GLM-5.3 与 Claude Fable 5 在 DeepSWE 基准上的对比显示，尽管两个模型的首次尝试准确率几乎相同（69.0% vs 69.7%），但 GLM-5.3 的成本效益显著更高，且在多次尝试场景中表现更佳。

  • GLM-5.3 每次推演的成本为 3.99 美元，而 Fable 5 为 21.63 美元，5.4 倍的价格差距使得每 100 美元可解决 17 个问题，而 Fable 仅能解决 3 个。
  • 在多次尝试指标方面，GLM-5.3 以 pass@2 81.1%（对比 77.1%）和 pass@4 87.6%（对比 84.1%）领先，显示出更高的上限。
  • 两个模型近乎可互换，任务间相关系数为 0.65，意味着同时运行两者对覆盖多样性的提升微乎其微。
  • GLM-5.3 在包括并发性和耐久性在内的五个任务领域胜出，而 Fable 5 仅在 Rust（85% vs 70%）和序列化密集型工作中领先。

分析结论认为，GLM-5.3 应作为大多数软件工程任务的默认模型，因其成本更低且覆盖范围更广，而 Fable 5 则保留为专门针对 Rust 或序列化关键工作的昂贵升级路径。