Together AI、GLM-5.3 と Claude Fable 5 を DeepSWE で比較

記事の3ポイント

1. 1

   精度における実質的引き分け

   DeepSWE ベンチマークにおける初回試行（pass@1）では、Claude Fable 5 が 69.7%、GLM-5.3 が 69.0% と誤差範囲内で互角であり、品質面で明確な優劣はつけられない。

2. 2

   再試行時の GLM-5.3 の優位性

   複数回の試行（pass@2, pass@4）において GLM-5.3 が Claude Fable 5 を上回っており、高い成功率の上限と低価格を両立している。

3. 3

   劇的なコスト差の実証

   1 回のロールアウトあたりのコストは GLM-5.3 が約$4 で Claude Fable 5 の約$21 と 5.4 倍の差があり、同じ金額で処理できるタスク数も前者が後者の約 6 倍となる。