Direktvergleich

Muse Spark 1.3 vs. GLM-5.3-Flash

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 202
verschiedene Benchmarks: 18
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Muse Spark 1.3 und GLM-5.3-Flash
Merkmal	Muse Spark 1.3	GLM-5.3-Flash
Anbieter	Meta	Z.ai
Erschienen	2. Sept. 2026	26. Aug. 2026
Verfügbarkeit	Aktiv	Open Source
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	320 Mrd., 18 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.048.576 Token	1.000.000 Token
Wissensstand	Nicht veröffentlicht	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Muse Spark 1.3 und GLM-5.3-Flash
Preisart	Muse Spark 1.3	GLM-5.3-Flash
API-Eingabe	1,25 $	0,15 $
API-Ausgabe	4,25 $	0,5 $
Cache lesen	0,15 $	0,03 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	18.10.2026 Quelle	22.09.2026 Quelle

Muse Spark 1.3GLM-5.3-Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

Muse Spark 1.31,25 $

GLM-5.3-Flash0,15 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Muse Spark 1.34,25 $

GLM-5.3-Flash0,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Muse Spark 1.30,15 $

GLM-5.3-Flash0,03 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Muse Spark 1.3 und GLM-5.3-Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Muse Spark 1.3	Meta	Über OpenRoutermeta	Günstigster erfasster Preis: 1,25 $	Günstigster erfasster Preis: 4,25 $	Quelle18.10.2026
GLM-5.3-Flash	Z.ai	Direkt beim EntwicklerStandard-API	0,15 $	0,5 $	Quelle22.09.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp8	0,15 $	0,5 $	Quelle18.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	0,15 $	0,5 $	Quelle18.10.2026
	BaseTen	Über OpenRouterbaseten/fp8/us	0,15 $	0,5 $	Quelle18.10.2026
	CoreWeave	Über OpenRoutercoreweave/nvfp4	0,15 $	0,5 $	Quelle18.10.2026
	Crusoe	Über OpenRoutercrusoe/fp4	0,15 $	0,5 $	Quelle18.10.2026
	Decart	Über OpenRouterdecart/fp4	0,0825 $	0,275 $	Quelle18.10.2026
	DeepInfra	Über OpenRouterdeepinfra/fp4	0,075 $	0,25 $	Quelle18.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,1312 $	0,4375 $	Quelle18.10.2026
	Fireworks	Über OpenRouterfireworks	0,15 $	0,5 $	Quelle18.10.2026
	Fireworks	Über OpenRouterfireworks/us	0,225 $	0,75 $	Quelle18.10.2026
	Friendli	Über OpenRouterfriendli	0,15 $	0,5 $	Quelle18.10.2026
	GMICloud	Über OpenRoutergmicloud/fp8	0,09 $	0,3 $	Quelle18.10.2026
	Inceptron	Über OpenRouterinceptron/fp8	0,1 $	0,69 $	Quelle18.10.2026
	InferenceNet	Über OpenRouterinference-net/fp4	0,12 $	0,388 $	Quelle18.10.2026
	Makora	Über OpenRoutermakora	0,14 $	0,47 $	Quelle18.10.2026
	Modal	Über OpenRoutermodal/nvfp4	0,15 $	0,5 $	Quelle18.10.2026
	Morph	Über OpenRoutermorph/fp8	0,082 $	0,65 $	Quelle18.10.2026
	Near AI	Über OpenRouternear-ai/fp8	0,08 $	0,5 $	Quelle18.10.2026
	NextBit	Über OpenRouternextbit/fp4	0,25 $	0,7 $	Quelle18.10.2026
	Novita	Über OpenRouternovita/fp8	0,084 $	0,28 $	Quelle18.10.2026
	OpenInference	Über OpenRouteropen-inference/fp4	Günstigster erfasster Preis: 0,048 $	Günstigster erfasster Preis: 0,2 $	Quelle18.10.2026
	Parasail	Über OpenRouterparasail/fast	0,1875 $	0,625 $	Quelle18.10.2026
	Phala	Über OpenRouterphala/nvfp4	0,1275 $	0,425 $	Quelle18.10.2026
	Reka	Über OpenRouterreka	0,06 $	1,6 $	Quelle18.10.2026
	Relace	Über OpenRouterrelace	0,075 $	0,5 $	Quelle18.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,0784 $	0,3 $	Quelle18.10.2026
	Sail Research	Über OpenRoutersail-research/us	0,0784 $	0,3 $	Quelle18.10.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,15 $	0,5 $	Quelle18.10.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,075 $	0,25 $	Quelle18.10.2026
	Together	Über OpenRoutertogether	0,15 $	0,5 $	Quelle18.10.2026
	Venice	Über OpenRoutervenice	0,15 $	0,5 $	Quelle18.10.2026
	Wafer	Über OpenRouterwafer/nvfp4	0,12 $	0,5 $	Quelle18.10.2026
	Z.AI	Über OpenRouterz-ai/fp8	0,15 $	0,5 $	Quelle18.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Muse Spark 1.3GLM-5.3-Flash

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.327,58 %

GLM-5.3-Flash20,515 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.369,405 %

GLM-5.3-Flash67,857 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.362,712 %

GLM-5.3-Flash55,932 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.358,901 %

GLM-5.3-Flash57,85 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.322,917 %

GLM-5.3-Flash6,667 %

IOIOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.343,944 %

GLM-5.3-Flash52,5 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.340,865 %

GLM-5.3-Flash45,192 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.31.621,927

GLM-5.3-Flash1.606,051

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.31.494,213

GLM-5.3-Flash1.474,228

LMArena Vision, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.31.286,221

GLM-5.3-Flash1.273,331

ProgramBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.30,5 %

GLM-5.3-Flash0 %

ProofBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.355 %

GLM-5.3-Flash21 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Muse Spark 1.3 und GLM-5.3-Flash
Benchmark und Aufgabe	Muse Spark 1.3	GLM-5.3-Flash	Quelle
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert27,58 %	20,515 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert69,405 %	67,857 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert62,712 %	55,932 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert58,901 %	57,85 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert22,917 %	6,667 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	43,944 %	Höherer Messwert52,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	40,865 %	Höherer Messwert45,192 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3 (xHigh), Reasoning: xhigh, Harness: Arena Code Arena WebDev GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 7.987 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 16.470 veröffentlichten Paarvergleichen.	Höherer Messwert1.621,927 95-%-Konfidenzintervall: ±8,096Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.606,051 95-%-Konfidenzintervall: ±6,732Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 16.731 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 31.379 veröffentlichten Paarvergleichen.	Höherer Messwert1.494,213 95-%-Konfidenzintervall: ±5,665Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.474,228 95-%-Konfidenzintervall: ±4,913Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3 (xHigh), Reasoning: xhigh, Harness: Arena Vision, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Vision, style controlMuse Spark 1.3: Arena-Bewertung aus 4.077 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 11.157 veröffentlichten Paarvergleichen.	Höherer Messwert1.286,221 95-%-Konfidenzintervall: ±10,243Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.273,331 95-%-Konfidenzintervall: ±7,077Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert0,5 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert55 %	21 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert35,974 %	31,55 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert72,285 %	62,921 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	10,606 %	Höherer Messwert37,374 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert4,286 %	2,857 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert53,197 %	44,581 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert82,859 %	30,759 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert13,916 %	7,354 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	82,143 %	Höherer Messwert85,714 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert64,798 %	44,602 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	52,818 %	Höherer Messwert53,193 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert96,377 %	86,594 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	42,667 %	Höherer Messwert53,167 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	51,515 %	Höherer Messwert57,576 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 8.683 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 16.470 veröffentlichten Paarvergleichen.	Höherer Messwert1.658,54 95-%-Konfidenzintervall: ±8,09Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.606,051 95-%-Konfidenzintervall: ±6,732Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 3.041 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 5.788 veröffentlichten Paarvergleichen.	Höherer Messwert1.503,61 95-%-Konfidenzintervall: ±11,102Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.470,347 95-%-Konfidenzintervall: ±8,428Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Vision, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Vision, style controlMuse Spark 1.3: Arena-Bewertung aus 4.550 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 11.157 veröffentlichten Paarvergleichen.	Höherer Messwert1.289,717 95-%-Konfidenzintervall: ±9,808Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.273,331 95-%-Konfidenzintervall: ±7,077Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert13 %	7 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert14,667 %	10 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	75 %	Höherer Messwert91,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert20 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert42,192 %	20,185 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert68,571 %	60 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert56,667 %	50 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert84,191 %	65,712 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert48,737 %	46,259 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert20 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	46,833 %	Höherer Messwert56,667 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	85,884 %	Höherer Messwert90,822 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3 (xHigh), Reasoning: xhigh, Harness: Arena Code Arena WebDev GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 2.152 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 4.315 veröffentlichten Paarvergleichen.	Höherer Messwert1.597,944 95-%-Konfidenzintervall: ±13,55Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.580,658 95-%-Konfidenzintervall: ±10,006Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 1.298 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 2.386 veröffentlichten Paarvergleichen.	1.529,417 95-%-Konfidenzintervall: ±16,859Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.530,199 95-%-Konfidenzintervall: ±12,82Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3 (xHigh), Reasoning: xhigh, Harness: Arena Vision, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Vision, style controlMuse Spark 1.3: Arena-Bewertung aus 226 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 453 veröffentlichten Paarvergleichen.	Höherer Messwert1.360,609 95-%-Konfidenzintervall: ±38,015Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.342,756 95-%-Konfidenzintervall: ±28,033Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert0,5 %	0 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert60,859 %	52,416 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert61,111 %	38,889 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	0 %	Höherer Messwert25 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert62,712 %	55,932 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	4,02 / 5	Höherer Messwert4,355 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	55,697 %	Höherer Messwert59,852 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert47,167 %	45,936 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert93,907 %	89,606 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2026 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	42,333 %	Höherer Messwert47,667 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	32,558 %	Höherer Messwert44,186 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Code Arena WebDev GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 4.688 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 4.315 veröffentlichten Paarvergleichen.	Höherer Messwert1.641,977 95-%-Konfidenzintervall: ±9,755Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.580,658 95-%-Konfidenzintervall: ±10,006Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 4.357 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 8.116 veröffentlichten Paarvergleichen.	Höherer Messwert1.536,661 95-%-Konfidenzintervall: ±9,472Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.525,054 95-%-Konfidenzintervall: ±7,559Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Vision, style control GLM-5.3-Flash: Snapshot: glm-5.3-flash, Harness: Arena Vision, style controlMuse Spark 1.3: Arena-Bewertung aus 253 veröffentlichten Paarvergleichen.GLM-5.3-Flash: Arena-Bewertung aus 453 veröffentlichten Paarvergleichen.	1.342,141 95-%-Konfidenzintervall: ±37,194Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.342,756 95-%-Konfidenzintervall: ±28,033Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
ProgramBenchRaw Pass Rate Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: raw test pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert71,722 %	48,609 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchCurrent & Temporal Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert49,769 %	43,197 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	Höherer Messwert78,182 %	73,939 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0ML Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens	21,212 %	Höherer Messwert51,515 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceLife Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens GLM-5.3-Flash: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Höherer Messwert15,789 %	5,263 %	Vals AI Quellendetails Datenstand: 14.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

Muse Spark 1.3

In dieser Runde nicht verfügbar

GLM-5.3-Flash

In dieser Runde nicht verfügbar

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Muse Spark 1.3

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: meta/muse-spark-1.3
API-Modell laut Antwort: meta/muse-spark-1.3
Reasoning-Einstellung: high
Festgelegter Endpunkt: Meta | meta/muse-spark-1.3-20260902
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 87,9 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (2)

01.10.2026Ausgabe aus Sicherheitsgründen nicht dargestelltReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

GLM-5.3-Flash

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: z-ai/glm-5.3-flash
API-Modell laut Antwort: z-ai/glm-5.3-flash
Reasoning-Einstellung: high
Festgelegter Endpunkt: Z.AI | z-ai/glm-5.3-flash-20260826
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 49,7 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Muse Spark 1.3 und GLM-5.3-Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Muse Spark 1.3 vs. GLM-5.3-Flash

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Muse Spark 1.3

GLM-5.3-Flash

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche