一張在深炭灰色背景上生成的 16:9 標題卡,帶有淡淡的水平線,主標題為「Qwen4-Max vs GLM-5.4」,副標題為「一個已推出,一個錯過了窗口期。」右側沿垂直方向延伸著一條由帶日期圓點組成的時間軸,日期依次為 2026-02-12、2026-04-07、2026-06-16、2026-08-18 和 2026-08-26,最後是一段標示為 GLM-5.4 的空白虛線區段。左下角的藍綠色徽章寫著「窗口已於 2026 年 10 月 27 日截止」。右下角有 OrcaRouter 標誌。
Guides & Insights

Qwen4-Max 對上 GLM-5.4:一個已推出,一個錯過了自己的時程窗口

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

這個比較有一個有用的版本,也有一個虛構的版本。有用的版本從一個日期說起:Z.ai 自家的發布日誌仍止於 2026 年 8 月 26 日的 GLM-5.3-Flash,其文件索引列舉了 GLM-5.2、GLM-5.3 和 GLM-5.3-Flash,沒有比它們更高的版本,而 GLM-5.4 的文件路徑會回傳 Page Not Found,情況與十月時一樣。相較之下,Qwen4-Max 自 2026 年 11 月 16 日起一直按量計費販售,並有公開價目表和獨立評分。所以這場對決不是兩個旗艦模型,而是一個旗艦模型和一個如今已過期的預定日期。

讓這件事不只是闢謠的,是該預測背後的算術。這個部落格在十月為 G​LM 系列設下 54 到 70 天的節奏,並公布了由此推得的時間窗口。那個窗口已經關閉。算出差距有多大,以及窗口關閉能告訴你 Z.ai 如何安排發布順序,確實比另一份臆測性的規格表更有資訊量——而且它留下了一個真正能進行的比較:Qwen4-Max 對上 GLM-5.3,也就是實際推出的 G​LM,在同一份獨立指數上、同一週內。

名稱在11月18日的立場

稽核簡短且可重複執行。四個介面,今日全數檢查完畢,結果皆為陰性。

• 發布日誌——最新條目為 GLM-5.3-Flash,日期為 2026-08-26;接著是 2026-08-18 的 GLM-5.3、2026-06-16 的 GLM-5.2、2026-04-07 的 GLM-5.1,以及 2026-02-12 的 GLM-5

• 文件索引 — GLM-5.3-Flash/FlashX、GLM-5.3、GLM-5.2。無論何種投入等級,皆無 5.4 條目

• 文件路徑——docs.z.ai/guides/llm/glm-5.4 會回傳 404,情況與 10 月 13 日時完全相同

• Hugging Face — 在該實驗室自家組織下搜尋「glm-5.4」的儲存庫沒有任何結果,而那裡最新的文字檢查點是 8 月 25 日建立的四個 GLM-5.3 版本

供應商的 model-api 頁面從商業端給出相同答案:GLM-5.3、GLM-5.3-Flash、GLM-5 與 GLM-5V-Turbo,5.3 與 6 之間沒有任何一列。十月的時候,針對這個名稱的常設頁面檢查了九個介面;五週之後,對出貨狀態真正有影響的那同樣四個仍然是負面結果。這種一致性本身就是結論。一個名稱若連續八週在所有第一方介面上都付之闕如,就不是即將推出的發布;而是產品線已經跳過的名稱,至少目前如此。

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3' with six rows: input per million $1.50 against $1.40; output per million $4.50 against $4.40; index score 43 against 32; cost per task $3.27 against $5.01; wall-clock per task 32.1 min against 22.0 min; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; prices per vendor list'. OrcaRouter logo bottom-right.

這個窗口,以及我們已經超過它多遠

節奏論證從來不是洩漏。那是對 Z.ai 自家發布日期做的算術:GLM-5 到 GLM-5.1 花了 54 天,GLM-5.1 到 GLM-5.2 花了 70 天,GLM-5.2 到 GLM-5.3 花了 63 天。把同樣的間隔套用到 8 月 18 日,下一款文字旗艦模型預定推出的時間會落在 2026 年 10 月 11 日到 10 月 27 日之間。若改以 Flash 層級於 8 月 26 日登場來計算這個系列的起始日,外緣則移到 11 月 4 日。

現在是11月18日。兩項讀數都已過期,較晚的那項已過期兩週。這是今天關於GLM-5.4所能作出最乾淨的陳述,而且它比「我們找不到它」更有力,因為它可被證偽:廠商發布日誌上只要有一筆帶日期的紀錄,就能推翻它;而在這樣一筆紀錄出現之前,該預測已經受過檢驗,並且失敗了。

對那次失敗有兩種誠實的解讀,而它們指向相反的方向。第一種是 Z.ai 已經放慢腳步——一款 7530 億參數的旗艦模型如今昂貴到只能用更長的週期來迭代,而 2026 年上半年的節奏是一場已經結束的衝刺。第二種是下一次發布根本不是 5.4:這條產品線跳過了一個號碼,或者投入其實進到了多模態 Flash 層級,而那正是發布日誌上八月之後唯一有活動的地方。實驗室公布的任何內容都無法區分這兩種可能,而一個靠猜測的頁面,正好就是在做帶有虛構欄位的計分板所做的事。

你實際上可以比較的:Qwen4-Max 對上 GLM-5.3

GLM-5.3 不是安慰獎。它是擁有 7,530 億參數的混合專家模型,每個 token 約啟動 400 億參數,僅支援文字,具備 100 萬 token 上下文視窗與 128K 輸出上限;而且它具備 Qwen4-Max 發布報導大多缺少的一點:在同一索引、同一索引版本下,由同一評測框架取得的實測列。

• 輸入價格 — Qwen4-Max 在新加坡為每百萬個 token 1.50 美元,在其他五個地區為 1.413 美元,而 Z.ai 清單上的 GLM-5.3 則為 1.40 美元

• 輸出價格 — Qwen4-Max $4.50,相較於 GLM-5.3 $4.40

• 獨立評分 — Qwen4-Max 在 Artificial Analysis Intelligence Index v5.0.1 上獲得 43 分,而 GLM-5.3 在最高努力程度下為 32 分、在低努力程度下為 23 分

• 每項索引任務成本 — Qwen4-Max $3.27 對比 GLM-5.3 $5.01。這才是關鍵的一列,而它指向的方向與分數相反

• 每項任務的實際耗時 — Qwen4-Max 為 32.1 分鐘,而 GLM-5.3 在最高投入下為 22.0 分鐘、低投入下為 12.2 分鐘

• Token 需求量 — Qwen4-Max 每次索引執行輸出 1.27 億個 token,而 GLM-5.3 在最高努力程度下為 1.35 億個,在低努力程度下為 6,330 萬個

• 吞吐量 — Qwen4-Max 每秒輸出 55 個 token,相較於 GLM-5.3 的 90 個

• 模態 — Qwen4-Max 接受文字、圖像與影片並回傳文字;GLM-5.3 文件記載為僅支援文字,視覺工作則交由 Flash 層級處理

• 最大輸出 — Qwen4-Max 131,072 個 token,或在思考與回答之間共享 262,144 個;GLM-5.3 128,000

• 權重 — Qwen4-Max 未公開任何權重,並標示不支援微調與部署;GLM-5.3 的權重可在自訂的 Z.ai 授權條款下下載。

• 推理強度控制 — Qwen4-Max 提供可選等級;GLM-5.3 一律會進行推理,並分為低、高與最高

價格那幾列幾乎打成平手——輸入差一角、輸出差一角——而這是整份清單裡最無趣的部分。有趣的是,這兩款模型以幾乎相同的定價問世,底下的結構卻截然不同。Qwen4-Max 雖然每單位計價更便宜,但每個任務的成本更高,因為它耗時更久、思考也更久;GLM-5.3 雖然自身每單位計價更便宜,但每個任務的成本更高,因為它在最高努力設定下消耗 token 的速度,是較低努力設定所沒有的。兩家廠商的價目表都不會告訴你這件事。只有每任務成本那一列會,而這正是兩篇發表文章都略過的那一列。

分數差距確實存在,但比 43 對 32 所暗示的要窄,原因值得直說:那些數字來自同一個指數上不同的努力設定,而本部落格已看過修訂變更讓某個模型的數字移動兩位數。請把 43 和 32 視為同一天、同一工具上取得的方向性差距,而不是測量得到的 11 點能力差異。經得起這番告誡的,是較保守的主張:Qwen4-Max 在最大努力下能回答比 GLM-5.3 更難的任務,且每項任務花費更少,但同時它是每 token 較慢的模型,也是每百萬 token 較貴的模型。

A screenshot of Z.ai's release notes page headed 'New Released' with a right-hand date rail ending at 2026-08-26 and, below it, 2026-08-18, 2026-06-16 and 2026-04-07, and body entries describing native visual capabilities, a hybrid attention architecture with 320B total and 18B activated parameters, and GLM-5.3's coding gains on Z.ai Code Bench.

GLM 5.4 搜尋者真正需要的東西

人們輸入「GLM-5.4」有兩種原因,而這兩者想要的答案正好相反。

第一件事是選型:他們想知道是否該從 GLM-5.3 遷移離開,或者針對本月啟動的建置案,是否該選 G​LM 而非 Q​wen。答案是沒有東西可遷移過去,而他們今天能做的決定,是在一個提供可下載權重、價格為 $1.40/$4.40 的純文字模型,與一個價格為 $1.50/$4.50、評分更高且每完成一項任務成本更低的多模態租用方案之間做選擇。那是一個真實的選擇,而且不需要 5.4 才能做出來。

第二點是追蹤:他們想要一個日期。誠實的答案是,這個名稱基於發布節奏的窗口已於10月27日到期;若採最寬鬆的解讀,則是11月4日。而該預測落空本身便是更新。下一個要留意的訊號不是外洩,而是發布日誌:只要出現一筆高於 GLM-5.3-Flash 的條目,就能用一行定論;而自 Flash 層級推出以來的十二週內,它一直沒有出現。

在沒有第二份合約的情況下執行其中任何一個

這個比較的兩邊確實不同,而差異在於能否取用,而非能力。OrcaRouter 目前提供z-ai/glm-5.3的路由,並與 Qwen 3.8 系列並列,在單一 OpenAI 相容端點上,以0% 加價——在服務供應商收費之上不加任何費用;在我們自家的模型頁面上,價格是每百萬輸入 $1.26、輸出 $3.96,等於或低於 Z.ai 的 $1.40 與 $4.40 定價。OrcaRouter 沒有路由的是 Qwen4-Max:該模型不在目錄中,而本頁也不會暗示相反的情況。Qwen4-Max 可透過阿里巴巴自家的六個區域,以及轉售它的第三方平台取得;如果你想讓它與 GLM 使用同一把金鑰,那是要等目錄收錄它的問題,而不是今天就能設定任何東西。

A screenshot of the OrcaRouter model page for GLM 5.3, showing the identifier z-ai/glm-5.3, the byline Z.ai with the date 2026-08-18, a description of the model as a text-in text-out flagship for repo-scale coding, pricing of $1.26 input and $3.96 output per million tokens, a 1M-token context and a 128K maximum output.

路由真正能立刻帶來回報的地方,就是比較本身。上面那些每項任務成本數字,是固定基準組合的平均值,而你的組合並不是那個組合。在同一個端點上,把相同的提示詞分別送進 GLM-5.3 和一個 Q​wen 3.8 層級,就是找出哪一方能在你的流量上勝出的方法;並由自動容錯移轉在你執行到一半、某家供應商祭出限流時替你兜底——而且這只是一個上午的工作,而不是兩場採購對話。

要怎樣才能讓這成為一場真正的對決?

一份文件。一張模型卡同時載明參數、上下文長度、價格與 API 識別碼,並標註 Z.ai 自家發布日誌上的日期。這是本部落格整年來沿用的標準,也是唯一能讓 GLM-5.4 從一個版本號變成一個模型的依據。第二項佐證較弱但有用:一筆 GLM-5.3 在低投入程度下測得的數據,對上 Qwen4-Max 在其自身低設定下的表現,這將讓成本比較能以同等投入程度對等進行,而不是拿兩家供應商的預設值互比。

在那之前,正確的總結對這場搜尋的雙方都不好受。Qwen4-Max 真實存在、有標價、經過實測,而且在成本上比它的名聲略好一些——指數 43、每項任務 $3.27,是稱職的旗艦,而非稱霸級。GLM-5.4 是序列中的一個型號,其預計日期已過,日誌上卻沒有登錄紀錄;而你今天能跑的 G​LM 型號數字低一階,可測量、可下載,在計費表上便宜一角,但在全力運行下,每完成一項任務卻貴上五成。任何對你說相反話的人,都是在推銷一份他們無法查證來源的規格表。

本文中的比較1

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新