Together AI、GLM-5.3 と Flash の DeepSWE ベンチ比較結果を公開

記事の3ポイント

1. 1

   カスケード構成による最適解の発見

   GLM-5.3 Flash をまず実行し、失敗した場合のみフルモデル GLM-5.3 に昇格させる構成が、タスクあたり$1.70 で 80.9% の解決率を達成した。

2. 2

   コスト対性能の劇的な改善

   単体での GLM-5.3 は 69.0% の解決率で$3.99かかるが、カスケード構成では 12 ポイント向上し、コストは 57% 低下する。

3. 3

   Flash モデルの特性と限界

   Flash は初回試行でフルモデルより劣るが、再試行による信頼性の回復効果が高く、一部のタスクでは親モデルよりも安定している。