模型組發布 Mi:dm 2.0 之前，就已專門針對韓語訓練 Mi:dm 系列；其企業資料將該系列描述為針對韓國社會、文化與專業領域知識進行調校。

在韓語語料庫上，這個差異是偏好較小模型最合理的理由，而且它可以用通用指數做不到的方式衡量。從你自己的韓語流量中取幾百筆項目——客服逐字稿、監管申報文件、內部工單——並用你已經信任的標準答案，為兩個模型的結構化輸出評分。那項測試中，韓語模型負責的那一半只需幾美分；GLM-5.3 負責的那一半則要幾美元。這個結果會比任何一家供應商的行銷說法，更能告訴你該用哪個模型來處理韓語工作。

在英文程式碼上，這項調校毫無價值；而 GLM-5.3 的 44.8 分，加上其文件記載的工具呼叫功能，才是更有利的起跑點。

致電他們，以及路由器無法解決的一件事

GLM-5.3 已在 OrcaRouter 上線，型號為 z-ai/glm-5.3，每百萬 token 輸入 $1.26、輸出 $3.96 —— 低於 Z.ai 自家定價卡上的 $1.40 與 $4.40，我們這邊不加任何加成，快取讀取為 $0.26。它與 Gemini 4 Argon、Claude Opus 5.5 以及 超過 200 個其他模型並列於同一把金鑰，這意味著 Z.ai 系列、Google 系列與 Anthropic 系列可以在同一個腳本內比較，只要更改模型字串就能切換。

Mi:dm K 3.0 Pro 不在我們的路由中。它僅由 KT 提供服務，而單一供應商模型就是單點故障：針對它引用的可用性數據，衡量的是單一公司在過去一天內的端點，而且失敗的請求無處可路由。如果某個工作流程依賴它，備援就必須存在於你自己的程式碼中——而合理的備援是與其他所有服務使用同一把金鑰的模型，這樣一次逾時就不會讓你轉向第二家供應商的合約。

這就是這場比較在 GLM-5.5 問題仍未定論時的實際樣貌。凡是代理型任務、凡是長文本，以及凡是需要獨立評分作為佐證依據的情況，都把 GLM-5.3 放進路由路徑。至於大量、可核對的韓語層級，則把 Mi:dm K 3.0 Pro 放在帶有硬性逾時的直接呼叫之後，讓它的價格真正發揮作用。當 Z.ai 真的推出下一代旗艦模型時，路由規則只需改動一個字串；而當 KT 公布基準測試時，決策的另一半也會隨之改變。

什麼會讓這個頁面過時？

只有兩件事——而且僅有這兩件——能讓「GLM-5.5」從預測變成實際存在的對象：Z.ai 發布附有模型卡與價格列的公告，或釋出帶有該編號的權重。這兩件事都尚未發生，目前旗艦仍是 GLM-5.3，身旁則有 GLM-5.3-Flash 與 FlashX。

另一方面，Mi:dm K 3.0 Pro 則需要有一份已公布的評測——無論來自廠商或獨立第三方——才能從「便宜但沒沒無聞」變成團隊可以據以規劃的東西，而目前還沒有這樣的數字。在出現之前，比較結果仍如文中所寫：一個經過實測的 Z.ai 旗艦模型，價格為五點五倍；一個架構有趣、採促銷價的韓國模型；以及一個只存在於預測中的版本號。