Mistral Large 4 對上 GLM-5.5：真材實料的模型，對上一個名字

沒有 GLM-5.5 可以拿來與Mistral Large 4相比。截至 2026 年 10 月 6 日，這個名稱沒有模型卡、沒有 API 識別碼、沒有定價資料列、沒有檢查點，也沒有授權檔案，而 Z.ai 自家網站完全沒有使用這個名稱。那條數字線末端的那個模型是GLM-5.3，Z.ai 於 2026 年 8 月 18 日發布——也就是 Mistral 在其自家發布貼文中點名拿來與 Mistral Large 4 比較的同一款 Z.ai 開放權重旗艦模型。所以，實際上能進行的比較，是今天發布的預覽版，對上一個已推出兩個月、具有現行價格、每週四十五億個 token 的真實流量，以及一份你能閱讀的授權檔案的開放權重模型。結果這反而是更有用的對決。

這也比發布文章所做的 GLM 比較，更能乾淨地檢驗 Mistral 的核心主張。Mistral 表示，Mistral Large 4 是在中國境外打造的最強開放權重模型。GLM-5.3 則是在中國境內打造的最強開放權重模型。這兩項主張可以在同一個指數上相互檢核，而其中一項目前建立在尚未釋出的權重之上。

什麼存在，以及什麼不存在

這項檢查大約需要十分鐘，而這些中的每一個都是已發布的 Z.ai 旗艦產品會出現的地方：

• Z.ai 自家的 model-api 頁面只列出三張卡片——GLM-5.3、GLM-5.3-FlashX 和 GLM-5.2。沒有任何以 5.4 或 5.5 為名的第四個項目。

• Artificial Analysis 有 GLM-5.3 的正式上線頁面；artificialanalysis.ai/models/glm-5-5 和 /glm-5-4 都回傳 404。

• zai-org Hugging Face 組織最新的儲存庫是 GLM-5.3 系列，建立於 2026 年 8 月 25 日——其中包括 GLM-5.3、GLM-5.3-BF16 和 GLM-5.3-Flash。之後不存在任何更新的儲存庫。

• 我們自家的型錄對 z-ai/glm-5.5、z-ai/glm-5.4 和 z-ai/glm-6.0 都回傳找不到模型，而 z-ai/glm-5.3 則能解析出即時價格。

• Z.ai 在 2026 年 8 月 31 日的財報電話會議中，將 GLM-6.0 點名為下一代基礎模型，完全跳過了 5.4 與 5.5。

這個名稱之所以流傳，是因為 Z.ai 在八月推出了 5.3，而下一個旗艦型號自然會被讀作下一個數字。那只是命名慣例，不是產品。本文任何內容都不應被視為 GLM-5.5 的規格表，因為要做出那樣的東西，就意味著得憑空捏造其中每一項數字。

真正的比較：Mistral Large 4 preview 對比 GLM-5.3

Mistral 的數字來自其自家的發布文章與模型卡；GLM-5.3 的數字則來自其在 OrcaRouter 上的即時型錄條目及其 Artificial Analysis 頁面，兩者皆於 10 月 6 日讀取。

• 架構 — 總計 1.05T／啟用 49B 的稀疏 MoE，搭配 1.6B 視覺編碼器，對比僅支援文字、已發布開放權重的 MoE

• 模態 — 文字與圖像輸入、文字輸出，對比文字輸入、文字輸出

• 上下文視窗 — Mistral 聲稱 1M，Artificial Analysis 正在測試的配置為 524,288，對比實際提供的 1M

• 輸出上限 — 未公佈，相較於 128K tokens

• 每百萬價格，輸入／輸出 — 定價 $1.36 / $4.18，目前促銷價 $0.68 / $2.09，對比定價 $1.40 / $4.40，目前實際供應價 $1.26 / $3.96

• 每百萬快取輸入 — $0.14，目前 $0.07，對比定價 $0.26、實際供應 $0.234

• 智慧指數 v4.3 — 38.4 對 44.8

• 每個索引任務的成本 — 1.13 美元 vs 2.01 美元

• Terminal-Bench 4.0 — 26.8% 對比 41.9%

• AutomationBench — 59.9% 對比 62.2%

• 權重 — 承諾十月底推出，授權條款未具名 vs 可依 Z.ai 自身條款取得

直白地說：GLM-5.3 在獨立指數上以 6.4 分之差勝出，是更優秀的模型，而且已經可以下載。Mistral Large 4 每完成一項任務便宜 44%，但在 Tensor-Bench 那一列上，以十五分之差較弱。這種定價上的對稱純屬巧合，而且相近到令人混淆——列表價是 $1.36 / $4.18 對上 $1.40 / $4.40，不過 OrcaRouter 以 $1.26 / $3.96 提供 GLM-5.3，直接低於 Mistral 的列表價。Mistral 的促銷價 $0.68 / $2.09 才是讓這個預覽版今天更便宜的原因，而這是上市價格。

Mistral 更勝一籌之處

有兩列才是關鍵，而這兩列都不是索引。

第一點是多模態。GLM-5.3 是文字進、文字出的模型，其型錄卡對此說得明明白白。Mistral Large 4 搭載了一個 16 億參數的視覺編碼器，而 Mistral 宣稱其在開放模型中擁有最先進的視覺定位能力——引用在 Dense 200 上 42% 對上 GPT-6 Astra 的 41%，並展示了十億像素衛星影像、工程圖紙與密集文件檢索的示範。在同一套測試框架上，GLM-5.3 的多模態分數並未出現，因為根本沒有東西可評分。對於任何需要讀取圖表、圖紙、申報文件或螢幕截圖的流程而言，這場比較就只剩一個候選者。

第二項是資安方面的工作。Mistral 在 Artificial Analysis Cyber Index 測驗中宣稱取得 82%，該測驗要求模型重現一個真實漏洞並加以修補，據稱是所有模型中最高的；此外在 Cybench 的 40 項競賽練習中達到 93%，整體 Cyber Index 排名位居前五，領先中國以外打造的開放權重模型。Z.ai 也發布了 GLM-5.3 的資安相關說法，而 GLM-5.3 自身的說明則宣稱其在特定資安能力上可與 Mythos 5 匹敵。這兩組數據都是廠商自行引述，兩者都應如此標示。差別在於，Mistral 的數據放在一個具名的獨立指數上，並且與特定測驗綁定，因此更容易查核，也更容易被否證。

其餘一切都有利於在位者，而真正該小心提防的，是「預覽的代價」這套論點。Mistral 的發布貼文指出，這個預覽是在與其訓練時相同的歐洲基礎設施上提供服務——即 Mistral 自家資料中心內的 3,800 張 NVIDIA Grace Blackwell GPU——而權重則會在十月底跟進釋出。這在今天能為你換來的，是一個可呼叫的模型，且其預覽期有明確的結束時間；它換不到的，則是 Mistral 整套說詞所賴以成立的那樣東西。

什麼會讓 GLM-5.5 成為一個模型

如果 Z.ai 真的推出 5.4 或 5.5，相關產物會以固定順序出現，而且每一項都能在不向 Z.ai 詢問任何事的情況下查驗。

• Z.ai 自家 model-api 頁面上的一張模型卡，該頁面目前只列出三個項目，別無其他

• 一個能解析的 API 識別碼，就像 z-ai/glm-5.3 能解析，而 z-ai/glm-5.5 不能那樣

• Z.ai 說明文件中一筆以每百萬個 Token 計價的定價列

• 來自 zai-org 組織、附有授權檔案的 Hugging Face 儲存庫 — 目前系列截止於 2026 年 8 月 25 日

• 中立評測機構上的一個頁面，glm-5.5 目前在該處會出現 404 錯誤

前瞻性證據指向的是背離這個名稱的方向，而不是趨向它：該公司自家的財報電話會議跳過了 5.4 和 5.5，並指名 GLM-6.0 為下一代。這個月任何人若撰寫 GLM-5.5 規格表，都是在寫一部標題看似合理的虛構作品。

在現有的兩者之間做選擇

如果你今天想要更好的模型，答案就是 GLM-5.3，而且在獨立指數上遙遙領先。它在 Intelligence Index v4.3 上領先 6.4 分，在 Terminal-Bench 4.0 上領先 15 分，在工作流程自動化上也領先，是真正開放權重的發布，附有可下載的檢查點，而且在我們的產品目錄中每週流通超過 50 億個 token——這樣的量告訴你，它的失效模式已為人所知。它的上下文是可實際服務的 100 萬個 token，輸出上限是已公布的 128K；相較之下，某個預覽版的上下文數字端看你讀的是誰的頁面而相差兩倍，而它的輸出上限則完全未公布。

如果你需要視覺能力，如果你需要資安工作，或者，對於一個可能終將由你自己執行的模型來說，一個標明結束日期的預覽版是可接受的風險，那麼 Mistral Large 4 就是這筆交易中有趣的那一邊。在 OrcaRouter 上，GLM-5.3 以供應商費率、0% 加成，收錄於與其他 200 多個模型相同的 OpenAI 相容端點，並具備跨供應商的自動容錯移轉，以及一套路由 DSL，可將分類與擷取任務送往當週最便宜的模型。Mistral Large 4 不在我們的目錄中；該預覽版是透過 Mistral 自家的 API 及數個第三方平台取得。

要明確說明你買的是什麼。GLM-5.3 是一項產品。Mistral Large 4 是一項附帶承諾的產品，而承諾正是尚未交付的部分。它們之間的差距不在於那 6.4 個指數點——那些會變動——而在於其中一款模型以你能實際掌握的形式存在，另一款則只是一個附帶交付日期的命名慣例。