Z.aiは2026年8月26日にGLM-5.3-Flashをリリースしました。これは3200億のパラメータを持つ混合専門家モデルで、180億のアクティブパラメータを備え、MITライセンスの下で提供されます。GLM-5シリーズで初めて、ボルトオンの視覚アダプターを介さずに画像をネイティブに処理するモデルです。
また、多くの開発者が知らずにすでに1週間使っていたモデルでもあります。詳細は後述します。
もし「Flash」が「速い」を意味すると期待してこの記事にたどり着いたのなら、それは違います。この命名規則はGoogleに由来し、GoogleのFlashモデルは実際に低遅延層を指します。ここでは意味が異なり、その違いを正しく理解することが、このモデルがあなたのワークロードに適しているかどうかの判断を左右します。
TL;DR (要するに)
- 概要: Z.aiから2026年8月26日にリリースされた、オープンウェイト (MIT) の320B-A18B混合専門家モデル。
- 主な変更点: ネイティブなマルチモダリティ。画像、動画、ファイル入力が直接モデルに入力されます。GLM-5.3は視覚を別のアダプター経由でルーティングし、GLM-5.2はテキストのみでした。
- コンテキスト: 1,048,576トークン。GLM-5.3と同じ1Mウィンドウ。
- 本当のセールスポイント: コスト。Z.aiは、GLM-5.2の約10分の1の価格とし、入力トークン100万あたり0.15ドル、出力トークン100万あたり0.50ドルの定価を設定しています。
- 正直な注意点: 高速ではありません。Artificial Analysisの測定では、毎秒48.7出力トークンであり、そのサイズクラスとしては遅いです。ただし、最初のトークンまでの時間（Time to first token）は1.52秒と非常に優れています。
- 入手先: `glm-5.3-flash` としてZ.ai APIから、その他OpenRouter、Cloudflare Workers AI、Vercel AI Gateway、およびいくつかの他のプロバイダーから。ウェイトはHugging Faceにあります。
仕様
| プロパティ | 値 |
|---|---|
| 総パラメータ数 | 320B |
| アクティブパラメータ数 | 18B |
| アーキテクチャ | 混合専門家、ハイブリッド線形およびスパースアテンション |
| ライセンス | MIT |
| コンテキストウィンドウ | 1,048,576トークン |
| 入力モダリティ | テキスト、画像、動画、ファイル |
| 出力 | テキスト |
| 推論モード | low、high、max (デフォルト max) |
| APIモデルID | glm-5.3-flash |
| Hugging Face | zai-org/GLM-5.3-Flash |
慎重に扱うべき数字が一つあります。最大出力トークンです。OpenRouterでは131,072と記載されており、Hugging Faceのモデルカードでは163,840と示されています。これらの情報源は異なっており、Z.aiはこれを解決する数字を公開していません。もしアプリケーションが非常に長い単一生成に依存している場合、それに基づいて構築する前に、実際のプロバイダーに対して制限を確認してください。
ネイティブなマルチモダリティこそが本当のニュースです
GLMシリーズのこれまでの視覚機能はすべて、個別のモデルまたは個別の経路として提供されていました。Z.aiはGLM-5V-TurboとGLM-4.6Vをそれぞれ異なる視覚モデルとして出荷しました。GLMモデルにスクリーンショットを見せたい場合、テキストトラフィックが使用するエンドポイントとは異なるエンドポイントを呼び出す必要がありました。
GLM-5.3-Flashはそれを統合します。画像、動画、ファイルは、テキストを伴う同じチャット完了リクエスト内のコンテンツブロックとして扱われます。1つのモデルID、1つの請求項目、そして画像と周囲の100万トークンのテキストを同時に保持する1つのコンテキストウィンドウが存在します。
その最後の部分が興味深い点です。画像も受け入れる1Mトークンのコンテキストウィンドウは、長い仕様書とレンダリング結果のスクリーンショットを同じプロンプトに入れ、モデルにそれらを調整させることを意味します。Z.ai自身の説明もこの点に重点を置いており、モデルが「インターフェース、レンダリング結果、インタラクションフィードバック」を観察すると述べています。これは写真キャプション付けではなく、コーディングエージェントのユースケースです。
視覚モデルをより広く扱っている場合、GLM-5V-TurboのAPIガイドは従来の専用視覚アプローチを、文書理解のためのGLM-OCRは専門的なケースをカバーしています。
アーキテクチャの概要
Z.aiはGLM-5.2の事後学習ではなく、新しいベースモデル上にGLM-5.3-Flashを構築しました。その挙動において重要な2つの設計上の選択があります。
ハイブリッドアテンション。 このモデルは線形アテンションとスパースアテンションを組み合わせています。線形アテンションは局所的な依存関係を低コストで処理し、スパースアテンションはグローバルに関連するトークンにアクセスします。公表されている結果は、GLM-5.3よりもアテンション計算量が約3分の1に、KVキャッシュが約4.4分の1に削減されたというものです。
多様体制約型ハイパーコネクション。 これは、Z.aiが今回のリリースで達成したスケーリング効率化作業に対する用語です。これを独自に評価するのに十分な詳細がまだ公開されていないため、実証済みの利点としてではなく、ベンダーが説明するアーキテクチャ機能として扱ってください。
KVキャッシュの削減は、明白な実用的な結果をもたらす部分です。KVキャッシュは、長いコンテキストの推論をメモリ面で高価にする要因であり、それを4.4倍に縮小したことが、このモデルが1Mウィンドウを維持しながらGLM-5.2の10分の1の価格で提供できる主な理由です。
トレーニングには、Z.aiが約30兆のマルチモーダルトークンであると説明するコーパスが使用されました。
名称について
Artificial AnalysisはGLM-5.3-Flashの毎秒48.7出力トークンを測定しています。これは、同等のサイズのオープンウェイトモデルの中では低い部類に入ります。より大きな兄弟モデルであるGLM-5.3は、同じ測定で毎秒約86トークンで動作します。
つまり、Flashモデルは非Flashモデルのおよそ半分の速度です。
優れている点は、最初のトークンまでの時間で、オープンウェイトモデルの中央値2.14秒に対し、1.52秒を達成しています。もしあなたのワークロードが多くの短いインタラクティブなやり取りであるなら、この応答性は非常に重要です。長い文書を生成するワークロードの場合、GLM-5.3を使用するよりも長く待つことになるでしょう。
このモデルが提供する効率性は、ウォールクロック生成速度ではなく、コストとメモリにあります。より小さなKVキャッシュと低いアテンション計算量は、トークンあたりの価格の安さと、より小さなサービスフットプリントに繋がります。これらはストリーミングの高速化には繋がりません。
これは重要です。なぜなら、発売後の数日間に公開されたほとんどの報道が、ベンダーの説明をそのまま繰り返し、ずっと公開されていたスループットの数値を確認していなかったからです。このモデルは安価で画像を扱えるから選ぶべきであり、高速ストリーミングを期待して選ぶべきではありません。
ベンチマーク
Z.aiが発表したリリース時の数値です。第三者が再現するまでは、ベンダーの主張として読んでください。
独立した数値はArtificial Analysisによるもので、GLM-5.3-FlashはIntelligence Index v4.1.1で57を獲得しています。GLM-5.3は60点でした。同サイズのオープンウェイトモデルの中央値が27であるため、その上位モデルを下回るものの、57は同クラスとしては強力な結果です。
Z.aiは、このモデルがコーディングおよびエージェント作業においてClaude Opus 4.8に近づいていると位置付けています。これはベンダー自身の内部評価によるものであり、第三者の測定結果ではありません。また、GLM-5.3とのIntelligence Indexで3ポイントの差があることから、ある程度の抑制が必要であることを示唆しています。
以前のリリースでGLMベンチマークがどのように発展してきたかについては、GLM-5.2ベンチマークの内訳に関する記事で、これらの評価が実際に何を測定しているかを説明しています。
Ox Alphaの1週間
8月20日、`ox-alpha`と呼ばれる匿名のモデルが、1Mトークンのコンテキストウィンドウとゼロ価格でサードパーティの推論プラットフォームに登場しました。数日以内に、これらのプラットフォームで最も使用されるモデルの一つとなりました。コミュニティは、その出力特性に基づいて約48時間以内にZhipu製であると特定しました。
8月26日、Z.aiはそれを認めました。Ox AlphaはGLM-5.3-Flashであり、無料の1週間は意図的なロードテストでした。
Z.aiはまた、その週の間、すべてのトラフィックがSGLangベースのスタックを使用して中国国内のアクセラレータ上で処理され、トークンあたりの提供コストが主流のNVIDIAハードウェアに匹敵すると主張しています。これは、独立した検証がないベンダー自身のインフラに関する主張であるため、それに応じて判断してください。
私たちは以前にも、Pony AlphaがDeepSeekまたはGLMモデルであることが判明した際に、このパターンを記事にしました。サードパーティのルーター上でのステルスローンチは、標準的なリリース前段階になりつつあり、疑わしいほど丸いコンテキストウィンドウを持つ異常に高性能な匿名モデルは、ほぼ常に、誰かの未発表の主力製品が評価データを収集しているものと考えるのが妥当です。
実際の使用方法
- ホスト型API。 Z.aiのエンドポイントはOpenAI互換です。既存のクライアントを
https://api.z.ai/api/paas/v4/に向け、モデルをglm-5.3-flashに設定してください。GLM-5.3-Flash APIガイドでは、認証、画像入力ペイロード、および推論労力パラメータについて詳しく解説しています。 - サードパーティプロバイダー。 OpenRouterでは
z-ai/glm-5.3-flashとして提供されています。また、Cloudflare Workers AI、Vercel AI Gateway、DeepInfra、Novita、GMICloud、Baseten、およびio.netでも利用可能です。価格はリセラーによって異なり、時には大幅な差があります。 - コーディングエージェント。 FlashはGLMコーディングプランに含まれており、GLM-5.3の3倍の使用可能なクォータがあると言われています。これが加入者が乗り換える実用的な理由です。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しか消費しないとも記載されています。
- セルフホスト型。 ウェイトはMITライセンスでHugging Faceにあります。vLLM、SGLang、TokenSpeed、KTransformersはすべてこれをサポートしており、小規模な環境向けにGGUF量子化も存在します。
使うべきでしょうか？
テキストと同じ呼び出しで画像または動画理解が必要な場合、トークンあたりのコストが最適化の制約である場合、または寛容なライセンスの下でセルフホストできるオープンウェイトを求める場合は、GLM-5.3-Flashを使用してください。
推論品質の最後の数ポイントが必要な場合、または価格よりも生成スループットが重要な場合は、代わりにGLM-5.3を選択してください。両者の比較では、その決定について詳細に解説しており、GLM-5.3とは何かでは、ベースモデルそのものについて説明しています。
どちらを選択するにしても、モデルの切り替えはOpenAI互換のエンドポイントでモデルIDを一行変更するだけであり、誰かのベンチマーク表を信用するのではなく、自身のワークロードに対して両方を簡単にテストできます。それが問題を解決する正しい方法です。
モデルの切り替えを適切にテストするとは、実際の要求を送信し、実際の応答を確認することを意味します。これには、curlで手動で作成するのが難しいマルチモーダルな応答も含まれます。Apidogを使用すると、これらの呼び出しをアサーション付きの再利用可能なコレクションとして保存できるため、GLM-5.3からFlashに移行する際に、本番環境で問題を発見するのではなく、応答形式が変わっていないことを確認できます。
よくある質問
- GLM-5.3-Flashは無料ですか？ いいえ、もう無料ではありません。無料のOx Alphaウィークはモデルが正式発表されたときに終了しました。2026年9月9日まで50%のローンチ割引が適用され、その後は定価になります。
- GLM-5.3よりも速いですか？ いいえ。GLM-5.3の毎秒86トークンに対し、約49トークンを生成します。ただし、最初のトークンまでの時間は1.52秒と、より早く応答を開始します。
- 本当に100万トークンのコンテキストを扱えますか？ 設定されたウィンドウは1,048,576トークンであり、モデル設定とArtificial Analysisによって確認されています。OpenRouterでは1,310,720というより大きな数字が記載されていますが、これはモデル仕様ではなくプロバイダー側のリストとして扱ってください。
- 動画を受け入れますか？ Z.aiのドキュメントには、テキスト、画像、動画、ファイルの入力が記載されています。動画のサポートは画像の入力よりも新しく、広く使用されていないため、それに依存する前に自身のメディアで検証してください。
- ウェイトのライセンスは何ですか？ MITライセンスで、ウェイトはHugging Faceの
zai-org/GLM-5.3-Flashで公開されています。