GLM-5.3とは？Z.ai最新モデルの性能・料金・オープンウェイト公開時期を整理【2026年8月最新】

GLM-5.3は、中国のZ.ai（旧Zhipu AI）が2026年8月14日に公開した、コーディングとサイバーセキュリティに特化したフラッグシップ基盤モデルです。前世代GLM-5.2と同じベースモデルを使い、事後学習（post-training）だけで自社コーディングベンチマークのスコアを約50%引き上げた点が最大の特徴で、同時に「攻撃的なセキュリティ能力が想定より速く伸びた」ことを理由に、Z.ai自身がオープンウェイトの公開を保留しています。

想定読者は、Claude CodeやCline等にコーディングモデルを差し替えて使っている開発者と、社内へのAIコーディング環境導入を検討している情報システム部門・技術責任者です。GLM-5.3は「月18ドルから使えるコーディング用途としては現時点で最もコストパフォーマンスが高い選択肢のひとつ」ですが、最難関のコーディングベンチマークではGPT-5.6 SolやClaude Fable 5に届いておらず、さらにウェイト未公開のためオンプレミス運用ができません。この2点を理解したうえで判断する必要があります。

なお、GLM-5.3は公開直後で公式情報が出そろっていない部分があるため、2026年8月16日時点で確定している情報と、まだ確定していない情報を分けて扱います。

GLM-5.3とは｜Z.aiのフラッグシップ・コーディングモデル

出典: Z.ai 公式ドキュメント — GLM-5.3

GLM-5.3は、Z.aiが「Built to Code. Ready for Cyber Defense.（コードのために作られ、サイバー防衛の準備ができている）」というキャッチコピーとともに発表した、同社のフラッグシップ基盤モデルです。汎用チャットモデルというより、長時間・多工程の開発作業を自走させることに振り切った設計になっています。

出典: docs.z.ai GLM-5.3 Overview、docs.z.ai Coding Plan

系譜としては、SWE-bench系でトップ級のスコアを出してMITライセンスで公開されたGLM-5.1、そして2026年6月に公開されたGLM-5.2の直系にあたります。GLM-5.3はGLM-5.2の重みをそのまま土台に使っているため、前世代のアーキテクチャ上の特徴はほぼそのまま引き継がれていると考えて差し支えありません。

「事前学習なしで50%向上」は何を意味するか

Z.aiの説明によれば、GLM-5.3は新しい事前学習を一切行っていません。代わりに、事後学習の量と多様性を大幅に増やしたとされています。

• より多くのタスク環境、より多様な環境タイプ、より長い学習ステップ
• 学習インフラは自社OSSの slime（非同期RLフレームワーク）と SAO（long-horizon RL実装）
• 開発者のワークステーションを模したサンドボックス上で、AIエージェントが実プロジェクトから学習環境を自動生成し、報酬信号も自動生成するパイプラインを構築

つまり「巨大な計算資源で一から学習し直す」のではなく、「すでにある賢さを、実務に近い環境で徹底的に鍛え直す」というアプローチです。これは、事前学習コストの高騰に直面している各ラボにとって現実的な選択であり、interconnects.aiのNathan Lambert氏は「中国ラボがフロンティアに追随できている理由は技術的優位ではなくリリース速度にある」と分析しています。

【重要】2026年8月時点で「確定していること」と「まだ確定していないこと」

GLM-5.3は公開直後で、公式情報のうち一部がまだ出そろっていません。ここを混同したまま導入判断すると、コスト試算も運用設計も崩れます。まずこの切り分けから確認してください。

日本語・英語を問わず、GLM-5.3の解説記事の多くがGLM-5.2の従量課金レート（入力$1.4／出力$4.4 per 1Mトークン）をそのままGLM-5.3の価格として掲載していますが、これは公式に確認できる情報ではありません。API課金でのコスト試算を前提に稟議を書く場合、この点は必ず自分で公式ページを確認してください。

GLM-5.3でできること｜対応機能と実務での使いどころ

GLM-5.3は、単発のコード生成よりも長時間かけて完了させる開発タスクに強みがあります。公式が挙げる対応機能は次のとおりです。

公式が主張する強みは「ロングホライズン（長工程）タスクの自走」です。具体的には、数千行のコード・数百ファイル・相互依存する複数システムにまたがる作業を、人間が逐一分解して監視しなくても進められるとしています。フロントエンド開発、バグ修正、リファクタリングにおいて「開発 → 反復検証 → デリバリ可能な状態」までを最小限の介入で到達させる、という説明です。

実務で効いてくるのはトークン効率の改善です。Z.ai Code Bench（自社ベンチ）では、1タスクあたりの出力トークンが約96,000から約75,000へ約22%減った上で、精度は23.4%から34.5%へ上がっています。クレジット制のサブスクリプションを使う場合、同じ予算でこなせる仕事量が増えることを意味します。

一方で、マルチモーダルには対応していません。画像・音声・動画の入出力は不可で、テキストとコードのみです。デザインカンプの画像を読ませてUIを起こす、といった使い方は現時点ではできません。

ベンチマークの読み方｜勝っている項目と、負けている項目

GLM-5.3のベンチマークはすべてZ.aiによる自社測定で、第三者による再現は2026年8月16日時点で確認できていません。数値は「ベンダーの主張」として読む必要があります。そのうえで、伸び幅は明確です。

GLM-5.2からの改善幅

Terminal-Bench 3.0の4.6→28.3という伸びは一見劇的ですが、元のスコアが低すぎたことも押さえておくべきです。「6倍になった」という表現より「まともに完走できるようになった」という理解が実態に近いと考えられます。

競合モデルとの横並び（Z.ai提示チャート）

※ CyberGym・ExploitBenchで比較対象となったAnthropicのモデル名は、出典によって記載が分かれています（Fable 5とする記事とMythos 5とする記事が混在）。ここでは「Anthropicの最上位クラス」として扱います。比較相手のモデル自体のスペックはClaude Fable 5とはとGPT-5.6とはにまとめています。

この横並びから読み取れるのは3点です。

1. 最難関のコーディングタスクでは、まだGPT-5.6 SolとClaude系に届いていない（Terminal-Bench 3.0、DeepSWE）
2. 自動化タスクと脆弱性発見では首位を主張している（AutomationBench、CyberGym）
3. 同世代の中国製モデルとは僅差。DeepSWEではKimi K3（67.5%）に僅差で負けている

つまりGLM-5.3は「全方位で最強」ではなく、約743Bという競合の数分の一の規模で、フロンティアの一歩後ろまで来た低コストモデルという位置づけが正確です。同じ精度をより少ないトークンで出せる点と、月18ドルから使える点を合わせると、コストあたりの価値では十分に競争力があります。

サイバーセキュリティ能力｜CyberGym 84.5%は「防御側で首位」という意味

GLM-5.3で最も注目されたのがセキュリティ関連スコアですが、ここは誤読されやすいため丁寧に切り分けます。

CyberGymの84.5%は、オープン・クローズド問わず最高水準だとZ.aiは主張しています。一方、ExploitBenchの54.4%はAnthropic最上位モデルの78.0%に大きく水をあけられており、ExploitGymでも同条件で181〜247タスクをこなす同モデルに対して105〜130タスクにとどまります。

したがって「GLM-5.3はサイバー最強」という要約は不正確です。 正しくは「脆弱性の発見・検証（防御側）で首位を主張しており、攻撃コードの組み立てではAnthropic系に劣後している」となります。

実地成果としてZ.aiは、269のOSSプロジェクトで2,436件の脆弱性を発見し、うち1,097件（約45%）がHigh〜Criticalだったと公表しています。対象にはLinux、WebKit、FreeBSDが含まれ、40年前のコードからも検出したとしています。AIによる脆弱性検出という潮流はGPT-5.5-CyberやOpenAI Daybreak、AnthropicのProject Glasswingにも共通しており、GLM-5.3はその中国側の到達点にあたります。

なぜオープンウェイトの公開が止まっているのか

GLM-5.3のウェイトは、2026年8月16日時点でHugging Faceの zai-org に存在しません（同組織の最新公開はGLM-5.2）。これは中国系オープンウェイト勢としては極めて異例の判断です。

出典: Hugging Face — zai-org

Z.aiの説明を整理すると、次のようになります。

• 事後学習をスケールさせた結果、攻撃的なセキュリティ能力が想定より速く伸びた
• 特に、単発の脆弱性検出ではなく多段階のエクスプロイト・チェーンを推論する能力が意図せず獲得された
• そのため、安全性評価とハードニングを完了してから約2週間後にウェイトを公開するという段階的リリースに方針転換した

GLM-5.2は2026年6月のリリースとほぼ同時にMITライセンスでウェイトが公開されていたため、今回は明確な路線変更です。Axiosは「中国のオープンウェイト勢が、ハッキングリスクを理由に自主的にリリースを保留した稀なケース」として報じています。

ここで重要なのは、一度ウェイトが公開されれば、モデル側の安全制御を強制する手段は事実上なくなるという点です。ローカルで動かせる以上、安全装置を外した派生版が出回ることは技術的に止められません。オープンウェイト公開のリスクとメリットをどう天秤にかけるかという論点は、Anthropicのオープンウェイトモデルに対する立場と読み比べると、両陣営の考え方の差がわかります。

なお、米国商務省NIST傘下のCAISIは2026年7月にGLM-5.2の評価レポートを公表し、「リリース時点でおそらく最も高性能なオープンウェイトモデル」としつつ、セーフガードの評価は mixed（エージェント的な攻撃コード開発の支援を許容してしまう傾向がある）としていました。GLM-5.3に対する同様の第三者評価は、現時点では公表されていません。

GLM-5.3の料金｜GLM Coding Planが現時点の主経路

出典: Z.ai 公式ドキュメント — GLM Coding Plan Overview

2026年8月16日時点でGLM-5.3を使う実質的な主経路は、サブスクリプション型のGLM Coding Planです。従量課金APIの公式価格が未掲載であるため、コストが読めるのはこちらになります。

GLM Coding Plan（サブスクリプション）

• クレジット数は公式ドキュメント（docs.z.ai/devpack/overview）の記載と一致します。
• 公式は「Starting at just 18 USD per month」と明記しており、Liteの$18は確実です。一方、Pro／Maxの月額は公式ページ本文が動的描画のため機械取得できず、上表は年払い価格（30%OFF）からの逆算と複数の価格集計サイトの整合値です。2026年6月時点ではPro $72／Max $160という情報もあり、GLM-5.3投入に合わせて改定された可能性があります。契約前に必ずz.aiの課金画面で実額を確認してください。
• 課金サイクルは月払い／四半期払い（20%OFF）／年払い（30%OFF）。
• 全ティアでGLM-5.3が使えます（公式表記: All plans support GLM-5.3, GLM-5-Turbo and GLM-4.7）。月$18のLiteでもフラッグシップに触れられる点が最大の訴求です。
• オフピーク時間帯はクレジット消費が標準の50%になります。
• 画像理解・Web検索・Webページ読み取り・OSSリポジトリ参照の4種のMCPツールが全ティアに同梱されます。

公式が示すトークン換算目安（キャッシュヒット率90.9%想定）は、Liteで週4,300万〜8,700万トークン、Proで2億6,300万〜5億2,600万、Maxで6億1,300万〜12億2,600万です。個人開発者ならLite、常時エージェントを走らせるならPro以上、が現実的な目安になります。

従量課金API

GLM-5.3の従量課金レートは、公式pricingページに掲載されていません（2026-08-16確認。表はGLM-5.2で終わっています）。参考としてGLM-5.2は入力$1.4／キャッシュ入力$0.26／出力$4.4（100万トークンあたり）でしたが、この価格がGLM-5.3に適用されるという公式の明言はありません。API課金前提の見積もりは、公式に価格が掲載されてから確定させるべきです。

ZCode（Z.ai公式のエージェント型開発環境）

ZCodeは、GLM-5.3を実務ワークフローに載せるためのZ.ai公式デスクトップアプリ（Agentic Development Environment）です。日本語圏ではほとんど紹介されていませんが、使い勝手に直結する機能が揃っています。

• 新規ユーザーに5日間の無料トライアル（GLM-5.3で1日300万トークン、GLM-5-turboで200万トークン）
• Goals機能: 長時間走らせるタスクをエージェントが自ら計画・実行。Feishu／WeChatボットやモバイルからも制御可能
• アイドルタイム実行: 急ぎでないタスクをキューに入れると、余剰キャパのある時間帯にクォータを消費せず実行される
• Git連携、ブラウザ自動操作、リモート開発、機微な操作の確認プロンプト

課金はGLM Coding Planを紐づける方式です。まず無料トライアルで日本語での指示追従性を確かめる、という入り方が最も安全です。

GLM-5.3の使い方｜3つの経路

現時点でGLM-5.3を触る方法は次の3つです。ローカル実行はウェイト未公開のため選べません。

① 既存ツールへの接続がいちばん早い

GLM Coding Planは、OpenAI互換とAnthropic互換の両エンドポイントを提供しています。ベースURLとAPIキーを差し替えるだけで、既存のコーディング環境に刺さります。

• Anthropic Messages互換: https://api.z.ai/api/anthropic
• OpenAI Chat Completions互換: https://api.z.ai/api/coding/paas/v4
• 直API例: POST https://api.z.ai/api/paas/v4/chat/completions（"model": "glm-5.3"）

公式が対応を明記しているツールは、Claude Code／Roo Code／Kilo Code／Cline／OpenCode／OpenClaw／Crush／Goose／Cursorなど計10種です。すでにClaude Codeの使い方やOpenClawのセットアップを済ませている環境なら、環境変数の書き換えだけで移行できます。どのツールを土台にするか迷っている場合は、AIコーディングツールのおすすめ比較から選定してください。

② 推論の重さは reasoning_effort で調整する

GLM-5.3では reasoning_effort に low / high / max の3段階があり、デフォルトはmaxです。Z.ai Code BenchではHigh設定でも31.4%を約50,000トークンで達成しており（比較対象のClaude Opus 4.8は29.5%を約120,000トークン）、多くの日常業務ではhighで十分という判断ができます。何も指定しないとmaxで走り、クレジット消費が増える点は運用前に押さえておくべきです。

GLM-5.2から移行する人が先に確認すべき4点

既存のGLMユーザーにとって、GLM-5.3は「新モデルが増えた」ではなく「中身が入れ替わった」に近い変更です。以下は日本語の解説でほとんど触れられていませんが、実務上の影響が大きい項目です。

1. GLM-5.2／5.1を指定しても、自動的にGLM-5.3にルーティングされる。 公式ドキュメントに明記されています（Requests for previous models will be automatically routed to GLM-5.3）。Coding Planでは「前世代のまま使い続ける」という選択が事実上できません。 プロンプトの挙動が変わる前提で、既存の自動化フローは再検証してください。
2. thinking: {"type": "disabled"} はエラーになる。 GLM-5.2では有効だった思考の無効化指定が、GLM-5.3の直APIでは失敗します。思考を軽くしたい場合は reasoning_effort: "low" に置き換える必要があります。既存コードがそのまま落ちる箇所です。
3. reasoning_effort のデフォルトがmax。 明示指定していないコードは、移行後にトークン消費とレイテンシが増える可能性があります。
4. Coding PlanのPro／Max月額が変わっている可能性がある。 更新前に課金画面で実額を確認してください。

前世代の仕様や当時の料金体系はGLM-5.2とはで整理していますが、自動ルーティングにより「GLM-5.2を指定した場合の実際の挙動」は変わっている点に注意してください。

日本企業が導入する場合の注意点

GLM-5.3を業務に入れるかどうかは、性能だけでは決められません。2026年8月16日時点ではウェイトが未公開＝オンプレミス運用が不可能であり、利用すると必然的に中国クラウド経由になるからです。

考慮すべき法域リスクは次のとおりです。

このため、顧客データや未公開の自社コードをZ.aiのAPIに送信する判断は、法務・情報システム部門の承認を前提に扱うべきです。中国製モデルの採用が調達面で問題化した例としては楽天のRakuten AI 3.0をめぐる指摘も参考になります。AIコーディング環境そのもののリスク整理はAIコーディングのセキュリティリスクにまとめています。

現実的な運用の目安は次のとおりです。

• OSS・社内ツール・検証環境のコード → 現時点でも投入しやすい
• 顧客データ・認証情報・未公開の中核ロジック → ウェイトが公開されオンプレ運用が可能になるまで見送る
• 日本語での品質 → 第三者検証データが乏しいため、自社のユースケースで必ず実測する

こんな人におすすめ / おすすめしない人

おすすめできる人・組織

• コーディング用途で月額コストを抑えたい個人開発者。月$18のLiteでフラッグシップが使え、オフピークならクレジット消費が半分になります。
• すでにClaude CodeやCline等を使っていて、モデルだけ差し替えたい人。互換エンドポイントがあるため移行コストが小さく、合わなければ戻せます。
• 長時間走らせる自動化タスクが多い人。AutomationBenchやトークン効率の改善が効いてきます。
• OSSプロジェクトの脆弱性スキャンを回したい人。CyberGymでの首位主張と、269プロジェクト2,436件という実地成果があります。
• 中国系オープンウェイトの動向を追っている技術者。ウェイト公開後のオンプレ運用を前提に、今から評価を始める価値があります。

現時点ではおすすめしない人・組織

• 機密性の高いコードや顧客データを扱う企業。オンプレ運用ができない以上、データは国外クラウドを経由します。
• 最高精度が必要なプロジェクト。Terminal-Bench 3.0やDeepSWEではGPT-5.6 SolやClaude系に届いていません。
• 画像・音声を扱いたい人。マルチモーダル非対応です。
• ローカル／エアギャップ環境での運用が要件の組織。ウェイト公開までは選択肢に入りません。
• 仕様の安定性を最優先する運用。前世代の指定が自動的に新モデルへ振り替わるため、挙動の固定ができません。
• 日本語の長文生成が主目的の人。GLM-5.3はコーディング特化であり、汎用文章生成の第三者評価は乏しい状況です。

よくある質問

Q. GLM-5.3のオープンウェイトはいつ公開されますか？

公式は「安全性評価とハードニングが完了してから約2週間後」と説明しており、逆算すると2026年8月末前後が目安になります。ただし公式に日付が確定しているわけではありません。ライセンスも未発表で、GLM-5.2と同じMITになるとは限りません。

Q. GLM-5.3をローカルで動かせますか？

2026年8月16日時点では不可能です。Hugging Faceにモデルカード・ウェイト・トークナイザのいずれも公開されていないため、セルフホストの手段がありません。

Q. GLM-5.3のAPI料金はいくらですか？

公式pricingページにGLM-5.3の行がまだ掲載されていません（2026-08-16確認）。GLM-5.2の入力$1.4／出力$4.4（100万トークンあたり）を流用している解説記事が多いものの、GLM-5.3に適用されるという公式の言及はありません。確実にコストが読めるのはGLM Coding Planです。

Q. GLM-5.2のまま使い続けることはできますか？

Coding Planでは実質的にできません。GLM-5.2／5.1へのリクエストは自動的にGLM-5.3へルーティングされると公式が明記しています。

Q. なぜ「新規事前学習なし」で性能が上がったのですか？

事後学習（強化学習・環境学習）の量と多様性を大幅に増やしたためです。実プロジェクトから学習環境と報酬信号を自動生成するパイプラインを構築し、開発者ワークステーションを模したサンドボックス上で長工程タスクを大量に学習させたと説明されています。

Q. ベンチマークの数値はどこまで信用できますか？

公表されている数値はすべてZ.aiの自社測定で、第三者による再現は確認されていません。特に自社ベンチ（Z.ai Code Bench）は比較対象の設定条件が外部から検証できないため、参考値として扱い、自社のタスクで実測することを前提にしてください。

Q. サイバーセキュリティ用途で一番強いモデルですか？

脆弱性の発見・検証（CyberGym 84.5%）では首位を主張していますが、攻撃コードの組み立て（ExploitBench 54.4%）ではAnthropic最上位モデルの78.0%に大きく劣ります。「防御寄りのタスクで強い」が正確な理解です。

まとめ

GLM-5.3は、GLM-5.2と同じベースモデルのまま事後学習だけで自社コーディングベンチを約50%引き上げた、Z.aiのフラッグシップ・コーディングモデルです。月$18のLiteプランからフラッグシップが使え、同じ精度をより少ないトークンで出せる点で、コストあたりの価値は現時点で有力な選択肢に入ります。

一方で、判断を保留すべき材料も明確です。最難関ベンチマークではGPT-5.6 SolやClaude系に届いておらず、マルチモーダルにも対応していません。そして最大の制約は、攻撃能力の伸びを理由にオープンウェイトの公開が保留されていることです。これによりオンプレ運用ができず、業務利用は中国クラウド経由に限定されます。従量課金APIの公式価格もまだ出ていません。

現実的な進め方は、ZCodeの5日間無料トライアルか、Lite（月$18）で自社タスクを実測することです。そのうえで、ウェイトとライセンスが公開された段階で、オンプレ運用を含めた本格導入をあらためて検討するのが、8月時点で取りうる最も損の少ない判断だと考えられます。