Comparação de modelos
Kimi vs GLM: Kimi K3 e GLM-5.3
Escolha Kimi K3 pela maior nota publicada em DeepSWE v1.1 (67.5% contra 66.9%); GLM-5.3 tem menor custo para a quantidade de tokens indicada: $0.01840 por 10,000 tokens de entrada e 1,000 de saída faturada.
| Critério | Vencedor | Diferença | Evidência |
|---|---|---|---|
| Benchmark de programação | Kimi K3 | +0.6 pp diferença publicada | DeepSWE v1.1: Kimi K3 67.5% vs GLM-5.3 66.9%1 |
| Benchmark de raciocínio | Kimi K3 | +4.8 pp diferença publicada | GPQA Diamond: Kimi K3 92.9% vs GLM-5.3 88.1%1 |
| Custo estimado por solicitação | GLM-5.3 | $0.02660 diferença por exemplo | GLM-5.3 $0.01840 vs Kimi K3 $0.0450023 |
Resultados de benchmarks oficiais
Resultados de benchmarks oficiais
Deslize para ver todas as colunas
| Métrica | Kimi K3 | GLM-5.3 |
|---|---|---|
| DeepSWE v1.1 (Resolved)1 | 67.5% · dados informados pelo próprio fornecedor, 2026 | 66.9% · dados informados pelo próprio fornecedor, 2026 |
| GPQA Diamond (Pass@1)1 | 92.9% · dados informados pelo próprio fornecedor, 2026 | 88.1% · dados informados pelo próprio fornecedor, 2026 |
| HLE w/ tools (Pass@1)1 | 59.8% · dados informados pelo próprio fornecedor, 2026 | 62.5% · dados informados pelo próprio fornecedor, 2026 |
| NL2Repo-Bench1 | 58.0 · dados informados pelo próprio fornecedor, 2026 | 58.0 · dados informados pelo próprio fornecedor, 2026 |
Desempenho
Desempenho
Deslize para ver todas as colunas
Preços
Preços
Deslize para ver todas as colunas
| Métrica | Kimi K3 | GLM-5.3 |
|---|---|---|
| Entrada / 1M tokens23 | $3.00 | $1.40 |
| Saída / 1M tokens23 | $15.00 | $4.40 |
| Janela de contexto (tokens)23 | 1M | 1M |
| Saída máxima (tokens)23 | 1M | 128K |
| API e ID do modelo23 | moonshotai/kimi-k3 | zai-org/glm-5.3 |
Qual escolher
Programação, raciocínio, contexto e custo
Kimi K3
- Escolha Kimi para programação (DeepSWE: 67.5% contra 66.9%) e raciocínio avaliado pelo GPQA (92.9% contra 88.1% da GLM); a vantagem em programação é pequena.
- Para saídas longas, o máximo 1M da Kimi supera 128K da GLM; ambos os contextos de entrada são 1M.
- Kimi custa $0.04500, $0.02660 acima da GLM; HLE com ferramentas também favorece GLM, 62.5% contra 59.8%.
GLM-5.3
- Prefira GLM em HLE com ferramentas no mesmo relatório: 62.5% contra 59.8%; NL2Repo empata em 58.0.
- A estimativa da GLM para a quantidade de tokens indicada de $0.01840 é menor que $0.04500 da Kimi; as tarifas de entrada/saída são $1.40/$4.40.
- O limite de saída 128K restringe gerações longas frente a 1M da Kimi, embora ambos os contextos sejam 1M.
Metodologia
Metodologia e fontes
As pontuações de benchmark de Kimi K3 e GLM-5.3 usam as configurações comuns de esforço máximo da tabela oficial de comparação do DeepSeek. HLE com ferramentas aparece separadamente de HLE sem ferramentas. As linhas da AA são referências dos modelos, enquanto os preços e os limites de tokens pertencem às APIs Novita indicadas; a velocidade de streaming exclui a espera inicial.
A Novita AI disponibiliza Kimi e GLM e publica esta comparação a partir das fontes públicas citadas. As cobranças estimadas usam um orçamento fixo de 10,000 tokens de entrada e 1,000 tokens de saída faturados, a preços síncronos sem cache, incluindo o raciocínio faturado. Não são fornecidos um benchmark privado nem uma fatura; impostos, novas tentativas, descontos e capacidade negociada são excluídos.
A ilustração de Kimi versus GLM modela a espera por 2,000 tokens de raciocínio antes de uma resposta. Combina os campos de primeiro bloco e taxa de saída da AA sem arredondamento, e não os valores arredondados exibidos; essa hipótese define um exemplo de latência independente do custo, e não um tempo de resposta medido.
- DeepSeek · V4.1 Flash Model Card huggingface.co · Consultado 2026-10-15
- Kimi K3 · Novita AI novita.ai · Consultado 2026-10-15
- GLM-5.3 · Novita AI novita.ai · Consultado 2026-10-15
- Kimi K3 · Artificial Analysis artificialanalysis.ai · Consultado 2026-10-15
- GLM-5.3 · Artificial Analysis artificialanalysis.ai · Consultado 2026-10-15
Desenvolva com Novita Model APIs
Crie uma chave API e conecte sua aplicação.