Qwen vs GLM: Coding und Kosten

GLM-5.3 führt bei SciCode mit 59.03% gegenüber 50.58%. Qwen3.8-Flash-Next hat mit $0.0025 die niedrigeren Beispielkosten; das andere Modell kostet $0.0184.

Aktualisiert · 6 Quellen · Methodik

KriteriumGewinnerVorsprungBeleg
SciCode (%)GLM-5.38.45 ppQwen3.8-Flash-Next 50.58% / GLM-5.3 59.03%12
Ausgabegeschwindigkeit (tokens/s)GLM-5.318.8 tokens/sQwen3.8-Flash-Next 55.4 / GLM-5.3 74.2 tokens/s
AA-Zeit bis zum ersten Antwort-Token (s)GLM-5.39.01 sQwen3.8-Flash-Next 38.17 s / GLM-5.3 29.16 s
Geschätzte AnfragekostenQwen3.8-Flash-Next$0.015910K + 1K: Qwen3.8-Flash-Next $0.0025 / GLM-5.3 $0.018443

AA-Benchmarks zur Codequalität

KennzahlQwen3.8-Flash-NextGLM-5.3 (Max)
SciCode (%)50.58159.032

Leistung

KennzahlQwen3.8-Flash-NextGLM-5.3 (Max)
Ausgabegeschwindigkeit (tokens/s)55.474.2
AA-Zeit bis zum ersten Antwort-Token (s)38.1729.16

Preise und Anfragekosten

KennzahlQwen3.8-Flash-Next · LyceumGLM-5.3 · Novita AI
Eingabe / 1M tokens$0.23$1.44
Ausgabe / 1M tokens$0.53$4.44
Kontextfenster (tokens)262,14451,048,5764
Maximale Ausgabe (tokens)131,0726131,0724
API-DokumentationNovita AI · Chat API
Kostenbeispiel: 10,000 Eingabe- + 1,000 abgerechnete Ausgabetokens
Qwen3.8-Flash-Next$0.0025
GLM-5.3$0.0184

Coding, Reasoning, Kontext und Kosten

Coding-Benchmark

  • AA SciCode: Qwen3.8-Flash-Next 50.58% / GLM-5.3 59.03%.12

Reasoning-Benchmark

  • Die AA-Wartezeit bis zur ersten Antwort beträgt mit den gezeigten Einstellungen 38.17 s für Qwen3.8-Flash-Next und 29.16 s für GLM-5.3.12

Kontextfenster (tokens)

  • GLM fasst 1,048,576 Kontexttokens gegenüber Qwens 262,144 und erlaubt damit größere Eingaben am genannten Endpunkt.12

Geschätzte Anfragekosten

  • Die Budgetabwägung lautet $0.0184 für GLM gegenüber $0.0025 für Qwen; bei diesem Ausgabenlimit spricht sie für Qwen.43

Methodik und Quellen

SciCode ist AAs Bewertung für wissenschaftliche Programmierung und wird als Prozentwert angegeben; höher ist besser. Sie ist vom Leistungstest mit 10,000 Eingabe-Tokens getrennt und keine Cline-Bewertung im Editor. Qualität und Leistung verwenden die neben den Modellnamen gezeigten Konfigurationen. Ein aktueller AA v5 Intelligence Index wird nur angezeigt, wenn für beide Modelle ein Wert veröffentlicht ist. Die AA-Leistungswerte stammen aus dem Benchmark mit 10,000 Eingabe-Tokens und der jeweils angezeigten Modellkonfiguration; die Reasoning-Einstellungen unterscheiden sich. Die Ausgabegeschwindigkeit ist die mediane Ausgaberate. Die Antwortlatenz misst das erste Antwort-Token nach dem Reasoning, nicht den ersten gestreamten Reasoning-Chunk. Bei nicht gestreamtem Reasoning und Modellen ohne Reasoning sind erster Chunk und erste Antwort bei AA dasselbe Ereignis. AA schätzt die Antwortlatenz aus Anfangswartezeit und Reasoning-Dauer; sie ist kein separat erhobener Median. Es sind Referenz-Deployments, keine Garantien für Novita-Endpunkte. Das Kostenbeispiel ohne Cache berechnet 10,000 Eingabe- und 1,000 Ausgabe-Tokens zum Tarif des genannten Anbieters, nicht die Kosten des AA-Benchmarks. Preise sowie Kontext- und Ausgabelimits stammen aus den zitierten Anbieterquellen.

  1. Artificial Analysis · Qwen3.8-Flash-Next · Qualität und Leistung
  2. Artificial Analysis · GLM-5.3 (Max) · Qualität und Leistung
  3. Lyceum · Qwen3.8-Flash-Next · API-Preise und Limits
  4. Novita AI · GLM-5.3 · Endpoint-Preise und Limits
  5. Lyceum · Qwen3.8-Flash-Next · native Kontextspezifikation
  6. Lyceum · Serverless-Anfragelimits

Mit Novita Model APIs entwickeln

API-Schlüssel erstellen und die Anwendung verbinden.

Jetzt entwickelnModelle ansehen