GLM-5.3-Flashとは？Ox Alphaの正体・320B/18BのMoE・MIT公開と料金1/10を解説【2026年8月最新】

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えるようになり、上位モデルのGLM-5.3に対しておよそ10分の1の単価で提供されている点が最大の特徴です。

発表前にOpenRouter・OpenCode上で無料公開され、コーディング用途で処理量1位を取った匿名モデル「Ox Alpha」の正体が、このGLM-5.3-Flashでした。ただし、名前の近いGLM-5.3とは価格も設計も別のモデルであり、話題になった$0.075という単価も期間限定のプロモーション価格です。ここを取り違えるとコスト試算が丸ごと狂います。

この記事でわかること

• GLM-5.3-Flashの基本スペックと、Ox Alphaとの関係
• 混同されやすいGLM-5.3との違い（価格・モダリティ・クレジット消費）
• なぜ1/10の単価が成立するのか（ハイブリッドアテンションほかの設計）
• ベンチマークで勝っている項目と、届いていない項目
• 定価とプロモ価格の区別、月間トークン量別のコスト試算
• API・OpenRouter・Coding Plan・セルフホストの4ルートと必要スペック
• 日本企業が業務利用を判断するときに確認すべきこと

想定読者: 安価な高性能モデルを探している開発者、Ox Alphaから正式版へ移行した人、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。

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用途として設計された、低コスト帯の推論モデルです。Z.ai公式はGLM-5シリーズにおける「初のネイティブマルチモーダルモデル」と位置づけており、テキストだけでなく画像・動画・ファイルを1パスで処理できます。

コンテキスト長は注意が必要です。Z.ai公式ドキュメント・Cloudflare Workers AI・Unslothは1,048,576トークンと記載する一方、Hugging Faceのモデルカードには30万トークンという記述、OpenRouterでは1,310,720トークンという表示があります。「公称100万トークン級。実際の上限は利用するプロバイダの仕様で確認する」と捉えるのが実務的です。

Ox Alphaとの関係

2026年8月20日ごろからOpenRouterとOpenCodeに、開発元非公開のステルスモデル「Ox Alpha」が無料で登場しました。公開約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位に立ったとSCMPが報じています。8月26日、Z.aiが公式Xで「以前Ox Alphaとしてプレビューされていたモデル」であると明かし、正体が確定しました。

なお、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。ステルス公開から正体判明までの経緯や、無料プレビュー終了後の移行手順は「Ox Alphaとは？正体はGLM-5.3-Flashと判明」で詳しく扱っています。

混同注意：GLM-5.3とGLM-5.3-Flashは別モデル

最初に潰しておくべき誤解がここです。GLM-5.3-Flashは、GLM-5.3の「高速版」ではなく、価格帯も設計思想も異なる別モデルです。名前が1語しか違わないため、料金表を読み違えるケースが多発しています。

※料金はZ.ai公式の料金ページに記載された定価（2026年8月28日時点）。

実務上いちばん大きい差は、Flashだけが重み公開されている点です。GLM-5.3はオープンウェイト公開が止まっており、使うにはZ.aiまたは提携プロバイダのAPIを通すしかありません。一方Flashは自社環境に置ける選択肢が残されています。上位機側の詳細は「GLM-5.3とは？Z.ai最新モデルの性能・料金」を参照してください。

Z.ai自身は価格について「GLM-5.2比でおよそ1/10」と表現しています。前世代のGLM-5.2は入力$1.4／出力$4.4だったため、入力で約1/9.3、出力で約1/8.8というのが実数です。「1/10」は概算表現である点は押さえておいてください。前世代の内容は「GLM-5.2とは？料金・性能とコスト1/6の実態」、シリーズの系譜は「GLM-5.1とは」で整理しています。

なぜ1/10の単価が成立するのか — アーキテクチャの中身

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構造的に削った結果です。Z.aiは技術レポートで、GLM-5.3比でアテンション計算を約3.01倍削減、KVキャッシュを約4.44倍削減したと説明しています。

公表されている主な設計は次の通りです。

• 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。45層の言語モデルで、KDA（線形アテンション）層とNoPEスパースMLA層をインターリーブする構成
• MoEルーティング — 288エキスパートのうち、各トークンで使うのは8つのみ。総パラメータ320Bに対し、実際に動くのは18B
• IndexPool圧縮 — 100万トークン級の長文脈を扱う際のインデックスを圧縮
• ネイティブFP8重み — 学習時点からFP8。推論時の変換ロスとメモリを削減
• MTP（Multi-Token Prediction）ドラフト層 — 投機的デコードによる高速化
• mHC（Manifold-Constrained Hyper-Connections） — スケーリング効率の改善

ここで重要なのは、KVキャッシュのサイズが長文脈コストを直接左右するという点です。100万トークンの文脈を保持し続けるコストが下がったからこそ、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内で、KVキャッシュのサイズはKimi K3やDeepSeek-V4-Flashと比べるとまだやや大きく、改善余地があると認めています。同種の設計で先行するモデルとの比較は「Kimi K3とは？料金・性能比較」「DeepSeek V4 Flashとは」もあわせて見ると位置づけが掴めます。

中国製チップ10万基での運用 — 事実と未確認を分ける

このモデルが技術ニュースとして大きく扱われた理由は、性能や価格よりも「NVIDIA GPUを使わずに提供されている」という点にあります。Z.aiは、Ox Alpha期間を含むGLM-5.3-Flashのオンライン推論リクエストを、すべて中国国産チップ約10万基のクラスタで処理したと説明しています。

一方で、記事によって書かれている内容にばらつきがあるため、確認できる範囲を切り分けておきます。

つまり「中国製チップだけで動いている」という主張自体は公式に明言されていますが、どのメーカーのチップかは公表されていません。ここを「Ascend 910B搭載」と書いている記事がありますが、それは世代も工程も異なる話です。

中国製チップで学習・推論まで完結させた事例としては、Meituanの「LongCat-2.0」が先行しています。また、なぜ中国製モデルが実利用で選ばれているのかという背景は「中国製AIモデルがOpenRouter利用の60%超え」で扱っています。

性能はどのくらいか — 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肉薄する一方、絶対的な天井と応答速度では上位モデルに届いていません。 第三者計測（Artificial Analysis）のIntelligence Index v4.1.1では57で、110モデル中3位、同クラスのオープンウェイトモデルの中央値28を大きく上回りました。

上位クラスに並んでいる項目

届いていない項目

読み方のポイントは3つあります。

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モデルに届いていません。差は数ポイントですが、単価が1/10近いことを踏まえた評価が実態に合います。
2. 速度は明確に弱点。 Z.ai直提供では49.8 t/sで、TTFT（初回応答までの時間）は41.6秒という計測値があります。対話UIの即応性を求める用途には向きません。
3. プロバイダによって速度が大きく変わる。 Artificial Analysisの計測では、Baseten 137.4 t/s、Novita 51.3 t/s、Z.ai 49.8 t/sと開きがあります。速度が要件なら提供元の選択が効きます。

なお、日本語性能の公式ベンチマーク値は現時点で公開されていません。 JGLUEやJFBenchなどの公表数値は確認できませんでした。個人検証としてはnote上に「難易度の高い16問でClaude Opus 5と同スコア」という実測レポートがありますが、母数の小さい個人ベンチであり、参考値として扱うのが妥当です。Intelligence Indexで比較対象となったモデルについては「DeepSeek V4 Proとは」も参照できます。

料金 — 定価とプロモ価格を必ず分けて考える

出典: Z.ai 公式ドキュメント — Pricing

現在出回っている「入力$0.075」という数字は50%OFFのプロモーション価格であり、2026年9月9日24:00（UTC+8／日本時間9月10日1:00ごろ）で終了予定とZ.ai公式ドキュメントに明記されています。 予算を組むときは定価ベースで試算してください。

キャッシュ入力のストレージ料金は、現時点では期間限定で無料とされています。

月間トークン量別のコスト試算（定価ベース）

入出力比を5:1と仮定した場合の概算です。実際には思考トークンが出力側に乗るため、出力量は想定より膨らみやすい点に注意してください。

プロモ価格が適用されればさらに半額になりますが、9月9日を過ぎれば自動的に定価に戻ります。Artificial Analysisの実測では、Intelligence Index完走にかかったコストは1タスクあたり$0.045（割引適用時）、全体で$138.02でした。

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、従量課金よりサブスクのほうが読みやすくなります。GLM-5.3-Flashは全ティアで利用可能で、GLM-5.3に対して約3倍の利用枠が割り当てられます。

※Pro／Maxの月額は媒体によって$72/$160、$80/$168と表記が分かれています。契約前に公式ページで確認してください。年払いで最大30%程度の割引が案内されています。

クレジットの消費倍率も上位機と差があります（公式devpackドキュメント）。

• GLM-5.3: 入力6.9倍／キャッシュ入力1.7倍／出力24倍
• GLM-5.3-Flash: 入力2.3倍／キャッシュ入力0.56倍／出力8倍

加えて、月〜金14:00〜18:00（シンガポール時間）以外の時間帯と週末終日はクレジット消費が50%になるオフピーク割引があり、従量課金と比べて最大92%節約できるとZ.aiは説明しています。旧モデルを指定していた場合、GLM-5-Turbo／GLM-4.7へのリクエストはGLM-5.3-Flashへ自動ルーティングされます。

サードパーティ経由の価格

OpenRouterは13社（Z.ai、NovitaAI、Parasail、Reka AI、Together、Wafer、Cloudflare、DeepInfra、Baseten、GMICloud、Modal、io.net、Venice）が提供しており、ルーティング先で速度も保持ポリシーも変わります。プラットフォーム自体の仕組みは「OpenRouterとは？料金・手数料・使い方」で解説しています。

使い方 — 4つの利用ルート

出典: OpenRouter — Z.ai

API利用時の設定

Z.ai公式APIはOpenAI互換で、function calling（tools / tool_choice）、JSON出力、ストリーミング（stream / tool_stream）に対応しています。押さえておくべき設定は次の3点です。

1. reasoning_effort で思考量を low / high / max の3段階に調整できる。 公式推奨は max ですが、コストとレイテンシは上がります。
2. サンプリングは temperature = 1、top_p = 0.95 が公式推奨。 コーディング（DeepSWE系）の検証では temperature 0.95 / top_p 1.0 という設定も使われています。
3. 思考モードはオフにできない。 thinking.type は enabled のみのサポートです。短い応答でも思考トークンが乗るため、max_tokens を小さくすると本文が残らないことがあります。

視覚能力がコーディングのループに統合されているため、スクリーンショットや画面録画を渡してUIの不具合を特定させる、といった使い方ができます。Z.ai側のZCode環境ではBrowser Use / Computer Useとの組み合わせも案内されています。

セルフホスト・ローカル実行の現実

出典: Hugging Face — zai-org

「MIT公開＝手元のPCで動く」ではありません。 FP8重みでのサーバ自己ホストには約306GiB、NVIDIA Hopper世代以降で最低8GPUノードが推奨とされています。Unslothが公開しているGGUF量子化版でも、必要量は次の通りです。

実用的な精度を保つ4bitでも約200GBが必要で、個人環境ではまず現実的ではありません。GPUクラスタを持つ企業であれば、SGLang、vLLM、TokenSpeed、Transformers、KTransformersなどで運用できます。llama.cpp／Ollama／LM Studioは量子化モデル経由で対応します。

オープンウェイト公開そのものをどう評価するかという議論は「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。

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の評価が分かれるのは性能ではなく、データがどこへ行くかという点です。 API経由で使う限り、プロンプトは中国拠点のZ.ai（または各プロバイダ）のクラウドへ送信されます。ここは技術的な優劣ではなく、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。

導入前に整理しておくべき点を、実務の順序で並べます。

1. どのデータを渡すのかを機密度で切り分ける。 公開情報・ダミーデータ・社内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、認証情報は原則として外部モデルへ送らない前提で設計します。
2. どのルートで使うのかを決める。 同じモデルでも、Z.ai直・OpenRouter経由・Cloudflare経由でデータの保持ポリシーと準拠法が変わります。OpenRouterはプロバイダごとにログ保持の扱いが異なるため、ルーティング先の制限まで設定して初めて要件を満たせます。
3. 要件が厳しいならセルフホストを検討する。 MITライセンスで重みが公開されている以上、自社または国内クラウドで動かす選択肢があります。これはオープンウェイト公開が止まっているGLM-5.3にはない実務上の利点です。ただしGPU要件は高く、FP8で約306GiB規模になります。
4. モデル利用ポリシーそのものを見直す。 Ox Alpha期間中は、提供元が非開示の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」「いつ終了するか」を確認する社内ルールがないと、同じことは今後も起きます。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。
5. 価格前提が変わることを見込む。 50%OFFプロモは2026年9月9日で終了予定です。稟議に載せる金額は定価ベースにしておくと、後から差し戻しになりません。

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 — トークン消費が多いほど、単価差がそのまま月額差になります
• 大規模リポジトリを丸ごと読ませたい人 — 100万トークン級の文脈で、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・動画入力を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ました
• 上位機ではコストが合わなかった人 — 用途によってはベンチ上の差は小さく、単価は約1/9です
• オンプレでモデルを持ちたい企業 — MITライセンスのため商用利用にも制限がありません

おすすめしない人

• 即応性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、初回応答まで待ちが出ます
• 精度の絶対値で最上位を求める人 — 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上NGな組織 — セルフホスト、または国内・米国系ベンダーを検討してください
• 手元のPCでオープンウェイトを動かしたい個人 — 4bit量子化でも約200GBが必要です
• 日本語性能の公表値を根拠に判断したい人 — 現時点で公式の日本語ベンチマーク値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。

Ox Alpha名義での無料プレビューは終了しています。現在は有料提供で、2026年9月9日までの50%OFFプロモ価格が実質的に最も安く試せる方法です。Hugging Faceの重み自体はMITライセンスのため、自前のGPUがあれば無償で動かせます。

Q. GLM-5.3より性能が高いのですか。

公式が公表しているのは「GLM-5.2比での改善」であり、GLM-5.3との全項目比較は提示されていません。Flashが上位機を全面的に上回るとは言えない、というのが現時点で正確な理解です。

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。ただし具体的なチップベンダー名は公表されていません。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. コンテキストは本当に100万トークンありますか。

Z.ai公式ドキュメント・Cloudflare・Unslothは1,048,576トークンとしていますが、Hugging Faceのモデルカードには30万トークンという記述があり、OpenRouterの表示は1,310,720トークンです。利用する提供元の仕様を確認してください。

Q. レスポンスが遅いのですが改善できますか。

プロバイダを変えると大きく変わります。Artificial Analysisの計測ではBaseten 137.4 t/s に対しZ.ai直は49.8 t/sでした。あわせて 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。

Q. 商用利用できますか。

できます。Hugging Faceで公開されている重みはMITライセンスで、商用利用に制限はありません。API経由の場合はZ.aiまたは各プロバイダの利用規約に従います。

Q. Claude CodeやOpenClawなどのツールから使えますか。

OpenAI互換APIのため、エンドポイントとモデルIDを差し替えられるツールであれば利用できます。GLM Coding Planを契約すると、対応ツール向けの接続方法が公式ドキュメントで案内されています。

Q. プロモが終わると何が変わりますか。

入力$0.075→$0.15、出力$0.25→$0.50、キャッシュ入力$0.015→$0.03と、いずれも2倍になります。2026年9月9日24:00（UTC+8）で終了予定です。

まとめ

GLM-5.3-Flashについて押さえるべき点は5つです。

• 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、ステルス公開時の名称がOx Alphaでした
• GLM-5.3とは別モデル。 入力$0.15／出力$0.50で、上位機のおよそ1/9。Flashだけが重み公開されています
• 安さの理由は設計。 ハイブリッドアテンションとMoEにより、アテンション計算3.01倍・KVキャッシュ4.44倍の削減を公称しています
• 性能はエージェント系で最上位に肉薄、速度は弱点。 Terminal-Bench 2.1は84.3、出力速度は49.8 t/sで中位です
• 話題の$0.075はプロモ価格。 2026年9月9日24:00（UTC+8）で終了予定のため、試算は定価で行うのが安全です

導入を検討するなら、まずは扱うデータの機密度を切り分け、そのうえでZ.ai直・OpenRouter・Coding Plan・セルフホストのどれを使うかを決める順序が実務的です。料金とプロモの条件は変動が早いため、発注前にZ.ai公式の料金ページと利用するプロバイダのモデルページで最新の数字を確認してください。

モデル全体の選び方は「生成AIツールおすすめ比較」、エージェントの設計思想は「AIエージェントとは？仕組み・種類・活用例」もあわせてご覧ください。