著者：Grace Turner。開示：筆者は GLM 系モデルを提供する独立プラットフォーム glm5.app のチーム向けに執筆しています。本記事の仕様やベンチマーク値は glm5.app の公開ページと Z.ai が公表した結果に基づくもので、筆者自身の検証結果ではありません。
新しいフラッグシップモデルが発表されると、タイムラインには「API はいつ？」「料金は？」「重みは公開される？」という質問があふれます。実際に開発フローへ組み込む立場から見ると、大事なのは「何が確定していて、何がまだ決まっていないか」を切り分けることです。この記事では GLM 5.3 についてその整理を行い、今日から試せる方法と、軽量モデルとの使い分けをまとめます。
前提：GLM 5 ファミリーとは
GLM 5 は第 5 世代のフロンティア大規模言語モデルで、Mixture-of-Experts（MoE）構成・総パラメータ約 745B（アクティブ約 44B）・200K トークンのコンテキストを持ちます。glm5.app ではブラウザからチャット、ファイル解析、コード生成などに使え、OpenAI 互換 API も用意されています。
単一サービスや数ファイル程度の作業ならこれで十分です。一方で、リポジトリ全体のリファクタリングや長時間のエージェント実行になると、より長いコンテキストと長時間タスク向けの学習が欲しくなります。
GLM 5.3：Z.ai が確定させている情報
GLM 5.3 は 2026 年 8 月に発表された Z.ai の新フラッグシップです。前世代のフラッグシップ（GLM 5.2）をベースに、実際の計算クラスタ・ストレージ・ドキュメント・コードベース上での長期タスク向けポストトレーニングを数十倍に増やしたモデルで、Z.ai はコーディング体験が約 50% 向上したとしています。
確定している仕様：
- コンテキストウィンドウ 1M トークン、最大出力 128K トークン
- テキスト入力・テキスト出力（画像入力は公式に記載なし）
- 思考モード、Function Calling、ストリーミング、コンテキストキャッシュ、構造化出力、MCP 対応
- Z.ai の Coding Plan ではすでに提供開始（Claude Code、Cline、OpenCode などのツールで利用可能）
Z.ai が公表したベンチマーク（GLM 5.2 比）は、Terminal-Bench 3.0 で 28.3 対 4.6、DeepSWE v1.1 で 66.9 対 46.2、Agents' Last Exam で 28.5 対 23.8。CyberGym では 84.5 と報告されています。いずれも特定のハーネスと日付での数値なので、自分のリポジトリでの結果を保証するものではありません。
まだ決まっていないこと
導入計画で注意したいのはこちらです。
- 公式モデル API：「近日公開」とされ、確定日は未発表
- API 料金：未発表（参考として、前世代フラッグシップは 100 万トークンあたり入力約 $1.40／出力約 $4.40）
- パラメータ数：未公開
- オープンウェイトとライセンス：前世代が MIT で Hugging Face に公開されたため期待されているものの、未確定
料金やライセンスを前提にした設計は、公式発表まで柔軟にしておくのが無難です。
今日から試す 3 つの方法
- glm5.app のチャットで試す：課題・制約・期待する結果を書き、コードを貼って回答を詰めていく。
- Coding Plan 経由でツールに組み込む：Claude Code や Cline などをすでに使っているなら最短ルートです。
-
API 統合の準備をしておく：glm5.app では OpenAI 互換のベース URL
https://glm5.app/api/v1とモデル IDglm-5.3が案内されています。公式 API の公開状況は必ずドキュメントで確認してください。
軽量モデルとの使い分け
コストを重視するなら GLM 5.3 Flash も候補になります。2026 年 8 月 26 日公開、総パラメータ 320B（アクティブ 18B）の MoE で、1,048,576 トークンのコンテキスト、テキスト・画像・動画の入力、MIT ライセンスの重みを持ちます。
ただし「Flash」は「速い」ではなく「安い」の意味で、Artificial Analysis の計測では出力 50.2 トークン/秒と同クラス中央値（67 t/s）を下回ります。定価は 100 万トークンあたり入力 $0.15／出力 $0.50 で、よく引用される半額の数字は期間限定の割引です。
目安としては次のとおりです。
- リポジトリ規模の長期タスク・エージェント実行 → フラッグシップ
- 大量の短いリクエスト、スクリーンショット付きの質問、自前ホスティング → Flash
まとめ
GLM 5.3 は 1M コンテキストと長期タスク向けの学習で、エンジニアリング用途の有力な選択肢になりました。ただし API・料金・重みはまだ確定していません。確定情報だけで小さく試し、未発表の部分は公式発表を待ってから設計に組み込む。この順番を守れば、モデル更新のたびに振り回されずに済みます。