Novo Cadastre-se grátis, 10 chamadas por nossa conta. Até US$ 1, sem cartão.

Gemini 3.6 Flash vs GLM-5

vs

Qual usar, quando

Escolha gemini-3.6-flash quando a própria entrada não for texto puro: ele aceita imagem, vídeo e áudio junto com texto (entrada de áudio cobrada a $5 por milhão de tokens de áudio), tem contexto de 1048576 tokens contra 200000 e suas leituras de cache de $0.15 ficam abaixo dos $0.2 do glm-5. Escolha glm-5 para trabalho só de texto com respostas longas: a $1 de entrada e $3.2 de saída sai cerca de 1.5x mais barato na entrada e 2.3x mais barato na saída do que $1.5 e $7.5, permite até 131072 tokens de saída contra 65536 e seu pensamento pode ser desligado, enquanto gemini-3.6-flash sempre pensa.

Benchmarks

Acima da médiaNenhum melhorGemini 3.6 Flash6 / 191 / 19GLM-515 / 522 / 52
Gemini 3.6 Flash GLM-5 outros modelos medidos média dos modelos comparados nenhum outro modelo pontuou mais alto
SWE-Bench Pro
N/A
55.1%
BioMysteryBench hard
41.2%
N/A
OSWorld 2.0
33.8%
N/A
Cybergym
N/A
43.2%
GDPval-AA v2 Elo · 642-1861
1422
N/A
Harvey Lab-AA
85.1%
N/A
GPQA Diamond
N/A
86%
BrowseComp
N/A
62%
LVBench
84.2%
N/A

Publicado pelos fornecedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Preços

Gemini 3.6 Flash GLM-5 Δ
Entrada / 1M tokens $1.5 $1 1.5×
Saída / 1M tokens $7.5 $3.2 2.3×
Leitura de cache / 1M tokens $0.15 $0.2 0.75×

Tarifas do catálogo em tempo real no momento do build; a página de cada modelo contém o cartão atual.

Onde eles se posicionam - preço de entrada por 1M tokens entre todos os 64 modelos de chat nesta unidade de cobrança (escala logarítmica)

Gemini 3.6 Flash · $1.5 GLM-5 · $1
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

Gemini 3.6 Flash GLM-5
Uso de ferramentas sim sim
Controle de raciocínio sempre ativo configurável
Saída estruturada sim sim
Cache de prompt implícito + explícito implícito (automático)
Tempo de vida do cache não publicado não publicado
Prefixo mínimo em cache 4096 tokens não publicado

Especificações

Gemini 3.6 Flash GLM-5
Modalidades de entrada texto imagem áudio vídeo texto
Modalidades de saída texto texto
Lançamento - 2026-02-12
Corte de conhecimento 2026-03 -
Janela de contexto 1M 200K
Saída máxima 66K 131K
Parâmetro de raciocínio thinkingLevel thinking.type
Valores aceitos
  • minimal
  • low
  • medium
  • high
thinking.type
  • enabled
  • disabled
Padrão medium enabled, and on GLM-5 the model automatically determines whether to think

As especificações são transcritas da documentação de cada fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: Gemini 3.6 Flash · GLM-5

Um prompt, ambos os modelos - medidos pelo gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAR exatamente 3 frases

Gemini 3.6 Flash passou · 3 sentences

Enabling reasoning causes the model to generate thousands of internal "thinking" tokens behind the scenes to process logic before delivering the final response. Because our vendor bills us for every token generated—including these intermediate processing steps—our billable output volume per query surged significantly. Since output tokens carry a much higher unit cost than input tokens, this jump in processing volume directly doubled our overall spend.

saída 893 tok (+816 pensamento) latência 4.7 s

GLM-5 passou · 3 sentences

Enabling reasoning forces the model to perform multiple hidden steps to "think" through a problem, drastically increasing the volume of data processed per query compared to a standard response. Because our billing is directly tied to this processing volume, the additional computational work required for higher accuracy has proportionally doubled our consumption. Essentially, the spike reflects a trade-off where we are paying a higher variable cost to secure significantly better analytical outcomes.

saída 1393 tok (+1308 pensamento) latência 36.0 s

Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VERIFICAR a correção passa nos testes

Gemini 3.6 Flash passou · 8/8 cases

Here is the fixed function along with an explanation of the bugs: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ### Explanation The original function initialized `cur` and `best` to `0` and incremented `cur` on matching adjacent items, which meant it was counting identical adjacent *pairs* rather than the total number of *elements* in a run. This caused single-element inputs to skip the loop and return `0` instead of `1`, and undercounted all run lengths by 1 (for example, a run of two items at the end of the list resulted in `cur = 1`). […]

saída 2034 tok (+1768 pensamento) latência 10.0 s

GLM-5 passou · 8/8 cases

Here is the fixed code: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **Explanation:** The bug stems from initializing `best` and `cur` to zero, which causes the function to count the number of *transitions* between adjacent elements rather than the total number of items in the run, resulting in a return value that is always one less than the actual length (reporting 0 for a single element and 1 for a pair). By initializing the counters to 1 and resetting `cur` to 1 when a streak breaks, the logic correctly counts the items themselves; adding an explicit check for an empty list ensures the function handles the zero-element edge case correctly.

saída 2907 tok (+2694 pensamento) latência 73.7 s

Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VERIFICAR JSON válido, esquema exato

Gemini 3.6 Flash passou · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```

saída 2843 tok (+2783 pensamento) latência 13.1 s

GLM-5 passou · 5/5 fields, guidance "withheld pending the Q4 close"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld pending the Q4 close" } ```

saída 3620 tok (+3561 pensamento) latência 91.8 s

Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VERIFICAR 120 palavras, 0 palavras proibidas

Gemini 3.6 Flash falhou · 60 words, 0 banned, 0 questions

72: reducing 73: your 74: monthly 75: token 76: spend. S6 (21): 77: You 78: can 79: easily 80: set 81: custom 82: expiration 83: rules, 84: configure 85: TTL 86: settings, 87: and 88: manage 89: cache 90: invalidation 91: across 92: all 93: vendors 94: from 95: one 96: centralized 97: dashboard. S7 (23): 98: Start 99: optimizing […]

saída 4092 tok (+3929 pensamento) latência 16.3 s

GLM-5 passou · 119 words, 0 banned, 1 question

We are thrilled to introduce Global Prompt Caching, a powerful new capability within our API gateway designed to optimize your AI operations. By intelligently storing prompt responses across every supported provider, this feature drastically reduces latency and cuts operational costs. Instead of processing identical requests repeatedly, our system serves cached results instantly, ensuring consistent performance even during high-traffic periods. Why pay full price for repeated inference on the same inputs? This update gives developers fine-grained control over cache lifetimes and hit rates, allowing for predictable budgeting and faster application response times. You can activate this functionality directly in your dashboard settings today. Start maximizing your efficiency now and deliver a snappier experience to your end-users without unnecessary API expenditure.

saída 715 tok (+571 pensamento) latência 18.9 s

Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.

Alterne entre eles com uma linha

Ambos os IDs estão em todas as abas abaixo - o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-3.6-flash",
    # model="glm-5",  # descomente esta linha, comente a linha acima
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

Obtenha sua chave API →

FAQ

Qual é mais barato, Gemini 3.6 Flash ou GLM-5?

GLM-5 é mais barato em entrada / 1m tokens ($1 vs $1.5, com 1.5× de diferença). Outras linhas podem apontar para o outro lado - a tabela acima traz o quadro completo, e o custo real depende do seu mix.

Posso fazer um teste A/B de Gemini 3.6 Flash contra GLM-5 sem duas integrações?

Sim. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API - a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.

Gemini 3.6 Flash e GLM-5 suportam prompt caching?

Sim - ambos cobram leituras em cache abaixo da sua taxa de entrada, então cargas de trabalho com warm-prefix custam menos do que as taxas listadas sugerem. As linhas exatas de leitura em cache estão na tabela de preços acima.

Comparações relacionadas

De nossos estudos medidos