This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Z AI has launched a newer model, GLM-4.7. We suggest considering it instead.

For more information, see comparison of GLM-4.7 to other models and API provider benchmarks for GLM-4.7.

GLM-4.6 (Reasoning) logo
Z AI
•

Open weights model

•

Released September 2025

GLM-4.6 (Reasoning) Benchmarking und Analyse von API-Anbietern

Modellvergleich

Analyse der API-Anbieter für GLM-4.6 (Reasoning) anhand von Leistungsmetriken wie Latenz (Zeit bis zum ersten Token), Ausgabegeschwindigkeit (Ausgabetokens pro Sekunde) und Preis. Zu den bewerteten API-Anbietern gehören DeepInfra (FP4), Together AI und Novita.

Am schnellsten

#1
NovitaNovita
54.8 t/s
#2
DeepInfra (FP4)DeepInfra (FP4)
44.1 t/s

Ausgabegeschwindigkeit

Insgesamt 3 Anbieter

Niedrigste Latenz

#1
NovitaNovita
39.13 s
#2
DeepInfra (FP4)DeepInfra (FP4)
46.34 s

Zeit bis zum ersten Antworttoken

Insgesamt 3 Anbieter

Niedrigster Preis

#1
DeepInfra (FP4)DeepInfra (FP4)
$0.37
#2
NovitaNovita
$0.72
#3
Together AITogether AI
$0.76

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 3 Anbieter

GLM-4.6 ist über 3 API-Anbieter verfügbar, die jeweils unterschiedliche Leistungsmerkmale und Preise bieten. Im Folgenden werden die wichtigsten Metriken der Anbieter verglichen.

  • Bei der Ausgabegeschwindigkeit führen Novita (54.8 Tokens/s) und DeepInfra (FP4) (44.1 Tokens/s).
  • Bei der Latenz bieten Novita (39.13 s) und DeepInfra (FP4) (46.34 s) die niedrigste Zeit bis zum ersten Antworttoken.
  • Bei den Preisen bieten DeepInfra (FP4) (0.37), Novita (0.72) und Together AI (0.76) die niedrigsten Mischpreise pro 1 Mio. Tokens.
  • Novita bietet mit der höchsten Geschwindigkeit und der niedrigsten Latenz die beste Leistung. Für eine Kostenoptimierung bietet DeepInfra (FP4) den konkurrenzfähigsten Preis.

Wichtigste Ergebnisse

Geschwindigkeit

Output tokens per second · Higher is better

Ende-zu-Ende-Antwortzeit

Seconds · Lower is better

Preis

USD per 1M tokens (blended) · Lower is better

Preise

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Pricing: Cache Discount

1 - (cache hit price / input price) · Higher is better

Reduction in input token cost due to cache hit relative to input price. Formula: 1 - (Cache Hit Price per Token / Input Token Price), where cache hit price is the first-party cache hit price or the median provider cache hit price. Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Output Speed: GLM-4.6 (Reasoning)

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Zeit bis zum ersten Antworttoken

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Wichtige Vergleichsmetriken und API-Funktionen

Logo von DeepInfraDeepInfra
203k
Offen
--
45
0.97
56.99
44.81
Logo von Together AITogether AI
203k
Offen
$0.33
--
--
--
--
Logo von NovitaNovita
205k
Offen
$0.30
57
2.74
46.26
34.81

Häufig gestellte Fragen

Häufige Fragen zu den Anbietern von GLM-4.6 (Reasoning)

GLM-4.6 (Reasoning) ist über 3 API-Anbieter verfügbar: DeepInfra (FP4), Together AI und Novita. Jeder Anbieter bietet unterschiedliche Leistungsmerkmale und Preise.

GLM-4.6 (Reasoning) ist derzeit über 3 API-Anbieter, die wir bewerten und beobachten verfügbar.

Die nach Ausgabegeschwindigkeit schnellsten Anbieter für GLM-4.6 (Reasoning) sind Novita (54.8 Tokens/s) und DeepInfra (FP4) (44.1 Tokens/s). Die Ausgabegeschwindigkeit misst, wie schnell Tokens erzeugt werden, nachdem das Modell mit der Antwort begonnen hat.

Die Anbieter mit der niedrigsten Zeit bis zum ersten Antworttoken für GLM-4.6 (Reasoning) sind Novita (39.13s) und DeepInfra (FP4) (46.34s). Eine niedrigere Latenz bedeutet eine schnellere erste Reaktion.

Die nach Mischpreis günstigsten Anbieter für GLM-4.6 (Reasoning) sind DeepInfra (FP4) ($0.37 pro 1 Mio. Tokens), Novita ($0.72 pro 1 Mio. Tokens) und Together AI ($0.76 pro 1 Mio. Tokens). Der Mischpreis basiert auf einem Tokenverhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe.

Die Anbieter mit dem niedrigsten Preis für Eingabetokens bei GLM-4.6 (Reasoning) sind DeepInfra (FP4) ($0.50 pro 1 Mio. Eingabetokens), Novita ($0.55 pro 1 Mio. Eingabetokens) und Together AI ($0.60 pro 1 Mio. Eingabetokens).

Die Anbieter mit dem niedrigsten Preis für Ausgabetokens bei GLM-4.6 (Reasoning) sind DeepInfra (FP4) ($2.00 pro 1 Mio. Ausgabetokens), Together AI ($2.20 pro 1 Mio. Ausgabetokens) und Novita ($2.20 pro 1 Mio. Ausgabetokens).

Die Preise für GLM-4.6 (Reasoning) unterscheiden sich je nach Anbieter bis zum 2.1-Fachen. Am günstigsten ist DeepInfra (FP4) mit $0.37 pro 1 Mio. Tokens, während Together AI $0.76 pro 1 Mio. Tokens berechnet.

2 von 3 Anbietern unterstützen den JSON-Modus für GLM-4.6 (Reasoning): DeepInfra (FP4) und Novita.

Alle 3 Anbieter von GLM-4.6 (Reasoning) unterstützen Funktionsaufrufe (Tool-Nutzung).

Für GLM-4.6 (Reasoning) bietet Novita mit der höchsten Geschwindigkeit und der niedrigsten Latenz die beste Leistung. Für eine Kostenoptimierung bietet DeepInfra (FP4) den konkurrenzfähigsten Preis.

Berücksichtigen Sie bei der Wahl eines Anbieters für GLM-4.6 (Reasoning) die Ausgabegeschwindigkeit für durchsatzintensive Aufgaben, die Latenz für interaktive Anwendungen mit schneller erster Reaktion, den Preis für kostensensible Workloads und API-Funktionen wie den JSON-Modus oder Funktionsaufrufe.

Ja, die Leistung eines Anbieters kann sich durch Änderungen an der Infrastruktur, Lastverteilung und Aktualisierungen im Laufe der Zeit verändern. Wir bewerten alle Anbieter fortlaufend und zeigen historische Leistungstrends in den Diagrammen „Im Zeitverlauf“ an.

Informationen zur Intelligenz, zu den Fähigkeiten und Modalitäten von GLM-4.6 (Reasoning) sowie zum Vergleich mit anderen Modellen finden Sie auf der Modellübersichtsseite. Modellübersicht anzeigen