GLM-5.3-Flashとは？料金・無料枠・使い方と性能を解説【2026年10月】

GLM-5.3-Flash（ジーエルエム・ファイブポイントスリー・フラッシュ）は、中国のZ.ai（智譜AI／Zhipu）が2026年8月26日にMITライセンスで公開した、総パラメータ320B・トークンあたりアクティブ18BのMoE型オープンウェイトモデルです。 GLM-5シリーズで初めて画像・動画をネイティブに扱い、上位機のGLM-5.3と比べておよそ9〜10分の1の単価で使えます。

2026年10月時点の料金は、Z.ai公式APIで入力$0.15／出力$0.50（100万トークンあたり）です。8月に話題になった「$0.075」は9月9日で終わった50%OFFの価格で、いまは適用されません。公式APIに無料枠はありません。無料で使う方法は、MITで公開された重みを自前の環境で動かすことだけです。

この記事でわかること

• GLM-5.3-Flashの基本スペックと設計（320B-A18B／100万トークン／ネイティブマルチモーダル）
• 上位機GLM-5.3、9月18日に追加された高速版GLM-5.3-FlashXとの違い
• なぜ1/10近い単価が成り立つのか（ハイブリッドアテンションなどの設計）
• 中国製AIチップでの推論という主張のうち、確認できることと未検証のこと
• プロモ終了後の定価、月間トークン量別のコスト試算、Coding Planの枠
• Z.ai API・OpenRouter・Coding Plan・セルフホスト、そしてCursorからの使い方
• 日本企業が業務で使うかどうかを決めるときの確認項目

想定読者: 安価な高性能モデルを探している開発者、GLMシリーズの使い分けを決めたい人、社内でAIモデルの利用可否を判断する情報システム部門・調達担当の方。

発表前に「Ox Alpha」という匿名名でOpenRouter・OpenCodeに登場し、コーディング用途で処理量1位を取ってから正体が明かされるまでの経緯は、Ox Alphaとは？正体はGLM-5.3-Flashと判明で追っています。この記事ではモデル本体のスペック・料金・導入判断を扱います。

GLM-5.3-Flashとは？Z.aiがMITで公開した320B/18BのMoEモデル

出典: Z.ai 公式ドキュメント

GLM-5.3-Flashは、コーディング・長時間のエージェント作業・防御的なセキュリティ検証を主な用途として作られた、低価格帯の推論モデルです。Z.ai公式はGLM-5シリーズで「初のネイティブマルチモーダルモデル」と位置づけ、「GLM-5.2より賢く、非常に安い」と説明しています。テキストに加えて画像・動画・ファイルをそのまま入力できます。

Hugging Faceでの直近1か月のダウンロードは約654万回、量子化版などの派生モデルは178件あります（2026年10月12日確認）。公開から1か月半で、オープンウェイトの中でもよく使われているモデルの一つになりました。

コンテキスト長は、8月時点ではOpenRouterの表示（1,310,720）や評価条件（30万トークン）と食い違っていました。10月時点ではOpenRouterの主要な提供事業者もほぼ1,048,576に揃っています。ただしRekaは262,144、StreamLakeは1,024,000など例外があり、最大出力も事業者ごとに131,072〜943,718と幅があります。公式の値は100万トークンで、実際の上限は使う事業者の仕様で確かめる、と覚えておけば十分です。

先行公開されていた「Ox Alpha」との関係

2026年8月20日ごろ、OpenRouterとOpenCodeに開発元非公開のモデル「Ox Alpha」が無料で登場しました。約1週間で両プラットフォーム合計62兆トークンを処理し、OpenRouterでは週間総量の約31%（10.3兆トークン）を占めてコーディング用途で1位になったとSCMPが報じています。8月26日、Z.aiが公式Xで "Previously previewed as Ox Alpha" と明かし、正体が確定しました。

一部の海外記事にある「1日100兆トークン」という数字は裏付けが取れません。確認できるのは「1週間で62兆トークン」までです。無料プレビュー終了後の移行や当時のサービス不安定化については、Ox Alphaとは？正体はGLM-5.3-Flashと判明にまとめています。

FlashはMIT、GLM-5.3は独自ライセンスに分かれた

2026年8月29日に上位機GLM-5.3の重みも公開され、GLMシリーズは「どちらも重みは公開済み、ただしライセンスの中身が違う」状態になりました。社内稟議でいちばん誤解されやすいのがこの差です。

GLM-5.3 Licenseの条件は、ライセンス本文で確かめられます。

1. 「MaaS（Model as a Service）」に当たるのは、APIなどで第三者に推論やファインチューニングの実質的な操作を提供する事業です。自社製品にモデルを組み込むだけの場合や、外部ホストのモデルへリクエストを中継するだけのサービスは当たらないと書かれています。
2. 審査が必要になる収益基準は100億ドル（直近12か月の合計）です。日本企業でこの規模のMaaS事業者に当たるケースはごく限られます。
3. それでも、「GLMシリーズはすべてMIT」と社内に説明すると不正確です。ライセンスの問い合わせ先として glmlicense@z.ai が案内されています。

Flashが発表と同日に条件なしで公開されたのに対し、GLM-5.3が安全性評価を経て独自ライセンスになった背景には、サイバーセキュリティ能力の高さがあります。公式リリースノートによれば、GLM-5.3は開発中に2,436件の脆弱性を見つけ、そのうち1,097件が中〜高の深刻度でした。Flash単体での同じ評価は公表されていません。上位機の性能・料金・安全性評価はGLM-5.3とは？Z.ai最新モデルの性能・料金にまとめています。

実務上の結論として、「オンプレに置いて自由に商用展開したい」ならFlash（MIT）のほうが法務確認が軽く済みます。オープンウェイト公開そのものの是非についてはAnthropicのオープンウェイトモデルへの立場も参考になります。

GLM-5.3とGLM-5.3-Flashは混同しやすい別モデル

GLM-5.3-Flashは、GLM-5.3を速くしたものではありません。規模も価格帯も設計も違う別モデルです。 名前が1語しか違わないため、料金表の読み違いがよく起きます。さらに9月18日には、Flashと同じ重みを速く配信する「GLM-5.3-FlashX」も加わりました。

※料金はZ.ai公式の料金ページの定価（2026年10月12日確認）。GLM-5.3のパラメータ数は報道が744B、Hugging FaceとAWSの表示が753Bと表記に差があります。Artificial Analysisの指数は版が変わり、現行のv4.3.2ではGLM-5.3-Flashが42点です。版が違う点数どうしは比べられないため、表には8月時点で両モデルが揃っている旧版の値を載せています。

Z.aiは価格を「GLM-5.2比でおよそ1/10」と表現しています。GLM-5.2は入力$1.4／出力$4.4なので、実際は入力で約1/9.3、出力で約1/8.8です。「1/10」は丸めた表現として受け取ってください。前の世代はGLM-5.2とは？料金・性能とコスト1/6の実態、シリーズの流れはGLM-5.1とはで整理しています。

GLM-5.3-FlashX（9月18日追加）との違い

FlashXは、Flashと同じ重みを速く配信するAPI専用の版です。モデルそのものは同じで、違うのは配信側の構成だけです。Z.aiは推論速度を200トークン/秒と説明しています。

FlashXの入出力単価はOpenRouterのZ.AI経路と複数の第三者記事で一致した値です。キャッシュ入力の単価は資料によって$0.075と$0.09があり、確認できていません。品質はFlashと同じとされていますが、FlashX単独の評価結果は公表されていません。量をさばくならFlash、待ち時間を縮めたいならFlashXという選び方になります。

約1/9の単価で提供できる理由とアーキテクチャ

価格の安さは値引きではなく、推論時の計算量とメモリ消費を設計で減らした結果です。Z.aiは、GLM-5.3と比べてアテンション計算を3.01分の1、KVキャッシュを4.44分の1にしたと説明しています。

公表されている主な設計は次のとおりです。

• スパースアテンションと線形アテンションのハイブリッド構成：Z.aiは「オープンウェイトのフロンティアモデルとしては初」と説明しています。llama.cppの実装では、線形アテンション（KDA）の層34とスパースアテンション（DSA）の層11を組み合わせた構成です
• MoEルーティング：288のエキスパートのうち、各トークンで使うのは8つだけ。総パラメータ320Bのうち、実際に動くのは18Bです
• IndexPool圧縮：100万トークン級の長い文脈を扱うときのインデックスを圧縮します
• ネイティブFP8重み：学習時点からFP8で、推論時の変換ロスとメモリを抑えます
• MTP（Multi-Token Prediction）ドラフト層：投機的デコードで生成を速くします
• mHC（Manifold-Constrained Hyper-Connections）：スケーリング効率を上げるための接続方式です

ポイントは、KVキャッシュの大きさが長文脈のコストを直接決めることです。100万トークンの文脈を持ち続けるコストが下がったため、大量のトークンを流すエージェント用途で単価を下げられます。

ただしZ.ai自身が技術レポートで、KVキャッシュはKimi K3やDeepSeek-V4-Flashと比べるとまだ大きいと認めています。同じ方向の設計で先行するモデルはKimi K3とは？料金・性能比較、DeepSeek V4 Flashとはで取り上げています。

中国製AIチップ10万基での推論と、供給側で起きていること

このモデルが「安いモデル」で終わらないのは、Z.aiが「NVIDIA GPUを使わずに、NVIDIA環境と同等のトークン単価で提供している」と主張しているからです。 これが事実なら、輸出規制のもとでも中国側が推論の供給を自前で回せることになり、AI推論の価格競争に影響します。

ただし報道ごとに内容にばらつきがあります。確認できる範囲を分けると次のとおりです。

つまり、「中国製チップだけで動いている」はZ.aiが公式に言っていることですが、どのメーカーのチップかは非公表で、コスト効率の主張も検証されていません。「Ascend 910B搭載」と書いた記事もありますが、それは世代も用途（学習）も違う話です。

供給側の論点は、価格の持続性と調達リスクの2つです。

1. 価格がこの先も続くかは読みにくい。 自社クラスタで提供している以上、値付けはZ.aiの調達コスト次第で動きます。長期契約を前提にしたコスト計画には向きません。
2. 調達リスクが単価や可用性に影響する可能性がある。 国産チップへの依存は輸出規制の影響を受けにくい一方、供給元が特定されないまま運用されているということでもあります。止まると困る用途では、OpenRouterなど複数の事業者経由で冗長化しておくのが現実的です。

中国製チップで学習から推論まで完結させた例としては、MeituanのLongCat-2.0が先行しています。中国製モデルが実際に選ばれている背景は中国製AIモデルがOpenRouter利用の60%超えで扱っています。

性能で勝っている項目と、届いていない項目

出典: Hugging Face — zai-org/GLM-5.3-Flash

エージェント系・ツール利用系のベンチマークでは最上位クラスに近い一方、最高性能と出力速度では上位モデルに届いていません。 第三者のArtificial Analysis（AA）では、2026年10月12日時点のIntelligence Index v4.3.2で42点、117モデル中4位です。

点数を見るときは、指数の版に注意が要ります。8月の発表時に出回った「57点」は旧版v4.1.1の値で、Z.ai公式ページはいまも57点を載せています。AAは指数の版を更新すると採点の尺度ごと変わるため、57点から42点に「下がった」わけではありません。 他の記事の点数と比べるときは、どの版の値かを必ず確かめてください。

上位クラスに並んでいる項目

※AA以外はZ.aiの公表値です。

届いていない項目

表の数字は、次の見方で読むと実態に近づきます。

1. 「安いのに近い」であって「最強」ではない。 Terminal-Bench 2.1では上位3モデルに数ポイント届きません。単価が1/9前後であることと合わせて評価するのが実態に合います。
2. 待ち時間には2種類ある。 TTFTは最初のトークン（思考を含む）が返るまでの時間で、AAの計測では3.02秒です。一方、思考を終えて回答本文が出始めるまでの時間は別で、推論の重い課題では中央値約42秒という第三者（LumaDock）の計測もあります。思考を必ず行い、出力も長めなので、出力し終わるまでの時間が長くなりがちです。
3. 事業者によって速度が変わる。 同じモデルでも配信元で速度に差が出ます。速さが要件なら、事業者の選択か、高速版のFlashXが有効です。

日本語性能の公式ベンチマークは、現時点でも公開されていません。JGLUEなどの数値は確認できませんでした。個人の検証レポートはありますが、件数の少ない参考値として扱うのが妥当です。同じ価格帯の競合としてはQwen3.8-Flash-Next（125B-A6B）、安価なマルチモーダルではDeepSeek V4 Flash Vision、性能比較の相手としてはDeepSeek V4 Proとはも参考になります。

料金はプロモ終了後の定価で考える

出典: Z.ai 公式ドキュメント — Pricing

8月26日〜9月9日の50%OFF（入力$0.075／出力$0.25）は終了し、2026年10月時点のZ.ai公式APIは定価です。 料金表からプロモの表記は消えています。予算は次の定価で組んでください。

キャッシュ入力のストレージ料金は、いまも「期間限定で無料」とされています（終了日の記載なし）。公式の料金表で無料になっているのはGLM-4.7-Flash・GLM-4.5-Flash・GLM-4.6V-Flashだけで、GLM-5.3-FlashのAPIに無料枠はありません。

月間トークン量別のコスト試算（定価ベース）

入力と出力の比を5:1と仮定した概算です。思考トークンは出力として課金されるため、実際の出力量は想定より膨らみやすい点に注意してください。

同じ量を高速版のFlashXで処理すると、入力1億＋出力2,000万で約$62です。Flashの約2.5倍ですが、GLM-5.3よりはかなり安く収まります。

「1タスク$0.045で回る」「$0.09で回る」という数字は、旧版のAA指数（v4.1.1）を割引価格または8月時点の定価で走らせたときの値です。現行のv4.3.2では1タスク$0.25なので、古い数字をそのまま試算に使わないでください。

GLM Coding Plan（定額サブスク）

出典: Z.ai 公式ドキュメント — GLM Coding Plan

毎日エージェントを回すなら、従量課金より定額のほうが費用を読みやすくなります。GLM-5.3-Flashは全プランで使え、GLM-5.3と比べて約3倍の量を処理できます。

※公式ページで確認できた価格はLiteの「月18ドルから」だけです。ProとMaxは7月時点の第三者記事の値なので、契約前に公式ページで確かめてください。使える量の目安はキャッシュヒット率95%を前提にした公式の試算です。

クレジットの消費量（1万クレジット換算）は上位機と大きく違います。

• GLM-5.3: 入力6.9／キャッシュ入力1.7／出力24
• GLM-5.3-Flash: 入力2.3／キャッシュ入力0.56／出力8（画像理解MCPを含む）

ピーク時間帯は平日14:00〜18:00（シンガポール時間。日本時間では15:00〜19:00）で、それ以外の時間帯と週末は終日オフピークです。オフピークはクレジット消費が50%になります。また、GLM-4.7を指定したリクエストはGLM-5.3-Flashへ、GLM-5.2／GLM-5.1を指定したリクエストはGLM-5.3へ自動で振り替えられます。FlashXはCoding Planの対象外で、従量課金でしか使えません。

サードパーティ経由の価格

OpenRouterで最安の入力$0.04は魅力ですが、安い事業者はFP4などに量子化して配信していることが多く、Z.ai直と出力の質が同じとは限りません。同じ「GLM-5.3-Flash」でも、どの事業者が処理し、何ビットで動かしているかは経路ごとに違います。品質やログの扱いに要件がある場合は、事業者を指定してください。仕組みはOpenRouterとは？料金・手数料・使い方、運営体制の変化はStripeによるOpenRouter買収で解説しています。

なお、Amazon Bedrockで10月5日に提供が始まったのは上位機のGLM-5.3で、Flashは含まれていません。Google Vertex AIでの提供も確認できませんでした。

使い方と4つの利用ルート

出典: OpenRouter — Z.ai

使い方は大きく4つです。費用と、データを処理する事業者がルートごとに変わります。

Cursor・Claude Codeなど普段のツールから使う

コーディング用途なら、普段のエディタやエージェントから使うのがいちばん手軽です。

• Cursor: 2026年10月1日にGLM 5.3とGLM 5.3 Flashが追加されたと日本語メディアのSmartScopeが報じています。Settings > Models でモデルID glm-5.3-flash を手動で追加します。推論の深さはLow / High / Max（既定はHigh）で、画像も入力できます。料金はPro・Pro Plus・Ultraに含まれる「Other Models」枠から引かれます。Cursor公式の変更履歴では確認できていません。Cursor自体の機能はCursorとはで解説しています。
• Claude Code・Codex・OpenCode・Cline・OpenClawなど: GLM Coding Planは20以上のツールに対応しており、接続方法は公式ドキュメントにまとまっています。Coding Planを使わない場合も、Z.aiのAPIはOpenAI互換なので、エンドポイントとモデルIDを差し替えられるツールなら使えます。
• LM Studio・Ollama: どちらもクラウド実行版として使えます。手元のPCでモデルを動かすわけではない点に注意してください。

API利用時に押さえる設定

Z.ai公式APIはOpenAI互換で、関数呼び出し（tools / tool_choice）、JSON出力、コンテキストキャッシュ、ストリーミング（stream / tool_stream）に対応しています。公式は stream: true と tool_stream: true を一緒に使うよう勧めています。設定で影響が大きいのは思考量・サンプリング・思考モードの3つです。

1. reasoning_effort で思考量を low / high / max の3段階に変えられる。 既定は max で、コストと待ち時間は増えます。コストを下げたいとき最初に触るのはここです。
2. サンプリングは temperature = 1、top_p = 0.95 が公式の推奨値。
3. 思考モードはオフにできない。 thinking.type は enabled しか受け付けません。短い応答でも思考トークンが出るため、max_tokens を小さくしすぎると本文が出ないことがあります。thinking.clear_thinking の推奨値は公式ドキュメント（false）とHugging Faceのモデルカード（チャット用途ではtrue）で食い違っているため、使う経路のドキュメントで確認してください。

画像は type: image_url（URL推奨。Base64のData URLも可）で渡し、複数枚ならコンテンツブロックを並べます。動画やファイルも入力できます。スクリーンショットや画面録画を渡してUIの不具合を探させる、参考画像からUIを組ませる、といった使い方が公式の事例として紹介されています。ほかにもOffice文書（PPTX・PDF・DOCX・XLSX）の作成、Blenderでの3Dシーン作成、Godotでのゲーム開発、コンピューター操作などの事例があります。

セルフホスト・ローカル実行の現実

出典: Hugging Face — zai-org

MITで公開されていても、一般的なPC（VRAM 24GB程度）では動きません。 量子化しても下限は128GBのメモリを積んだMacやNVIDIA DGX Sparkです。サーバでFP8の公式重みを動かす場合は約306GiB、推奨VRAMは約386GiBで、H200を2枚積んでも足りず、Hopper世代の8GPUノードが実用的な下限とされています。

Unslothが公開しているGGUF量子化版のサイズと必要メモリは次のとおりです（2026年10月12日確認）。

8月時点では「本家のllama.cppが未対応なのでUnslothのブランチを使う」状況でしたが、そこから変わっています。

• llama.cpp本家が2026年9月30日ごろに対応しました（PR #27773）。テキストと画像の入力に対応しています。ただし投機的デコード（MTP）は別のPRでまだ取り込まれておらず、複数のシーケンスを同時に扱う場合は --kv-unified の指定が必要です。
• 8月に配布された古いGGUFは読み込めないことがあります。 統合の際にアーキテクチャ名が変わり、Unslothを含む初期のGGUFは作り直されました。8月にダウンロードしたファイルは、最新版に入れ替えてください。
• Macでのデコード停止やVRAM使用量の増加といった不具合報告も、llama.cppのIssueに上がっています。
• LM Studioの対応はクラウド版です。 LM Studio公式のモデルページでは「Bionicのクラウドモデル」（米国ホスト）として提供されており、手元のMacで動かす版は案内されていません。

サーバ向けにはvLLM、SGLang、Transformers、KTransformers、TokenSpeedが対応しています。

実務で引っかかりやすい制約

日本企業が導入判断するときの確認項目

GLM-5.3-Flashで評価が分かれるのは性能より、データがどこへ行くかです。 Z.aiのAPIを使えば、プロンプトは中国企業のZ.aiのクラウドへ送られます。OpenRouterやCursor、LM Studioのクラウド版では、実際に処理するのは米国のFireworks・Together・CoreWeaveなどの場合もあります。技術の優劣ではなく、社内規程・取引先との秘密保持契約・輸出管理の問題として扱う必要があります。

次の順で確認すると手戻りが少なくなります。

1. 渡すデータを機密度で分ける。 公開情報・ダミーデータ・社内の一般文書までなら判断は軽くなります。顧客データ、個人情報、未公開のソースコード、認証情報は、外部のモデルへ送らない前提で設計します。
2. 使うルートと事業者を固定する。 同じモデル名でも、Z.ai直・OpenRouter経由・Cloudflare経由・Cursor経由で、データの保持ポリシー、準拠法、量子化のビット数が変わります。OpenRouterは事業者ごとにログの扱いが違うため、ルーティング先を制限して初めて要件を満たせます。
3. ライセンスを正しく社内に説明する。 FlashはMITで追加条件はありませんが、上位機のGLM-5.3は独自ライセンスで、大規模なMaaS事業者には審査の条項があります。「GLMは全部MIT」と稟議に書くと、法務で差し戻される可能性があります。
4. 要件が厳しければセルフホストを検討する。 重みがMITで公開されているので、自社や国内クラウドで動かす選択肢があります。ただしFP8で約306GiBと、GPUの要件は高めです。
5. 中国側の規制の動きも見ておく。 2026年7月にロイターとFTが、中国商務省がAlibaba・ByteDance・Z.aiと、海外からのモデル重みのダウンロードなどを制限する案を協議していると報じました。10月12日時点で確定した規則は確認できず、GLMが対象になるかもわかっていません。セルフホストを考えるなら、すでにMITで公開されている重みを手元に保管しておく意味はあります。
6. モデル利用のルールそのものを見直す。 Ox Alphaの期間には、提供元のわからないモデルへ大量の業務データが流れていました。「誰が運用しているか」「保持ポリシーはどうか」「いつ終わるか」を確認する社内ルールがないと、同じことはまた起きます。生成AI全般の管理方針は生成AIのセキュリティ対策で整理しています。

社内チャットや文書処理、開発支援の基盤にこうした新しいモデルを組み込む場合、API連携の方式や開発費の目安を先に把握しておくと、モデルの選び直しにも対応しやすくなります。進め方と費用感は既存システムにAIを組み込む方法で解説しています。

用途別の使い分け

こんな人におすすめ

• エージェントを長時間・大量に回している開発者：使うトークンが多いほど、単価の差がそのまま月額の差になります
• 大きなリポジトリをまとめて読ませたい人：100万トークンの文脈で、複数ファイルにまたがる把握やリファクタに使えます
• 画像・動画を入力に含む検証をしたい人：GLM-5シリーズで初めてネイティブに対応したモデルです
• 上位機ではコストが合わなかった人：単価は約1/9で、エージェント系のベンチマークでは上位クラスに近い水準です
• オンプレでモデルを持ちたい企業：MITライセンスで、上位機のような追加条件もありません

おすすめしない人

• 即答が必要なリアルタイム対話を作りたい人：思考モードを切れず、出力速度も中央値より遅めです。どうしても使うなら高速版のFlashXを検討してください
• 最高精度を求める人：Terminal-Bench 2.1ではGPT-5.6 Terra・Claude Opus 4.8に届いていません
• 中国企業のAPIへ業務データを送ることが規程で禁止されている組織：セルフホストか、処理事業者を指定できる経路を検討してください
• 一般的なPCでオープンウェイトを動かしたい個人：4bit量子化で約200GB、最小構成でも128GBクラスのメモリが必要です
• 日本語性能の公表値を根拠に判断したい人：公式の日本語ベンチマークは公開されていません

よくある質問

Q. GLM-5.3-Flashは無料で使えますか。

Z.ai公式APIに無料枠はありません。Ox Alpha名義の無料プレビューも8月に終わり、9月9日までの半額プロモも終了しています。無料で使うには、MITで公開されている重みを自前の環境で動かす必要があり、最低でも128GBクラスのメモリが要ります。

Q. 料金はいくらですか。

Z.ai公式APIで、100万トークンあたり入力$0.15、キャッシュ入力$0.03、出力$0.50です（2026年10月12日確認）。OpenRouterでは事業者によって入力$0.04から選べますが、安い事業者は量子化して配信していることが多い点に注意してください。

Q. GLM-5.3-FlashXとは何が違うのですか。

モデルの重みは同じで、配信の構成だけが違います。FlashXは公式で200トークン/秒をうたう高速版で、単価は入力$0.37／出力$1.25とFlashの約2.5倍です。API専用で、GLM Coding Planでは使えません。

Q. GLM-5.3とライセンスは同じですか。

違います。GLM-5.3-FlashはMITですが、8月29日に公開されたGLM-5.3の重みは独自の「GLM-5.3 License」です。原則自由に使えますが、直近12か月の合計収益が100億ドルを超えるMaaS事業者は、商用展開の前にZ.AIのセキュリティ審査を受ける必要があります。

Q. Artificial Analysisの点数が57点から42点に下がったのはなぜですか。

性能が落ちたのではなく、指数の版が変わったためです。57点は旧版v4.1.1、42点は現行のv4.3.2の値で、採点の尺度が違います。v4.3.2でも117モデル中4位です。

Q. 本当に中国製チップだけで動いているのですか。

Z.aiは、オンライン推論を国産チップ約10万基のクラスタで処理し、NVIDIA GPUは使っていないと説明しています。ただしチップのメーカー名は公表されておらず、コスト効率の主張も第三者は検証していません。Huawei Ascend 910Bという記載を見かけますが、それは前世代GLM-5の学習に関する情報です。

Q. 手元のMacやPCで動かせますか。

128GB以上の統合メモリを積んだMacなら、3bit量子化版がぎりぎり動く水準です。llama.cpp本家が9月末に対応したので、パッチ版は不要になりました。8月に配布されたGGUFは読み込めないことがあるため、最新版を使ってください。LM Studioでの提供はクラウド版です。

Q. CursorやClaude Codeから使えますか。

Cursorは10月1日に対応したと報じられており、Settings > Modelsでモデル glm-5.3-flash を追加すると使えます。Claude Code・Codex・OpenCode・ClineなどはGLM Coding Planの対応ツールで、公式ドキュメントに接続手順があります。

Q. レスポンスを速くする方法はありますか。

reasoning_effort を下げると思考トークンが減り、待ち時間とコストの両方が下がります。それでも足りなければ、OpenRouterで速い事業者を指定するか、高速版のFlashXに切り替えます。

まとめ

GLM-5.3-Flashは、安い理由と、8月から変わった点を分けて押さえると判断を誤りません。

• Z.aiが2026年8月26日にMITで公開した320B/18BのMoEモデル。 GLM-5シリーズ初のネイティブマルチモーダルで、コンテキストは100万トークン、最大出力は128Kトークンです
• 料金はいまは定価。 入力$0.15／出力$0.50で、9月9日までの半額プロモは終わりました。公式APIに無料枠はありません
• 9月18日に高速版FlashXが加わった。 重みは同じで、速さと引き換えに単価は約2.5倍、Coding Planの対象外です
• 上位機GLM-5.3とはライセンスが違う。 Flashは条件のないMIT、GLM-5.3は大規模MaaS事業者に審査の条項がある独自ライセンスです
• 安さの理由は設計。 ハイブリッドアテンションとMoEで、アテンション計算を3.01分の1、KVキャッシュを4.44分の1にしたと公表しています
• ローカル実行はllama.cpp本家で可能になったが、ハードルは高い。 3bitでも128GBクラスのメモリが必要です
• 中国製AIチップでの推論はZ.aiの主張で、検証はされていない。 長期の価格前提には置かず、業務で使うなら処理する事業者を固定して確認します

導入を考えるなら、扱うデータの機密度を分けたうえで、Z.ai直・OpenRouter・Coding Plan・セルフホストのどれを使うかを決めるのが実務的な順序です。料金や提供経路は数週間単位で変わっているため、発注前にZ.ai公式の料金ページと、使う事業者のモデルページで最新の数字を確かめてください。

ほかのモデルとの選び方は生成AIツールおすすめ比較、エージェントの考え方はAIエージェントとは？仕組み・種類・活用例、ローカル実行の基本はOllamaとはもあわせてご覧ください。