Akira

Posted on Aug 27 Originally published at apidog.com

GLM-5.3-Flashとは？ Z.ai初のネイティブマルチモーダルオープンウェイトモデル

Z.aiは2026年8月26日、MITライセンスのオープンウェイト混合専門家モデル「GLM-5.3-Flash」をリリースしました。総パラメータ数は320B、アクティブパラメータ数は18Bです。GLM-5シリーズで初めて、追加の視覚アダプターを使わず、画像をネイティブに処理します。

今すぐApidogを試す

このモデルは、正式発表前の1週間、匿名モデル「ox-alpha」として提供されていました。ただし、名称に反して「Flash」は高速ストリーミングを意味しません。主な価値は、低コスト、低メモリ使用量、そして長大なマルチモーダルコンテキストです。

TL;DR

モデル: 320B-A18Bの混合専門家モデル、MITライセンス
入力: テキスト、画像、動画、ファイル
コンテキスト: 1,048,576トークン
価格: 入力100万トークンあたり$0.15、出力100万トークンあたり$0.50
速度: 毎秒48.7出力トークン。高速ではないが、最初のトークンまでの時間は1.52秒
APIモデルID: glm-5.3-flash
入手先: Z.ai API、OpenRouter、Cloudflare Workers AI、Vercel AI Gateway、Hugging Face

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・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`（既定値は`max`）
APIモデルID	`glm-5.3-flash`
Hugging Face	`zai-org/GLM-5.3-Flash`

最大出力トークンには注意してください。OpenRouterでは131,072、Hugging Faceのモデルカードでは163,840と記載されており、Z.aiは最終的な数値を公開していません。長文を一度に生成する実装では、採用前に利用予定プロバイダーの上限を実測してください。

ネイティブなマルチモダリティ

従来のGLMシリーズでは、視覚入力に専用モデルや別エンドポイントが必要でした。GLM-5.3-Flashでは、テキスト、画像、動画、ファイルを同じチャット完了リクエストのコンテンツブロックとして送信できます。

つまり、次のような実装が可能です。

長い仕様書とUIスクリーンショットを同じプロンプトに送る
レンダリング結果を確認させ、修正方針やコードを生成させる
ファイル、動画、周辺テキストを1Mトークンのコンテキスト内で関連付ける

Z.aiは「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」の観察を想定しています。写真キャプションではなく、コーディングエージェントやUI検証に向いた設計です。

従来の専用視覚モデルを使う場合は、GLM-5V-TurboのAPIガイドや、文書理解向けのGLM-OCRも参照してください。

アーキテクチャとコスト効率

GLM-5.3-FlashはGLM-5.2の事後学習版ではなく、新しいベースモデル上に構築されています。

ハイブリッドアテンションでは、線形アテンションで局所的な依存関係を低コストに処理し、スパースアテンションでグローバルに関連するトークンへアクセスします。Z.aiによると、GLM-5.3と比べて次を削減しています。

アテンション計算量: 約3分の1
KVキャッシュ: 約4.4分の1

KVキャッシュの削減は実装上の重要点です。長いコンテキスト推論のメモリコストを下げ、1Mトークンのウィンドウを維持しながらGLM-5.2の約10分の1の価格を実現する要因になります。

「多様体制約型ハイパーコネクション」も導入されていますが、独自評価に十分な詳細はまだ公開されていません。実証済みの優位性ではなく、現時点ではベンダーのアーキテクチャ説明として扱うべきです。

トレーニングには、約30兆のマルチモーダルトークンから成るコーパスが使用されたとされています。

「Flash」は高速ストリーミングを意味しない

Artificial Analysisの測定では、GLM-5.3-Flashは毎秒48.7出力トークンです。GLM-5.3は同じ測定で毎秒約86トークンのため、Flashの方が生成スループットは低くなります。

一方、最初のトークンまでの時間は1.52秒で、オープンウェイトモデルの中央値2.14秒を上回ります。

実装時は、ワークロードで選択してください。

ワークロード	推奨
短い対話、低レイテンシの応答開始	GLM-5.3-Flash
画像・動画・ファイルを含むエージェント処理	GLM-5.3-Flash
長文生成のスループット重視	GLM-5.3
推論品質を少しでも優先	GLM-5.3
コストとメモリ使用量を最適化	GLM-5.3-Flash

Flashの効率性は、ウォールクロック速度ではなく、トークン単価とサービス時のメモリフットプリントにあります。

ベンチマーク

Z.aiの発表値はベンダーの主張として扱ってください。第三者によるArtificial Analysisの測定では、GLM-5.3-FlashはIntelligence Index v4.1.1で57を獲得しています。

GLM-5.3: 60
GLM-5.3-Flash: 57
同規模オープンウェイトモデルの中央値: 27

Z.aiはコーディングおよびエージェント作業でClaude Opus 4.8に近いと位置付けていますが、これは内部評価です。実際の採用判断では、自分のプロンプト、ツール呼び出し、画像入力、出力形式で比較してください。

GLMシリーズの過去の評価については、GLM-5.2ベンチマークの内訳も参照できます。

Ox Alphaの1週間

8月20日、1Mトークンのコンテキストとゼロ価格を掲げる匿名モデル「ox-alpha」がサードパーティ推論プラットフォームに登場しました。数日で最も利用されるモデルの一つになり、コミュニティは出力特性から約48時間以内にZhipu製と推定しました。

8月26日、Z.aiはOx AlphaがGLM-5.3-Flashであり、無料提供の1週間は意図的なロードテストだったと認めました。

Z.aiは、その期間のトラフィックが中国国内のアクセラレータとSGLangベースのスタックで処理され、主流のNVIDIAハードウェアに匹敵するトークン単価だったと主張しています。ただし、これは独立検証されていないベンダーのインフラ主張です。

匿名モデルを使った事前評価は珍しくありません。Pony AlphaがDeepSeekまたはGLMモデルと判明した事例もあります。異常に高性能で、丸いコンテキストウィンドウを持つ匿名モデルは、未発表モデルの評価データ収集である可能性を考慮してください。

実際の使い方

Z.ai APIを使う

Z.aiのエンドポイントはOpenAI互換です。既存クライアントのベースURLとモデルIDを切り替えます。

ベースURL: https://api.z.ai/api/paas/v4/
モデル: glm-5.3-flash

認証、画像入力ペイロード、推論努力パラメーターは、GLM-5.3-Flash APIガイドで確認してください。

サードパーティプロバイダーを使う

OpenRouterではz-ai/glm-5.3-flashとして利用できます。Cloudflare Workers AI、Vercel AI Gateway、DeepInfra、Novita、GMICloud、Baseten、io.netも提供しています。

リセラー間で価格差が大きい場合があるため、以下を比較してください。

入出力トークン単価
最大コンテキストと最大出力
画像・動画・ファイル入力の対応状況
レート制限とリージョン
実測レイテンシ

コーディングエージェントで使う

FlashはGLMコーディングプランに含まれ、GLM-5.3の3倍の使用可能クォータがあるとされています。大量の反復実行やスクリーンショット付きUI修正では、実用上の選択肢になります。

また、Z.aiのドキュメントでは、オフピーク時の呼び出しが標準ポイントの半分しか消費しないと説明されています。

セルフホストする

ウェイトはMITライセンスでHugging Faceに公開されています。vLLM、SGLang、TokenSpeed、KTransformersが対応し、小規模環境向けのGGUF量子化もあります。

使うべきか

次の条件に当てはまるなら、GLM-5.3-Flashを選択してください。

テキストと同じ呼び出しで画像、動画、ファイルを理解させたい
トークン単価が重要な制約になっている
1Mトークンのコンテキストを低メモリで扱いたい
MITライセンスのオープンウェイトをセルフホストしたい
短い対話で最初の応答開始を速くしたい

次の条件では、GLM-5.3を選んでください。

推論品質の最後の数ポイントが重要
長文生成のスループットを優先する
画像入力よりテキスト生成性能を重視する

両モデルはOpenAI互換エンドポイントでモデルIDを変えるだけで切り替えられます。GLM-5.3-FlashとGLM-5.3の比較と、GLM-5.3の概要を確認したうえで、実際のワークロードで両方を評価してください。

モデル切り替えの検証では、テキストだけでなく、画像・動画・ファイルを含む本番相当のリクエストを送る必要があります。Apidogを使えば、リクエスト、レスポンス、アサーションを再利用可能なコレクションとして保存できます。GLM-5.3からFlashへ移行する前に、出力形式やマルチモーダル応答が変わっていないかを自動検証できます。

よくある質問

GLM-5.3-Flashは無料ですか？

いいえ。無料のOx Alpha期間は正式発表時に終了しました。2026年9月9日までは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より速いですか？

いいえ。GLM-5.3が毎秒約86トークンなのに対し、GLM-5.3-Flashは約49トークンです。ただし、最初のトークンまでの時間は1.52秒で、応答開始は速いです。

本当に100万トークンのコンテキストを扱えますか？

設定値は1,048,576トークンで、モデル設定とArtificial Analysisにより確認されています。OpenRouterには1,310,720というより大きな値も掲載されていますが、モデル仕様ではなくプロバイダー側のリストとして扱い、実際の上限を確認してください。

動画を入力できますか？

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。動画対応は画像入力より新しく利用実績も少ないため、本番採用前に自分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ライセンスです。ウェイトはHugging Faceのzai-org/GLM-5.3-Flashで公開されています。

DEV Community