GLM-5.3 API の使い方

Zhipu AIは、国際的にはZ.aiとして事業を展開する中国の研究機関ですが、2026年8月14日にGLM-5.3をリリースしました。そのコーディングに関する数値がその性能を物語っています。社内評価によると、コーディング能力はGLM-5.2から50%向上し、Terminal-Bench 3.0のスコアは4.6から28.3に急上昇しました。Zhipuは、BigGoの発表レポートによれば、このモデルのコーディングおよびエージェント能力を「Claude Fable 5に匹敵する」と評価しています。オープンウェイトは約2週間後に公開されます。GLM-5.3の全機能とベンチマーク表については、GLM-5.3とは何かをご覧ください。この記事は、APIのハンズオンクイックスタートガイドです。ここでは、APIキーの取得、cURLでの最初の呼び出し、OpenAI SDKを介したPythonおよびNode.jsへの移植、トークンのストリーミング、重要なパラメーターの調整、そしてアプリケーションコードを記述する前にリクエストの形状を固定するために、すべてのループをApidogに組み込む方法を説明します。最初に良いニュースです。Z.aiのAPIはOpenAI互換です。OpenAIスタイルのエンドポイントを呼び出した経験があるなら、ほとんどのことはすでに理解しているでしょう。コードの前に一つ注意点があります。GLM-5.3は本日出荷され、Zhipuのドキュメントはリリース日に急速に更新されます。私が確認した時点で公式ドキュメントから直接得られた情報は検証済みとして提示します。ドキュメントがまだ追いついていないものは、GLM-5ファミリーの慣例としてフラグを立て、現状を自分で確認できるようにリンクを記載しています。

TL;DR（要するに）

GLM-5.3は2026年8月14日にリリースされました。Zhipuの社内評価によると、GLM-5.2と比較してコーディング能力が50%向上し、Terminal-Bench 3.0のスコアは4.6から28.3に急上昇しました。Terminal-Bench 3.0とAgents’ Last Examの両方でオープンソースモデルの中で1位にランクされています。
APIはOpenAI互換です。国際的なエンドポイントは、Authorization: Bearer $GLM_API_KEY ヘッダーを持つ POST https://api.z.ai/api/paas/v4/chat/completions です。中国本土向けは https://open.bigmodel.cn/api/paas/v4/chat/completions です。
執筆時点では、GLM-5のドキュメントページにはモデルIDとしてglm-5が記載されていました。Zhipuの料金ページではglm-5.2とglm-5.1が別モデルとしてリストされているため、glm-5.3も同様のドット表記に従うと予想されます。ハードコーディングする前に確認してください。
リリース時点では、Zhipuは5.3固有のAPI料金を公開していませんでした。参考までに、公式料金ページでは、GLM-5.2が100万入力トークンあたり1.40ドル、100万出力トークンあたり4.40ドル、GLM-5が1.00ドルと3.20ドルと記載されていました。
オープンウェイトは2026年8月28日頃にHugging Faceで公開されます。GLM Coding Planのクォータは8月14日にすべてのユーザーに対してリセットされました。
まずApidogでテストしてください。地域ごとのエンドポイントごとに環境を1つずつ設定し、モデルIDを変数の背後に置き、プロンプトの繰り返しでトークンが課金されないように応答をフィクスチャとして保存します。

GLM-5.3が重要な理由

ベースモデルは変更されていません。今回のリリースにおけるすべての向上は、GLM-5の上での大規模な後学習によるものであり、その飛躍の大きさは異例です。Terminal-Bench 3.0は4.6から28.3へと6.2倍に上昇し、GLMはこのベンチマークとAgents’ Last Examの両方で、関連性の低いものからオープンソースモデルのトップへと躍り出ました。SWE-MarathonはGLM-5.2に対してほぼ2倍になりました。セキュリティ面では、CyberGymは84.5%を記録し、Claude Mythos 5およびGPT-5.6 Solをわずかに上回りましたが、ExploitBenchは54.4%で、フロンティアモデルにはまだ及びません。情報源に注意してください。コーディング能力50%向上という主張やこれらのスコアのいくつかはZhipu自身の評価によるものであり、第三者機関が再現するまではベンダーレポートとして扱うべきです。

内部のアーキテクチャはGLM-5ファミリーのベースラインであり、Z.aiのドキュメントによると、合計7440億のパラメータを持つMixture of Experts設計で、フォワードパスごとに約400億がアクティブになり、20万トークンのコンテキストウィンドウを備えています。これらはファミリーの仕様であり、5.3固有の主張ではありません。

今回のリリースがAPIユーザーにとって重要な理由は他に2つあります。まず、Zhipuは、Pandailyのローンチ報道によると、これまでのところ最も広範なリスクレビューシステムと合わせて、リリースから約2週間後の8月28日頃にGLM-5.3のオープンウェイトを公開すると述べています。セルフホスティングがロードマップにある場合、本日設定するAPIは回帰テストのベースラインとしても機能します。GLM-5.3セルフホスティング準備ガイドでその詳細を説明しています。第二に、Seeking AlphaはZhipuを「中国のOpenAIチャレンジャー」と位置づけており、この能力レベルでのオープンウェイトのリリースは市場全体の価格を動かす傾向があります。

APIキーの取得

プラットフォームは地域によって2つに分かれており、このガイドの残りの部分でもこの区分けが適用されます。

Z.ai (国際版)。 z.aiでサインアップし、APIコンソールを開いてキーを作成します。ドキュメントはdocs.z.aiにあります。これは中国本土以外のユーザー向けのパスであり、この記事の残りの部分ではデフォルトのエンドポイントとなります。

Bigmodel.cn (中国本土版)。 Zhipuの国内プラットフォームはopen.bigmodel.cnです。APIの形状、認証スキームは同じですが、ホストが異なり、課金も別々です。トラフィックが中国本土から発生する場合はこちらを使用してください。遅延とコンプライアンスの両方がその方向を指しています。

どちらのプラットフォームを選択しても、キーを一度エクスポートし、コードから切り離して保持してください。

export GLM_API_KEY="your-key-from-the-console"

従量課金制のAPIではなくGLMコーディングプランをご利用の場合は、8月14日にすべてのユーザーのクォータがリセットされたため、5.3の時代を新たな許容量で開始できる点にご注意ください。

エンドポイントと認証

執筆時点でGLM-5ドキュメントと照合して検証されたチャット補完エンドポイントは次のとおりです。

POST https://api.z.ai/api/paas/v4/chat/completions

中国本土ではホストが異なります。

POST https://open.bigmodel.cn/api/paas/v4/chat/completions

認証はAuthorization: Bearer $GLM_API_KEYという一つのヘッダーのみです。署名もセッションハンドシェイクも不要です。

OpenAI互換とは、まさにあなたが望む意味です。リクエストボディはmodelとmessages配列の形式であり、レスポンスはchoices、message、finish_reason、usageとともに返されます。そして、base_urlをZ.aiに向けるだけで、公式のOpenAI SDKは変更なしで動作します。他のOpenAI互換プロバイダーに対して作成したコードは、ホストとモデルを入れ替えるだけで移植できます。このパターンは、DeepSeek V4 ProのAPIで説明したものと同じです。

モデルIDに関する正直な予防策です。リリース日にドキュメントを取得した際、GLM-5のページではglm-5がモデル文字列として記載されており、5.3用にまだ更新されていませんでした。Zhipuの料金ページではglm-5.2とglm-5.1が別モデルとして請求されているため、ファミリーの慣例に従えば新しいIDはglm-5.3です。以下の例ではこれを使用していますが、本番環境で固定する前にドキュメントを確認してください。お住まいの地域でglm-5.3が404エラーになる場合は、glm-5にフォールバックすれば、同じファミリーのモデルを使用していることになります。

cURLでの最初のリクエスト

完全な動作する呼び出しです。

curl "https://api.z.ai/api/paas/v4/chat/completions" \
  -H "Authorization: Bearer $GLM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "system",
        "content": "You are a code reviewer. Flag issues as blocking or non-blocking."
      },
      {
        "role": "user",
        "content": "Review this shell script for safety:\n\nrm -rf $BUILD_DIR/*\ncp dist/* $DEPLOY_TARGET"
      }
    ],
    "temperature": 0.3,
    "max_tokens": 1024
  }'

応答は標準的なOpenAIの形式です。choices[0].message.contentに回答が含まれるchoices配列と、prompt_tokensおよびcompletion_tokensを含むusageブロックがあります。Terminal-Benchスコアを考えると、このようなシェルスクリプトやターミナル関連のレビュープロンプトは、5.3が最も改善されたとされている分野であり、適切なスモークテストと言えます。

ドキュメントには、モデルの推論モードを切り替えるthinkingパラメーターも記載されています。

"thinking": { "type": "enabled" }

多段階のコーディングやエージェントタスクにはこれを有効にし、推論トークンが無駄になる短い抽出呼び出しではスキップしてください。

Pythonクイックスタート

新しいSDKを学ぶ必要はありません。OpenAIパッケージをインストールし、ベースURLを変更してください。

pip install --upgrade openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GLM_API_KEY"],
    base_url="https://api.z.ai/api/paas/v4",
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {
            "role": "system",
            "content": "You are a code reviewer. Flag issues as blocking or non-blocking.",
        },
        {
            "role": "user",
            "content": (
                "Review this Flask route for security issues:\n\n"
                "@app.route('/user/<id>')\n"
                "def get_user(id):\n"
                "    return db.execute(f'SELECT * FROM users WHERE id = {id}')"
            ),
        },
    ],
    temperature=0.3,
    max_tokens=2048,
)

print(response.choices[0].message.content)
print("input tokens:", response.usage.prompt_tokens)
print("output tokens:", response.usage.completion_tokens)

usageブロックは初日からログに記録してください。リリース時点で5.3固有の料金が公開されていないため、トークン数だけが公式の数値が出た際の請求額を予測する唯一の方法となります。

Node.jsクイックスタート

openai npmパッケージでも同様です。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.GLM_API_KEY,
  baseURL: "https://api.z.ai/api/paas/v4",
});

const response = await client.chat.completions.create({
  model: "glm-5.3",
  messages: [
    {
      role: "system",
      content: "You are a terminal automation agent. Return each step as a shell command with a one-line rationale.",
    },
    {
      role: "user",
      content: "A Node service on port 3000 stopped responding after a deploy. Give me a diagnosis sequence.",
    },
  ],
  temperature: 0.3,
  max_tokens: 2048,
});

console.log(response.choices[0].message.content);

コードベースがすでにOpenAIと通信している場合、並列クライアントは必要ありません。Z.aiのbaseURLを持つ2つ目のOpenAIインスタンスをインスタンス化し、タスクごとにリクエストをルーティングします。これにより、GLM-5.3と既存のモデルとのA/B比較は、書き直しではなくルーティングの決定となります。

ストリーミング

ドキュメントは、標準のstreamフラグを介したストリーミングサポートを確認しています。Pythonでは次のようになります。

stream = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {"role": "user", "content": "Explain the N+1 query problem with a concrete ORM example."}
    ],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

生のHTTPでは、ボディに"stream": trueを設定し、サーバー送信イベントを解析します。各data:行はOpenAIのチャンク形式でデルタを運びます。2つの実用的な注意点があります。トークンの使用量は最後のチャンクで、またはその後に届くため、ストリームが閉じられるまで正確な計算はできません。また、thinkingを有効にすると、難しいプロンプトで最初のトークンが表示されるまでに長い一時停止が予想されます。モデルは回答する前に推論のためにトークンを消費するため、これはあなたが受け入れたトレードオフです。

重要なパラメーター

ドキュメントでカバーされている、使用頻度が高い順のパラメーターは次のとおりです。

パラメーター	タイプ	機能
`max_tokens`	integer	出力長の厳格な上限。主なコスト調整レバー。
`temperature`	number	コードや抽出には0.2〜0.4、自由な記述には0.7以上を使用。
`thinking`	object	`{"type": "enabled"}`は多段階タスクの推論モードを有効にします。
`stream`	boolean	単一の応答ボディの代わりにサーバー送信イベントを使用。
`messages`	array	標準的なOpenAIのロール: `system`、`user`、`assistant`。

コストについて：Zhipuはリリース時点で5.3固有のAPI料金を公開していなかったため、再販業者ページで表示されるトークンあたりの数値には惑わされないでください。公式料金ページが信頼できる情報源です。執筆時点では、GLM-5.2は100万入力トークンあたり1.40ドル、100万出力トークンあたり4.40ドル、GLM-5は1.00ドルと3.20ドルと記載されており、5.3がその間に収まる可能性が高いでしょう。有料のGLMモデルでのキャッシュされた入力は80%から85%割引されるため、繰り返されるシステムプロンプトはキャッシュを利用するように構造化してください。もしプロバイダーの料金変更に驚いた経験があるなら、なぜこの規律が重要か理解できるでしょう。DeepSeekの料金値上げ事後分析では、直接適用できるコスト管理パターンが説明されています。

アプリコードを書く前にApidogでGLM-5.3をテストする

スクリプト内でのプロンプトの反復は、編集、再実行、スクロール、繰り返しという遅いループであり、サイクルごとにトークンが課金されます。Z.aiのAPIはOpenAI互換であるため、APIクライアントが探索段階全体を吸収できます。

Apidogでの設定:

プロジェクトを作成し、チャット補完リクエストを追加します。 OpenAI互換の仕様をインポートするか、単一のPOST /chat/completionsエンドポイントを手動で定義します。ボディは、おなじみのmodelとmessagesの形式です。
2つの環境を作成します。zai-internationalとbigmodel-mainlandです。 それぞれのベースURLを設定し（https://api.z.ai/api/paas/v4とhttps://open.bigmodel.cn/api/paas/v4）、環境レベルでAuthorization: Bearer {{GLM_API_KEY}}をバインドします。これにより、地域の切り替えはドロップダウンをクリックするだけで行え、キーが保存されたリクエストに埋め込まれることはありません。
モデルIDをglm-5.3に設定された変数の背後に置きます。 リリース週には通常よりもこれが重要になります。ドキュメントが安定するにつれてIDが変更された場合、またはglm-5.2と比較してA/Bテストを行いたい場合、すべての保存済みリクエストを編集する代わりに、1つの変数を変更するだけで済みます。
thinkingトグルを並行してテストします。 リクエストを複製し、一方のコピーで推論を有効にし、同じプロンプトでのレイテンシ、出力品質、およびusageを比較します。これは、どのワークロードが推論トークンを必要とするかを決定する最も速い方法です。
ストリーミングエンドポイントを叩きます。 SSEチャンクはライブでレンダリングされるため、ユーザーがどのように最初のトークンまでの時間を見るかを確認できます。
良い応答を例として保存します。 後続の実行ではライブAPIではなくフィクスチャが使用され、開発中のトークン節約に最も大きく貢献します。

そこから、保存されたリクエストをfinish_reason、応答スキーマ、トークン数に対するアサーションを持つテストシナリオに連結することで、スモークテストを回帰スイートに変えることができます。この同じワークフローは、あらゆるAPIに一般化されており、QAエンジニア向けのAPIテストガイドで説明されています。

エラー処理とレート制限

標準的なOpenAIスタイルのエラー、つまりmessage、type、codeを含むerrorオブジェクトを予期してください。一般的な原因としては、キーの欠落または失効による401、不正なボディまたは不明なモデルIDによる400、レート制限による429、一時的なサーバー障害による5xxが挙げられます。

リリース初日のAPIでの3つの習慣:

429と5xxエラーに対して、ジッター付き指数バックオフを備えたリトライヘルパーで各呼び出しをラップします。新しいモデルのリリース時にはトラフィックが集中し、初日のキャパシティで429エラーに遭遇することがあります。
レート制限の数値を推測しないでください。 Zhipuは同時実行数とティアの詳細を公式ドキュメントで公開しています。最新の情報を得るには、この記事を含むブログ投稿を信頼するのではなく、そこでライブの数値を確認してください。
モデルIDを設定の背後に固定します。 5.3の動作変更がプロンプトを壊した場合、glm-5.2へのロールバックはデプロイではなく設定変更であるべきです。GrokのAPIのために構築したデバッグワークフローは、両方がOpenAIの方言を話すため、ここでも変更なく適用されます。

よくある質問

GLM-5.3 APIのモデルIDは何ですか？

Zhipuの料金ページでglm-5.2とglm-5.1が提供されているファミリーの慣例に従い、glm-5.3を予想してください。執筆時点では、ドキュメントのモデルページにはまだglm-5が記載されていたため、固定する前にdocs.z.aiで確認し、修正が容易になるようにIDは設定ファイルに保持してください。

GLM-5.3 APIはOpenAI SDKで動作しますか？

はい。APIはOpenAI互換であるため、base_urlをhttps://api.z.ai/api/paas/v4（またはbigmodel.cn相当のもの）に設定し、Z.aiキーを渡せば、PythonおよびNode.js用の公式openaiパッケージが動作します。リクエストおよびレスポンスの形式は、ストリーミングを含め、チャット補完の標準に準拠しています。

GLM-5.3 APIの費用はいくらですか？

Zhipuは2026年8月14日にリリースされた時点では、5.3固有の料金を公開していませんでした。公式料金ページには、GLM-5.2が100万入力トークンあたり1.40ドル、100万出力トークンあたり4.40ドルと記載されており、これは5.3の料金が掲載されるまでの最良の参考情報となります。再販業者の価格予想は無視してください。

GLM-5.3はClaudeやGPTと比較してどうですか？

Zhipu自身の評価では、コーディングおよびエージェント能力は「Claude Fable 5に匹敵する」とされ、CyberGymは84.5%でClaude Mythos 5およびGPT-5.6 Solをわずかに上回りますが、ExploitBenchは54.4%で依然としてフロンティアモデルに遅れをとっています。ベンダーの数値は、独立して再現されるまで主張として扱ってください。フロンティアモデル同士の比較については、Grok 4.6 vs GPT-5.6 vs Claude Fable 5の比較をご覧ください。

GLM-5.3をAPIではなくローカルで実行できますか？

まだできません。Zhipuは、リリースから約2週間後の2026年8月28日頃に、Hugging Faceの組織でオープンウェイトが公開されると述べています。7440億パラメータのMoE設計は、ローカルでの提供がラップトップでの作業ではなく、サーバークラスの作業であることを意味します。今はホストされたAPIを使用し、セルフホストされたデプロイと比較するためのベースラインを構築してください。

GLM-5.3があなたのスタックにどのように適合するか

エージェントループやコーディングワークロードを実行している場合、GLM-5.3は評価に1日の午後を費やす価値があり、OpenAI互換のインターフェースがその午後を安価なものにします。Terminal-BenchとSWE-Marathonの飛躍はベンダー報告ですが、6.2倍の動きは自分で確認するのに十分な大きさであり、オープンウェイトまでの2週間の猶予は、今日保存したリクエストが将来のセルフホストデプロイメントの回帰ベースラインとなることを意味します。

合理的な手順は次のとおりです。キーを取得し、cURL呼び出しを実行し、アプリケーションコードに触れる前にリクエストをAPIクライアントに移動します。Apidogをダウンロードして2つの地域環境を設定し、モデルIDを変数の背後に置き、実際のプロンプトでthinkingのオン/オフを比較します。応答が正しく見えるようになったら、PythonまたはNodeへの移植はベースURLと環境変数のみで済みます。なぜなら、ワイヤーフォーマットが難しい部分ではなかったからです。

button