GLM-5.3、後学習だけで最前線へ――AIモデル競争は規模から費用対効果の時代へ

Posted at 2026-08-19

中国のAI企業Z.ai（智譜AI）は8月14日、最新の基盤モデル「GLM-5.3」を発表しました。2026年8月19日時点でAPIとGLM Coding Planから利用でき、複雑なソフトウェア開発、長時間にわたるエージェント処理、サイバーセキュリティ領域を主な対象としています。

今回の発表で注目すべきなのは、単にベンチマークの順位が上がったことではありません。GLM-5.3は前世代のGLM-5.2と同じ基盤モデルを使用し、事前学習のやり直しやモデル規模の拡大ではなく、後学習（post-training）の強化によって性能を引き上げたとZ.aiは説明しています。

第三者評価で60点、フロンティアモデルに接近

独立系評価機関Artificial Analysisの「Intelligence Index v4.1.1」で、GLM-5.3（max）は60点を記録しました。同サイトのモデル概要では比較対象182モデル中8位に位置し、Kimi K3（max）と同じスコアです。

GLM-5.3はGLM-5.2から7ポイント上昇し、Kimi K3と並ぶ60点に到達しました。Claude Opus 5との差は3ポイント、GPT-5.6 Solとの差は1ポイントです。少なくともこの総合指標では、主要モデルの最上位グループに近い位置まで上がったといえます。

ただし、総合スコアが同じでも、得意分野、応答速度、出力トークン数、実際のタスクコストは異なります。また、GLM-5.3のモデルウェイトは本稿執筆時点ではまだ公開されていません。したがって、「オープンウェイトモデルで首位」という表現は、今後のウェイト公開を前提とした評価として捉える必要があります。

性能向上の中心は、複雑な開発作業と長時間タスク

Z.aiによると、GLM-5.3では短いコーディング問題ではなく、実務に近い長時間の作業環境を後学習に取り入れています。モデルは問題の分析だけでなく、実装、テスト、検証までを一連の工程として進めることを想定しています。

同社が公表した主な結果は次の通りです。

Terminal-Bench 3.0：4.6から28.3へ向上
DeepSWE v1.1：46.2から66.9へ向上
Agents’ Last Exam：23.8から28.5へ向上
Z.ai独自のCode Bench：GLM-5.2比で約50％向上

伸びが特に大きいのは、ターミナル操作を測るTerminal-Bench 3.0と、脆弱性悪用の工程を扱うExploitBenchです。一方、CyberGymはすでにGLM-5.2の時点で高い水準にあり、伸び幅は比較的小さくなっています。後学習による改善が一様ではなく、長時間の実行や複数段階の作業で強く表れていることが分かります。

これらはコーディングエージェントとしての進化を示す材料ですが、図中の数値はZ.aiが公式発表で報告した自社評価値です。そのまま自社環境での生産性向上を保証するものではありません。導入時には、実際のリポジトリ、テスト、権限設定をそろえたうえで比較検証することが重要です。

サイバーセキュリティ能力は、強みであると同時に課題でもある

GLM-5.3では、脆弱性の発見や検証に関する能力も大きく向上したとされています。Z.aiの公表値では、脆弱性発見ベンチマーク「CyberGym」で84.5％、より深い悪用可能性を扱う「ExploitBench」で54.4％を記録しました。後者はGLM-5.2の24.4％から2倍以上の伸びです。

Z.aiはさらに、269のオープンソースプロジェクトを対象に2,436件の脆弱性候補を発見し、専門家による確認後、53件を公開したと説明しています。ただし、未公開分を含む全件を外部から検証できるわけではないため、これらの数字は現時点ではベンダー公表値として扱うのが妥当です。

能力の向上は防御側にとって有用である一方、悪用リスクも高めます。Z.aiは安全性評価と追加対策を理由に、モデルウェイトの公開を発表から約2週間後に予定しています。ライセンス条件もまだ公表されていないため、セルフホスティングを前提とする企業は正式公開を待つ必要があります。

API価格は据え置き。ただし「同じ単価＝同じコスト」ではない

公式価格はGLM-5.2と同じです。

項目	GLM-5.3の価格
入力	100万トークン当たり1.40米ドル
キャッシュ済み入力	100万トークン当たり0.26米ドル
出力	100万トークン当たり4.40米ドル

主要フロンティアモデルとのAPI価格比較

モデル	標準入力	キャッシュ入力	出力
GLM-5.3	$1.40	$0.26	$4.40
Kimi K3	$3.00	$0.30	$15.00
GPT-5.6 Sol	$5.00	$0.50	$30.00
Claude Opus 5	$5.00	$0.50	$25.00
Claude Fable 5	$10.00	$1.00	$50.00

単位は100万トークン当たりの米ドルです。キャッシュ入力は、各社のキャッシュが正常に適用された場合の読み取り価格です。

本稿で性能を比較したフロンティアモデルの中では、GLM-5.3が入力・出力ともに最も低い標準価格です。出力価格はKimi K3の約29％、GPT-5.6 Solの約15％、Claude Opus 5の約18％に相当します。ただし、これは同じ量のトークンを処理した場合の単価比較であり、タスクを完了するまでに生成するトークン量や再試行回数までは反映していません。

価格条件にも違いがあります。GPT-5.6 Solの図中価格は27万トークン未満の標準処理で、長いコンテキストでは入力10米ドル、出力45米ドルになります。OpenAIとAnthropicは非同期Batch APIで入出力を50％割り引きます。Anthropicではキャッシュ書き込みに別料金が発生し、Claude Opus 5は6.25米ドル、Claude Fable 5は12.50米ドルです。Kimi K3はキャッシュ入力を90％割り引き、GLM-5.3のキャッシュ保存料は期間限定で無料と案内されています。

仕様面では、テキスト入力、最大100万トークンのコンテキスト、最大128Kトークンの出力に対応します。Function Calling、構造化出力、コンテキストキャッシュ、ストリーミングによるツール呼び出しも利用できます。

一方、GLM-5.3では推論モードを無効化できません。reasoning_effortはlow、high、maxの3段階で、デフォルトはmaxです。既存システムでthinking.type: "disabled"を使用している場合、そのままモデル名だけを変更するとエラーになります。

単価が据え置きでも、推論の深さや出力トークン数が増えれば、1タスク当たりの費用と待ち時間は変わります。日本企業が評価する際は、トークン単価だけでなく、成功したタスク1件当たりの総コスト、処理時間、再試行回数まで確認すべきです。

Artificial Analysisの共通評価では、GLM-5.3は60点、1タスク当たり0.68米ドルでした。同じ60点のKimi K3は0.84米ドル、61点のGPT-5.6 Solは1.23米ドルです。Claude Opus 5は63点と最も高い一方、1タスク当たり2.34米ドルでした。この図は一般的なAPI利用料そのものではなく、Artificial Analysisが同一の評価セットを実行した際の加重平均コストを示しています。

GLM-5.2は53点・0.44米ドルだったため、GLM-5.3では1タスク当たりの評価コストが約55％増える一方、総合スコアは7ポイント上昇しています。したがって「単価据え置き」は「タスク総額も据え置き」を意味しませんが、同等スコア帯の主要モデルと比べると、性能とコストのバランスは競争力のある位置にあります。

まとめ

GLM-5.3は、モデル規模をさらに拡大するのではなく、後学習を強化することで、コーディングエージェントや長時間タスクの性能を引き上げた点に大きな意味があります。Artificial Analysisで60点を記録し、API価格も前世代と同水準に維持されたことで、「より大きなモデル」ではなく「同じ基盤から、より高い実用性能を引き出す」という競争軸が鮮明になりました。

一方で、ベンチマークの一部はベンダー評価であり、モデルウェイトとライセンスはまだ公開待ちです。ランキングだけでなく、実際のタスクにおける成功率、処理時間、総コストを含めて評価することが重要です。

調査時点：2026年8月19日

参考資料

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up