GLM-5.3-Flashの価格：ローンチ割引適用前後の費用

GLM-5.3-Flashは現在半額です。この割引は2026年9月9日に終了し、終了すると現在の料金に基づいたすべての費用予測は2倍になります。

この記事では、モデルの現在の費用、割引終了後の費用、代替案との比較、そしてその違いがあなたのワークロードにとって実際に重要かどうかを判断する方法について説明します。すべての数値は2026年8月27日に検証されており、料金ページは変更される可能性があるため、予算を確定する前にプロバイダーに確認してください。

料金表

Artificial Analysisは、キャッシュヒット、入力、出力の比率を7:2:1として、ブレンドされた数値である100万トークンあたり$0.10を公開しています。これは比較検討のための有用な単一の数値ですが、実際の請求額はご自身の比率によって決まります。

実際の費用

抽象的な100万トークンあたりの料金は理解しにくいため、ここでは9月9日以降の計画にとって重要な数値である通常価格での具体的な3つのワークロードを紹介します。

サポート分類器。 月間10万件のチケット、それぞれ約800の入力トークンと100の出力トークン。これは8,000万の入力トークンと1,000万の出力トークンに相当します。入力は$12.00、出力は$5.00で、合計月額$17です。reasoning_effortをlowに設定すると、出力側はさらに減少します。

コーディングアシスタント。 1日あたり500セッション、1セッションあたり約15,000の入力トークン（その多くは繰り返されるファイルコンテキスト）と2,000の出力トークン。月間では2億2,500万の入力トークンと3,000万の出力トークンになります。キャッシングなしの場合：$33.75 + $15.00で$48.75。入力の70%がキャッシュにヒットする場合：入力は約$14.85に減少し、合計約$30になります。

画像を含むドキュメントパイプライン。 月間1万ドキュメント、それぞれ画像コンテンツを含めて約4万トークン、および1,500の出力トークン。これは4億の入力トークンと1,500万の出力トークンに相当します。入力は$60.00、出力は$7.50で、ビジョンを必要とする作業には月額$67.50です。

これらはどれも大きな数字ではありません。それがこのモデルのポイントです。

キャッシュされた入力が最大のレバー

新しい入力の100万トークンあたり$0.15に対し、キャッシュされた入力は100万トークンあたり$0.03であるため、キャッシュされたトークンはキャッシュされていないトークンの5分の1の費用です。安定したプレフィックス、システムプロンプト、繰り返し質問されるドキュメント、コンテキスト内のコードベースを持つワークロードは、プレフィックスが呼び出し間で同一に保たれるように構成する必要があります。

キャッシュヒット率を密かに破壊する間違いは、プロンプトの先頭近くに可変なものを配置することです。システムプロンプト内のタイムスタンプ、リクエストID、またはユーザー名によって、その後のすべてが無効になります。安定したコンテンツを最初に、可変コンテンツを最後に配置してください。

Z.aiは、期間限定でキャッシュ済み入力ストレージも無料と記載しています。これはプロモーションとして扱い、それに依存するアーキテクチャを構築するのではなく、現在の規約を確認してください。

第二のレバーは推論努力 (reasoning effort)

このモデルでは、reasoning_effortはデフォルトでmaxに設定されています。これは最も高価な設定であり、このパラメータを一度も変更しない場合に適用されます。

3つのモードはlow、high、maxです。推論トークンは出力として課金されるため、検討を必要としないタスクでは、誰も読まない思考のために出力料金を支払うことになります。分類、抽出、ルーティング、フォーマットの場合、lowは出力側を大幅に削減できます。

設定については、当社のAPIガイドで説明しています。これは1行の変更であり、上記の計算よりも請求額が高いと思われる場合に最初に試すべきことです。

比較

同じシリーズのモデルとの比較（通常価格）：

Artificial Analysis Intelligence Indexで57対60という3ポイントの差に対して、約9倍の差があります。当社の詳細な比較では、このトレードオフが不適切となる場合について説明しています。簡潔に言えば、GLM-5.3はほぼ2倍の速さで生成するため、待機している人間に長い応答をストリーミングする場合です。

GLM-5.2と比較して、Z.aiの主張では、タスクあたりの費用が$0.045であることに加えて、約10分の1の価格です。GLM-5.2の料金内訳には、移行を予算化している場合のために古い料金表が掲載されています。

他のベンダーの安価なマルチモーダルティアと比較して、GLM-5.3-Flashは価格競争力があり、MITライセンスである点が珍しく、これによりセルフホスティングの選択肢が残されています。当社のGemini 3.7 Flash料金解説記事では、Google側の最も近い比較対象について説明しています。

リセラー価格は異なる場合があり、時には大きく

このモデルは、Z.aiから直接、さらにOpenRouter、Cloudflare Workers AI、Vercel AI Gateway、DeepInfra、Novita、GMICloud、Baseten、そしてio.netを通じて利用できます。

これらはすべて同じ料金ではありません。例えば、AIHubMixは入力約$0.113、出力約$0.394の料金を提示しており、これはZ.aiのプロモーション価格と通常価格の中間に位置します。一部のプロバイダーはローンチ割引を適用しますが、そうでないプロバイダーもあります。

アグリゲーターを経由して利用する場合、Z.aiと同じ料金だと仮定するのではなく、現在の料金を確認してください。統合されたゲートウェイの利便性にはマージンが含まれることがあり、この絶対的な価格レベルでは、パーセンテージでの上乗せは見過ごされやすく、許容されやすいものです。

セルフホスティングが有利になる時

ウェイトはMITライセンスなので、自分で実行することは現実的な選択肢であり、API価格がこれほど低くなったことで、セルフホスティングの損益分岐点計算は難しくなりました。

おおよその目安として：フル精度での提供には8x H200クラスのノードが必要で、これはレンタルクラウド容量で1日あたり$24から$48程度の費用がかかります。ノードが稼働中であろうとアイドル状態であろうと発生する固定費用として、月額$1,000としましょう。

通常API価格では、$1,000で約67億の入力トークンを購入できます。ノードの固定費用がそれを上回るには、非常に大量かつ継続的な利用が必要です。ほとんどのチームにとって、正直なところ、GLM-5.3-Flashのセルフホスティングは費用よりも、制御、データ所在地、またはライセンスに関するものです。

例外は量子化された（quantized）ティアです。GGUF量子化が存在し、すでに所有しているハードウェアで量子化されたモデルを実行すると、限界費用が電気代であるため、計算は完全に変わります。当社のローカル実行ガイドでは、各ハードウェアティアで実際に何ができるかについて説明しています。

コーディングプランの代替案

利用がAPI呼び出しを行うアプリケーションではなく、Claude CodeまたはClineで作業する開発者である場合、トークンあたりの料金設定は完全に間違ったモデルである可能性があります。GLMコーディングプランは月額約$18から始まり、GLM-5.3-Flashを含み、GLM-5.3の3倍の利用可能クォータが付与されると報告されています。Z.aiのドキュメントには、オフピーク時の呼び出しは標準ポイントの半分を消費するとも記載されています。

毎日コーディングを行う一人の開発者にとって、定額プランは通常、従量課金制のAPIアクセスよりも安価で、常に予測可能です。当社のハーネス設定ガイドではその接続方法を、コーディングプランの比較ではGLMプランと代替案を比較しています。

出力側に注目

入力の価格設定は、その量が多いという理由で注目を集めます。しかし、予算が実際に破綻するのは出力側であり、それには2つの理由があります。

出力は、1トークンあたり$0.15の入力コストに対し、$0.50と3倍以上の費用がかかります。また、推論トークンは出力として課金されます。maxの推論努力に設定されたモデルは、最終的な回答に表示されるよりも数倍多くのトークンを生成する可能性があり、そのすべてが出力料金で課金されます。

この組み合わせは、控えめなプロンプトと多弁なモデルを持つアプリケーションが、書面上では入力集中型に見えても、最終的には出力が支配的になる可能性があることを意味します。100万トークンあたり$0.10というブレンドされた数値は、多くの実際のワークロードには合致しない7:2:1の比率を前提としています。

解決策は、推測ではなく測定です。すべての完了応答には、その呼び出しのトークン数を含むusageオブジェクトが含まれています。それをログに記録し、集計し、予算を立てた仮定と実際の比率を比較してください。出力が合計トークンの約15%を超えている場合、最初に確認すべきはreasoning_effortであり、次にプロンプトの長さです。

9月9日までにすべきこと

割引期間中にやっておくべき3つのこと：

1. 実際のトークンミックスを測定する。ブレンドされた料金は7:2:1を前提としています。もし出力が多ければ、実効コストはブレンドされた$0.10よりも、$0.50の出力レートに近くなります。
2. キャッシュヒット率を確認する。キャッシュされた入力と新しい入力の間には5倍の価格差があるため、ここが費用節約の鍵となります。
3. 通常価格でコストモデルを再実行する。9月10日にはすべてが2倍になります。プロモーション価格でしか採算が合わないワークロードであれば、2週間後ではなく、今すぐ解決すべき問題です。

実際のトークン使用量を追跡するには、各完了応答に含まれるusageオブジェクトに入力、出力、およびキャッシュ済みトークンの必要な数が含まれているため、実際の応答をキャプチャする必要があります。代表的な呼び出しをApidogの保存済みコレクションとして、モデルIDを環境変数として実行すると、リクエストごとにこれらの数値が得られ、GLM-5.3に対して同じスイートを再実行して、マーケティングではなく実際の請求額を比較できます。

よくある質問 (FAQ)

GLM-5.3-Flashは無料ですか？ いいえ。ローンチ前に「ox-alpha」として匿名で稼働していた約1週間は無料でしたが、発表時に終了しました。現在の50%割引は無料と同じではありません。

割引はいつ正確に終了しますか？ 2026年9月9日です。それ以降は通常価格が適用されます。

なぜ異なるサイトで異なる価格が提示されているのですか？ 一部のサイトはプロモーション価格を、一部は通常価格を提示しており、リセラーは独自のマージンを設定しています。実際に利用するプロバイダーの情報を必ず確認してください。

画像入力は追加費用がかかりますか？ 画像はコンテキストトークンを消費し、入力として課金されます。別途画像に対する追加料金はありませんが、高解像度の画像はかなりの数のトークンを消費します。

セルフホストの方が安価ですか？ 非常に大規模で継続的なボリュームがある場合、またはすでに所有しているハードウェアで量子化されたビルドを使用する場合に限ります。100万入力トークンあたり$0.15という価格では、8x H200ノードをレンタルするのはコストのみでは正当化が難しいです。