Modellvergleich
Kimi vs GLM: Kimi K3 und GLM-5.3
Kimi K3 hat den höheren veröffentlichten DeepSWE-v1.1-Wert (67.5% gegenüber 66.9%); GLM-5.3 bietet die niedrigeren Kosten bei gleicher Tokenmenge von $0.01840 für 10,000 Eingabe- und 1,000 abgerechnete Ausgabetokens.
| Kriterium | Gewinner | Vorsprung | Beleg |
|---|---|---|---|
| Coding-Benchmark | Kimi K3 | +0.6 pp veröffentlichter Punkteabstand | DeepSWE v1.1: Kimi K3 67.5% vs GLM-5.3 66.9%1 |
| Reasoning-Benchmark | Kimi K3 | +4.8 pp veröffentlichter Punkteabstand | GPQA Diamond: Kimi K3 92.9% vs GLM-5.3 88.1%1 |
| Geschätzte Anfragekosten | GLM-5.3 | $0.02660 Differenz je Beispiel | GLM-5.3 $0.01840 vs Kimi K3 $0.0450023 |
Offizielle Benchmark-Ergebnisse
Offizielle Benchmark-Ergebnisse
Wischen, um alle Spalten zu sehen
| Kennzahl | Kimi K3 | GLM-5.3 |
|---|---|---|
| DeepSWE v1.1 (Resolved)1 | 67.5% · Herstellerangabe, 2026 | 66.9% · Herstellerangabe, 2026 |
| GPQA Diamond (Pass@1)1 | 92.9% · Herstellerangabe, 2026 | 88.1% · Herstellerangabe, 2026 |
| HLE w/ tools (Pass@1)1 | 59.8% · Herstellerangabe, 2026 | 62.5% · Herstellerangabe, 2026 |
| NL2Repo-Bench1 | 58.0 · Herstellerangabe, 2026 | 58.0 · Herstellerangabe, 2026 |
Leistung
Leistung
Wischen, um alle Spalten zu sehen
Preise
Preise
Wischen, um alle Spalten zu sehen
| Kennzahl | Kimi K3 | GLM-5.3 |
|---|---|---|
| Eingabe / 1M tokens23 | $3.00 | $1.40 |
| Ausgabe / 1M tokens23 | $15.00 | $4.40 |
| Kontextfenster (tokens)23 | 1M | 1M |
| Maximale Ausgabe (tokens)23 | 1M | 128K |
| API und Modell-ID23 | moonshotai/kimi-k3 | zai-org/glm-5.3 |
Welche Option wählen
Coding, Reasoning, Kontext und Kosten
Kimi K3
- Wählen Sie Kimi für Coding (DeepSWE: 67.5% gegenüber 66.9%) und für das mit GPQA bewertete logische Denken (92.9% gegenüber GLMs 88.1%); der Coding-Vorsprung ist gering.
- Für lange Antworten bietet Kimi 1M statt GLMs 128K Ausgabe; beide Eingabekontexte sind 1M.
- Kimis $0.04500 liegen $0.02660 über GLM; HLE mit Tools spricht ebenfalls für GLM, 62.5% gegenüber 59.8%.
GLM-5.3
- GLM führt im gemeinsamen Bericht bei HLE mit Tools: 62.5% statt 59.8%; NL2Repo ist mit 58.0 gleichauf.
- GLMs Kostenschätzung bei fester Tokenmenge von $0.01840 liegt unter Kimis $0.04500; Eingabe/Ausgabe kosten $1.40/$4.40.
- 128K maximale Ausgabe begrenzen lange Generierungen gegenüber Kimis 1M, trotz gleicher 1M Eingabekontexte.
Methodik
Methodik und Quellen
Die Benchmark-Scores von Kimi K3 und GLM-5.3 verwenden die gemeinsamen Einstellungen mit maximalem Reasoning-Aufwand in DeepSeeks offizieller Vergleichstabelle. HLE mit Werkzeugen wird getrennt von HLE ohne Werkzeuge gezeigt. Die AA-Zeilen sind Modellreferenzen, während Preise und Tokenobergrenzen für die genannten Novita-APIs gelten; die Streaming-Geschwindigkeit schließt die anfängliche Wartezeit aus.
Novita AI bietet sowohl Kimi als auch GLM an und veröffentlicht diesen Vergleich anhand der zitierten öffentlichen Quellen. Die Kostenschätzung verwendet ein festes Budget von 10,000 Eingabetokens und 1,000 abgerechneten Ausgabetokens zu synchronen Preisen ohne Cache, einschließlich abgerechneter Reasoning-Tokens. Es werden weder ein eigener Benchmark noch eine Rechnung vorgelegt; Steuern, Wiederholungsversuche, Rabatte und vertraglich vereinbarte Kapazität sind ausgeschlossen.
Das Beispiel Kimi gegenüber GLM modelliert die Wartezeit für 2,000 Reasoning-Tokens vor einer Antwort. Es kombiniert die ungerundeten AA-Felder für die Zeit bis zum ersten Datenblock und die Ausgaberate, nicht die gerundeten Anzeigewerte. Diese Annahme definiert ein von den Kosten unabhängiges Latenzbeispiel statt einer gemessenen Antwortzeit.
- DeepSeek · V4.1 Flash Model Card huggingface.co · Geprüft 2026-10-15
- Kimi K3 · Novita AI novita.ai · Geprüft 2026-10-15
- GLM-5.3 · Novita AI novita.ai · Geprüft 2026-10-15
- Kimi K3 · Artificial Analysis artificialanalysis.ai · Geprüft 2026-10-15
- GLM-5.3 · Artificial Analysis artificialanalysis.ai · Geprüft 2026-10-15
Mit Novita Model APIs entwickeln
API-Schlüssel erstellen und die Anwendung verbinden.