GLM-5.3 与 GPT-5.6 Sol 在 DeepSWE 基准测试中成本与性能对比

Together AI 近日发布了一项针对 GLM-5.3 和 GPT-5.6 Sol 两款大语言模型的对比测试。测试基于 904 次 DeepSWE（深度软件工程）任务展开，评估了模型在代码生成与问题解决方面的表现。结果显示，GPT-5.6 Sol 在单次通过率（pass@1）上以 3.7 个百分点的优势领先。然而，在考虑四次尝试通过率（pass@4）时，GLM-5.3 不仅表现更优，且其计算成本仅为对手的一半，展现出更高的性价比。此外，测试中还探索了模型级联策略：若优先使用 GLM-5.3 处理任务，仅在需要时切换至 GPT-5.6 Sol，整体任务通过率可达 85.9%。这一发现为实际部署中平衡性能与成本提供了重要参考，凸显了在不同场景下灵活选用或组合模型的潜在价值。