Самая умная модель стоит в 7,5 раза дороже: GLM-5.3 отстаёт от Fable 5.1 на 6 баллов

Гвидо Империале свёл на одном графике интеллект моделей и цену одной задачи и упёрся в закон убывающей отдачи. Топ Anthropic и OpenAI дорог даже крупным корпорациям, а дешёвые китайские модели стоят как подписка на мобильную связь.

Разрыв в цифрах. Индекс интеллекта Artificial Analysis — среднее по десяти бенчмаркам, а цена задачи считается как полная стоимость прогона индекса, делённая на число задач.

- Fable 5.1: 66 баллов, $3,69 за задачу - GLM-5.3: 60 баллов, $0,49 - GLM-5.3-Flash на высоких настройках: 55 баллов, $0,023 - Qwen3.8-27B: 52 балла, $0,015

Между первой и второй строкой 6 баллов разницы и переплата в 7,5 раза. Между первой и третьей — 11 баллов и разница в цене в 160 раз.

Хватает на 90%. Империале пишет, что GLM-5.3-Flash заметно слабее на очень сложных задачах вроде сборки целого проекта одним заходом, но закрывает 90% того, что людям реально нужно.

Автор посчитал и домашний вариант. Под Flash-модели нужно 128 ГБ памяти: Strix Halo за $3 600, DGX Spark за $4 300 или Mac Studio M5 Max за $5 100. Полный GLM-5.3 требует 512 ГБ, то есть двух Mac Studio M5 Ultra за $22 600.

Цену локальных прогонов Империале считал по скорости декода на видеокарте RTX 3090 и разнице между пиковым и холостым энергопотреблением при $0,2049 за кВт·ч.

Официальные API-цены open-weights моделей часто заметно дороже, поэтому шесть моделей на графике пересчитаны по прайсу OpenRouter. Парето-фронт после пересчёта сдвинулся.

В обсуждении на Hacker News придрались к самой картинке: Империале ругает логарифмическую шкалу Artificial Analysis за то, что она прячет масштаб разрыва, а потом сам делает зум в дешёвую зону своего линейного графика.

Дальше выбор упирается не в баллы индекса, а в цену одной задачи.