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 Results for other workloads are historical and no longer updated.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) APIプロバイダーのベンチマークと分析

モデル比較

GLM-4.6 (Reasoning)のAPIプロバイダーを、遅延（最初のトークンまでの時間）、出力速度（1秒あたりの出力トークン数）、料金などの性能指標で分析します。ベンチマーク対象のAPIプロバイダーにはDeepInfra (FP4)、Together AI、Novitaが含まれます。

最速

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

出力速度

プロバイダー合計：3社

最短の遅延

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

最初の回答トークンまでの時間

プロバイダー合計：3社

最安料金

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

ブレンド料金（100万トークンあたり）

プロバイダー合計：3社

GLM-4.6は3社のAPIプロバイダーで利用でき、性能特性と料金はそれぞれ異なります。以下でプロバイダー間の主要指標を比較します。

  • 出力速度の上位プロバイダーはNovita（54.8 t/s）、DeepInfra (FP4)（44.1 t/s）です。
  • 遅延では、Novita（39.13秒）、DeepInfra (FP4)（46.34秒）の最初の回答トークンまでの時間が最短です。
  • 料金では、DeepInfra (FP4)（0.37）、Novita（0.72）、Together AI（0.76）の100万トークンあたりのブレンド料金が最安です。
  • Novitaは出力速度が最も速く、遅延も最短で、性能が最も優れています。費用を最適化するなら、DeepInfra (FP4)の料金が最も競争力に優れています。

ハイライト

速度

Output tokens per second · Higher is better

エンドツーエンド応答時間

Seconds · Lower is better

料金

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

料金

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).

速度

出力速度（1秒あたりのトークン数）で測定

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).

遅延

最初のトークンまでの時間（秒）で測定

最初の回答トークンまでの時間

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.

エンドツーエンド応答時間

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

エンドツーエンド応答時間

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

主要な比較指標とAPI機能

DeepInfraのロゴDeepInfra
203k
オープン
--
45
0.97
56.99
44.81
Together AIのロゴTogether AI
203k
オープン
$0.33
--
--
--
--
NovitaのロゴNovita
205k
オープン
$0.30
57
2.74
46.26
34.81

よくある質問

GLM-4.6 (Reasoning)のプロバイダーに関するよくある質問

GLM-4.6 (Reasoning)は3社のAPIプロバイダーで利用できます：DeepInfra (FP4)、Together AI、Novita。性能特性と料金はプロバイダーごとに異なります。

現在、ベンチマークと追跡の対象となる3社のAPIプロバイダーでGLM-4.6 (Reasoning)を利用できます。

出力速度でGLM-4.6 (Reasoning)が最速のプロバイダーはNovita（54.8 t/s）、DeepInfra (FP4)（44.1 t/s）です。出力速度は、モデルが応答を開始した後にトークンを生成する速さを表します。

GLM-4.6 (Reasoning)の最初の回答トークンまでの時間が最短のプロバイダーはNovita（39.13s）、DeepInfra (FP4)（46.34s）です。遅延が短いほど、最初の応答が速くなります。

ブレンド料金でGLM-4.6 (Reasoning)が最安のプロバイダーはDeepInfra (FP4)（100万トークンあたり$0.37）、Novita（100万トークンあたり$0.72）、Together AI（100万トークンあたり$0.76）です。ブレンド料金では、キャッシュヒット／入力／出力トークンを7:2:1とします。

GLM-4.6 (Reasoning)の入力トークン料金が最安のプロバイダーはDeepInfra (FP4)（入力100万トークンあたり$0.50）、Novita（入力100万トークンあたり$0.55）、Together AI（入力100万トークンあたり$0.60）です。

GLM-4.6 (Reasoning)の出力トークン料金が最安のプロバイダーはDeepInfra (FP4)（出力100万トークンあたり$2.00）、Together AI（出力100万トークンあたり$2.20）、Novita（出力100万トークンあたり$2.20）です。

GLM-4.6 (Reasoning)の料金はプロバイダー間で最大2.1倍異なります。最安はDeepInfra (FP4)の100万トークンあたり$0.37で、Together AIは100万トークンあたり$0.76です。

3社中2社のプロバイダーがGLM-4.6 (Reasoning)のJSONモードに対応しています：DeepInfra (FP4)、Novita。

GLM-4.6 (Reasoning)を提供する3社すべてが、関数呼び出し（ツール利用）に対応しています。

GLM-4.6 (Reasoning)では、Novitaの出力速度が最も速く、遅延も最短で、性能が最も優れています。費用を最適化するなら、DeepInfra (FP4)の料金が最も競争力に優れています。

GLM-4.6 (Reasoning)のプロバイダーを選ぶ際は、出力速度（高スループットが必要なタスク）、遅延（最初の応答の速さが必要な対話型アプリケーション）、料金（費用を重視するワークロード）、JSONモードや関数呼び出しなどのAPI機能を検討してください。

はい。インフラストラクチャの変更、負荷分散、アップデートにより、プロバイダーの性能は時間とともに変化する場合があります。すべてのプロバイダーを継続的にベンチマークし、「推移」グラフに過去の性能傾向を表示しています。

GLM-4.6 (Reasoning)の知能、能力、モダリティ、他のモデルとの比較については、モデル概要ページをご覧ください。 モデル概要を表示