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 Results for other workloads are historical and no longer updated.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
•

GLM-4.6

•

Open weights model

•

Released September 2025

GLM-4.6 (Reasoning) Benchmarks y análisis de proveedores de API

Comparación de modelos

Análisis de proveedores de API para GLM-4.6 (Reasoning) en métricas de rendimiento como latencia (tiempo hasta el primer token), velocidad de salida (tokens de salida por segundo), precio y otras. Los proveedores de API medidos incluyen DeepInfra (FP4), Together AI y Novita.

Más rápido

#1
NovitaNovita
56.7 t/s
#2
DeepInfra (FP4)DeepInfra (FP4)
44.6 t/s

Velocidad de salida

3 proveedores en total

Menor latencia

#1
NovitaNovita
38.12 s
#2
DeepInfra (FP4)DeepInfra (FP4)
45.64 s

Tiempo hasta el primer token de respuesta

3 proveedores en total

Menor precio

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

Precio combinado (por 1M de tokens)

3 proveedores en total

GLM-4.6 está disponible a través de 3 proveedores de API, cada uno con distintas características de rendimiento y precios. A continuación se comparan las métricas clave entre proveedores.

  • En velocidad de salida, los principales proveedores son Novita (56.7 t/s) y DeepInfra (FP4) (44.6 t/s).
  • En latencia, Novita (38.12s) y DeepInfra (FP4) (45.64s) ofrecen el menor tiempo hasta el primer token de respuesta.
  • En precios, DeepInfra (FP4) (0.37), Novita (0.72) y Together AI (0.76) ofrecen los menores precios combinados por 1M de tokens.
  • Novita ofrece el mejor rendimiento, con la mayor velocidad y la menor latencia. Para optimizar costos, DeepInfra (FP4) ofrece los precios más competitivos.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

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

Precios

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).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

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).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer token de respuesta

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.

Tiempo de respuesta de extremo a extremo

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

Tiempo de respuesta de extremo a extremo

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

Métricas clave de comparación y funciones de API

Logo de DeepInfraDeepInfra
203k
Abierto
--
44
0.84
57.25
45.13
Logo de Together AITogether AI
203k
Abierto
$0.33
--
--
--
--
Logo de NovitaNovita
205k
Abierto
$0.30
57
2.92
47.02
35.28

Preguntas frecuentes

Preguntas comunes sobre los proveedores de GLM-4.6 (Reasoning)

GLM-4.6 (Reasoning) está disponible a través de 3 proveedores de API: DeepInfra (FP4), Together AI y Novita. Cada proveedor ofrece distintas características de rendimiento y precios.

GLM-4.6 (Reasoning) está disponible actualmente a través de 3 proveedores de API que medimos y monitoreamos.

Los proveedores más rápidos para GLM-4.6 (Reasoning) por velocidad de salida son Novita (56.7 t/s) y DeepInfra (FP4) (44.6 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

Los proveedores con el menor tiempo hasta el primer token de respuesta para GLM-4.6 (Reasoning) son Novita (38.12s) y DeepInfra (FP4) (45.64s). Una menor latencia significa una respuesta inicial más rápida.

Los proveedores más económicos para GLM-4.6 (Reasoning) por precio combinado son DeepInfra (FP4) ($0.37 por 1M de tokens), Novita ($0.72 por 1M de tokens) y Together AI ($0.76 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

Los proveedores con el menor precio de tokens de entrada para GLM-4.6 (Reasoning) son DeepInfra (FP4) ($0.50 por 1M de tokens de entrada), Novita ($0.55 por 1M de tokens de entrada) y Together AI ($0.60 por 1M de tokens de entrada).

Los proveedores con el menor precio de tokens de salida para GLM-4.6 (Reasoning) son DeepInfra (FP4) ($2.00 por 1M de tokens de salida), Together AI ($2.20 por 1M de tokens de salida) y Novita ($2.20 por 1M de tokens de salida).

Los precios de GLM-4.6 (Reasoning) varían hasta 2.1x entre proveedores. El más económico es DeepInfra (FP4) a $0.37 por 1M de tokens, mientras que Together AI cobra $0.76 por 1M de tokens.

2 de 3 proveedores admiten el modo JSON para GLM-4.6 (Reasoning): DeepInfra (FP4) y Novita.

Los 3 proveedores de GLM-4.6 (Reasoning) admiten llamadas a funciones (uso de herramientas).

Para GLM-4.6 (Reasoning), Novita ofrece el mejor rendimiento con la mayor velocidad y la menor latencia. Para optimizar costos, DeepInfra (FP4) ofrece los precios más competitivos.

Al elegir un proveedor para GLM-4.6 (Reasoning), considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de GLM-4.6 (Reasoning) y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo