PulseAugur
中
实时 22:35:50
English(EN) GLM-5.3 vs. Claude Fable 5 on DeepSWE: Cost, Coding, and Routing

GLM-5.3 在编码任务上挑战 GPT-5.6 Sol 和 Claude Fable 5

作者 PulseAugur 编辑部 · [2 个来源] ·

Together AI 已经对其 GLM-5.3 模型与 OpenAI 的 GPT-5.6 Sol 和 Anthropic 的 Claude Fable 5 在 DeepSWE 软件工程任务上进行了基准测试。GLM-5.3 表现出竞争力，在单次尝试准确性上略微落后于 GPT-5.6 Sol，但在多次尝试后表现超越 GPT-5.6 Sol，且成本显著降低。与 Claude Fable 5 相比，GLM-5.3 在准确性上相当，但成本却低了五倍多，两个模型都表现出相似的失败模式和高度的任务一致性。 AI

影响 GLM-5.3 的表现表明，开放权重模型在软件工程等专业任务上正在缩小与前沿模型的差距，并提供了显著的成本优势。

排序理由 对多个大型语言模型在特定任务上的对比基准测试。

在 Together AI blog 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

GLM-5.3 在编码任务上挑战 GPT-5.6 Sol 和 Claude Fable 5

报道来源 [2]

  1. Together AI blog TIER_1 English(EN) ·

    GLM-5.3 对比 GPT-5.6 Sol 在 DeepSWE 上的表现：成本、编码和路由

    We ran 904 DeepSWE rollouts on GLM-5.3 and GPT-5.6 Sol. Sol leads pass@1 by 3.7 points; GLM-5.3 wins pass@4 at half the cost, and a GLM-first cascade hits 85.9%.

  2. Together AI blog TIER_1 English(EN) ·

    GLM-5.3 对比 Claude Fable 5 在 DeepSWE 上：成本、编码和路由

    We ran 904 DeepSWE rollouts on GLM-5.3 and Claude Fable 5. A tie on pass@1, but GLM-5.3 wins pass@4 and costs 5.4x less: \$3.99 per rollout vs. \$21.63.

相关实体

相关话题