Este modelo está obsoleto. Continuamos medindo o desempenho apenas para a carga padrão de 10 mil tokens de entrada. Os resultados de outras cargas são históricos e não são mais atualizados.

Z AI lançou uma versão mais recente, GLM-4.7. Sugerimos considerá-la como alternativa.

Z AI

•

GLM-4.6

•

Open weights model

•

Released setembro de 2025

GLM-4.6 (Reasoning) Benchmarking e análise de provedores de API

Name: Velocidade
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparação de modelos

Esta análise ajuda você a escolher o melhor provedor de API de GLM-4.6 (Reasoning) para seu caso de uso.

Mais rápido

Novita

38.0 t/s

DeepInfra (FP4)

24.5 t/s

Velocidade de saída

3 provedores no total

Menor latência

Novita

57.44 s

DeepInfra (FP4)

83.27 s

Tempo até o primeiro token da resposta final

3 provedores no total

Menor preço

DeepInfra (FP4)

$0.37

Novita

$0.41

Together AI

$0.76

Preço combinado (por 1M de tokens)

3 provedores no total

GLM-4.6 está disponível em 3 provedores de API, cada um com características de desempenho e preços diferentes. Veja abaixo uma comparação das principais métricas entre os provedores.

Em velocidade de saída, os principais provedores são Novita (38.0 t/s) e DeepInfra (FP4) (24.5 t/s).
Em latência, Novita (57.44s) e DeepInfra (FP4) (83.27s) têm o menor tempo até o primeiro token da resposta final.
Em preço, DeepInfra (FP4) (0.37), Novita (0.41) e Together AI (0.76) têm os menores preços combinados por 1M de tokens.
Novita oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, DeepInfra (FP4) tem o preço mais competitivo.

Velocidade

Output tokens per second · Higher is better

Latência

Seconds to first answer token received · Lower is better

Preço

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

Preços

Preços: acertos de cache, entrada e saída: provedores do GLM-4.6

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.

Custo por tarefa do Intelligence Index: provedores do GLM-4.6

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type · Lower is better

No data available

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Velocidade de saída vs. preço: provedores do GLM-4.6

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Velocidade de saída: GLM-4.6 (Reasoning)

Velocidade de saída: tokens de saída por segundo · 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 or the median across providers where a first-party API is not available.

Tempo por tarefa do Índice de Inteligência: provedores do GLM-4.6

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

No data available

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Custo por tarefa vs. tempo por tarefa: provedores do GLM-4.6

Weighted average cost (USD) per Intelligence Index task · Weighted average decode time (minutes) per Intelligence Index task

Most attractive quadrant

No data available

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token da resposta final: provedores do GLM-4.6

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.

Comportamento do cache

Taxa de acertos do cache: provedores do GLM-4.6

Proporção de tokens de entrada elegíveis para cache atendidos pelo cache · Mediana das últimas quatro semanas, atualizada em 26 de set. de 2026

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic coding sessions. We regularly measure each endpoint and report a representative rate based on recent measurements. Higher values mean more of the input is billed at the cheaper cache-hit price, where the provider offers one, which lowers the effective cost of agentic workloads. For further details, see our methodology page.

Custo por tarefa vs. Taxa de acertos do cache: provedores do GLM-4.6

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Sep 26, 2026

Most attractive quadrant

No data available

Tempo de resposta de ponta a ponta

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

Tempo de resposta de ponta a ponta: provedores do GLM-4.6

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

Principais métricas de comparação e recursos da API



DeepInfra	203k	Aberto	--	26	1.56	97.68	76.90
Together AI	203k	Aberto	--	--	--	--	--
Novita	205k	Aberto	--	38	4.86	70.59	52.58

Perguntas frequentes

Perguntas comuns sobre os provedores do GLM-4.6 (Reasoning)

GLM-4.6 (Reasoning) está disponível em 3 provedores de API: DeepInfra (FP4), Together AI e Novita. Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o GLM-4.6 (Reasoning) está disponível em 3 provedores de API que avaliamos e acompanhamos.

Os provedores mais rápidos para o GLM-4.6 (Reasoning) em velocidade de saída são Novita (38.0 t/s) e DeepInfra (FP4) (24.5 t/s). A velocidade de saída mede a rapidez com que os tokens são gerados depois que o modelo começa a responder.

Os provedores com o menor tempo até o primeiro token da resposta final para o GLM-4.6 (Reasoning) são Novita (57.44s) e DeepInfra (FP4) (83.27s). Uma latência menor significa um tempo de resposta inicial mais rápido.

Os provedores mais acessíveis para o GLM-4.6 (Reasoning) em preço combinado são DeepInfra (FP4) ($0.37 por 1M de tokens), Novita ($0.41 por 1M de tokens) e Together AI ($0.76 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

Os provedores com o menor preço de tokens de entrada para o GLM-4.6 (Reasoning) são DeepInfra (FP4) ($0.50 por 1M de tokens de entrada), Novita ($0.55 por 1M de tokens de entrada) e Together AI ($0.60 por 1M de tokens de entrada).

Os provedores com o menor preço de tokens de saída para o GLM-4.6 (Reasoning) são DeepInfra (FP4) ($2.00 por 1M de tokens de saída), Together AI ($2.20 por 1M de tokens de saída) e Novita ($2.20 por 1M de tokens de saída).

Os preços do GLM-4.6 (Reasoning) variam em até 2.1x entre os provedores. O mais acessível é DeepInfra (FP4), com $0.37 por 1M de tokens, enquanto Together AI cobra $0.76 por 1M de tokens.

A velocidade de saída do GLM-4.6 (Reasoning) varia significativamente entre os provedores. Novita é o mais rápido, com 38.0 t/s, 1.6x mais rápido que DeepInfra (FP4), com 24.5 t/s.

2 de 3 provedores são compatíveis com o modo JSON para o GLM-4.6 (Reasoning): DeepInfra (FP4) e Novita.

Todos os 3 provedores do GLM-4.6 (Reasoning) são compatíveis com chamadas de funções (uso de ferramentas).

Para o GLM-4.6 (Reasoning), Novita oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, DeepInfra (FP4) tem o preço mais competitivo.

Ao escolher um provedor para o GLM-4.6 (Reasoning), considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do GLM-4.6 (Reasoning), além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo

GLM-4.6 (Reasoning) Benchmarking e análise de provedores de API

Mais rápido

Menor latência

Menor preço

Velocidade

Latência

Preço

Preços

Preços: acertos de cache, entrada e saída: provedores do GLM-4.6

Cache Hit

Custo por tarefa do Intelligence Index: provedores do GLM-4.6

Cost per Intelligence Index Task

Velocidade de saída vs. preço: provedores do GLM-4.6

Output Speed

Velocidade

Velocidade de saída: GLM-4.6 (Reasoning)

Output Speed

Model Performance Representation

Tempo por tarefa do Índice de Inteligência: provedores do GLM-4.6

Time per Intelligence Index Task

Custo por tarefa vs. tempo por tarefa: provedores do GLM-4.6

Cost per Intelligence Index Task

Latência

Tempo até o primeiro token da resposta final: provedores do GLM-4.6

Time to First Answer Token

Median

Comportamento do cache

Taxa de acertos do cache: provedores do GLM-4.6

What Cache Hit Rate Shows

Custo por tarefa vs. Taxa de acertos do cache: provedores do GLM-4.6

Cost per Intelligence Index Task

Tempo de resposta de ponta a ponta

Tempo de resposta de ponta a ponta: provedores do GLM-4.6

End-to-End Response Time

Principais métricas de comparação e recursos da API

Perguntas frequentes

Onde posso acessar o GLM-4.6 (Reasoning)?

Quantos provedores de API oferecem o GLM-4.6 (Reasoning)?

Qual é o provedor mais rápido para o GLM-4.6 (Reasoning)?

Qual provedor tem a menor latência para o GLM-4.6 (Reasoning)?

Qual é o provedor mais barato para o GLM-4.6 (Reasoning)?

Qual provedor tem o menor preço de entrada para o GLM-4.6 (Reasoning)?

Qual provedor tem o menor preço de saída para o GLM-4.6 (Reasoning)?

Quanto os preços variam entre os provedores do GLM-4.6 (Reasoning)?

Quanto a velocidade varia entre os provedores do GLM-4.6 (Reasoning)?

Quais provedores do GLM-4.6 (Reasoning) são compatíveis com o modo JSON?

Quais provedores do GLM-4.6 (Reasoning) são compatíveis com chamadas de funções?

Qual é o melhor provedor para o GLM-4.6 (Reasoning)?

Como escolher um provedor para o GLM-4.6 (Reasoning)?

O desempenho dos provedores do GLM-4.6 (Reasoning) muda ao longo do tempo?

Quais são as capacidades gerais do GLM-4.6 (Reasoning)?