GLM-4 Plus vs DeepSeek V3：基准对比
详细对比 GLM-4 Plus 与 DeepSeek V3 的基准表现、定价、上下文窗口与合规性。
核心规格对比
| 规格 | GLM-4 Plus | DeepSeek V3 |
|---|---|---|
| 厂商 | other | deepseek |
| 版本 | glm-4-plus | v3 |
| 发布日期 | 2024-08-12 | 2024-12-26 |
| 上下文窗口 | 131072 tokens | 64000 tokens |
| 输入模态 | text, image | text |
| 输出模态 | text | text |
| 许可 | Proprietary | DeepSeek License |
| SOC2 | ✗ | ✗ |
| HIPAA | ✗ | ✗ |
| GDPR | ✗ | ✗ |
| ISO 27001 | ✗ | ✗ |
基准测试结果
| 基准 | GLM-4 Plus | DeepSeek V3 | 胜出 |
|---|---|---|---|
| ARC | 94.5 | — | GLM-4 Plus |
| BBH | 83.6 | 84.9 | DeepSeek V3 |
| GPQA | 35.4 | — | GLM-4 Plus |
| GSM8K | 81.8 | 89.3 | DeepSeek V3 |
| HUMANEVAL | 72.7 | 82.6 | DeepSeek V3 |
| IFEVAL | 79.2 | — | GLM-4 Plus |
| MATH | 53.3 | 61.6 | DeepSeek V3 |
| MMLU | 84.3 | 88.5 | DeepSeek V3 |
| MUSR | 51.3 | — | GLM-4 Plus |
| WINOGRANDE | 85.8 | — | GLM-4 Plus |
定价对比
| 项目 (每百万Token) | GLM-4 Plus | DeepSeek V3 |
|---|---|---|
| 输入 | $0.5 | $0.27 |
| 输出 | $0.5 | $1.1 |
| 缓存读 | $0 | $0.07 |
| 缓存写 | $0 | $0.27 |
GLM-4 Plus 对比 DeepSeek V3
模型概述
GLM-4 Plus 与 DeepSeek V3 均为 AI 模型市场的重要选项。本页对比两者在基准、定价与合规性上的差异。
核心规格对比
| 厂商 | 发布日期 | 上下文窗口 | 许可证 |
|---|---|---|---|
| Other / Deepseek | 2024-08-12 / 2024-12-26 | 131K / 64K | Proprietary / DeepSeek License |
基准测试表现
| 基准 | GLM-4 Plus | DeepSeek V3 | 胜出 |
|---|---|---|---|
| ARC | 94.5 | — | A |
| BBH (BIG-Bench Hard) | 83.6 | 84.9 | B |
| GPQA | 35.4 | — | A |
| GSM8K (Grade School Math 8K) | 81.8 | 89.3 | B |
| HumanEval | 72.7 | 82.6 | B |
| IFEval | 79.2 | — | A |
| MATH | 53.3 | 61.6 | B |
| MMLU (Massive Multitask Language Understanding) | 84.3 | 88.5 | B |
| MUSR | 51.3 | — | A |
| WinoGrande | 85.8 | — | A |
定价对比
| 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|
| — / — | — / — | — / — | — / — |
每百万 token — A / B
优势 & 劣势
GLM-4 Plus
- ✅ MMLU 得分 84.3，知识推理能力强。
- ✅ 支持文本、图像、音频多模态输入。
- ⚠️ 闭源专有模型，不支持自托管。
DeepSeek V3
- ✅ MMLU 得分 88.5，知识推理能力强。
- ✅ HumanEval 82.6，代码生成能力出色。
- ✅ GSM8K 89.3，数学推理稳健。
- ✅ 采用 MoE 混合专家架构。
- ⚠️ 闭源专有模型，不支持自托管。
编辑点评
GLM-4 Plus 与 DeepSeek V3 各有侧重。建议根据具体场景（代码、长文本、视觉等）选择，参考上方基准与定价表。
常见问题
哪个模型在代码任务上更优？
参考 HumanEval 基准得分表，得分更高者更适合代码任务。
哪个模型价格更低？
参考上方的定价对比表，输入/输出价格更低者更具成本优势。
上下文窗口哪个更长？
参考核心规格对比表，上下文窗口更大的模型适合长文档处理。
参考文献
编辑点评
See Editor's Take section.