GLM-5.3-Flash は、GLM-5 シリーズ初のネイティブ・マルチモーダルモデルです。
テキスト、画像、動画を入力でき、出力はテキスト。コンテキスト長は 104 万 Token あります。
大きめのコードリポジトリやドキュメント、過去の会話履歴まで、かなりまとめて入れられます。
用途ははっきりしています。
コーディング、AI エージェント、大規模な開発作業、業務フロー向けです。
API のモデル ID は glm-5.3-flash。
重みも Hugging Face で公開されています。ただし容量は 300GB 超。
自宅 PC で気軽に動かすタイプのモデルではありません。
| プラン | 価格 | 説明 |
|---|---|---|
| API 従量課金 | 入力 0.15ドル / 100万 Token、出力 0.50ドル / 100万 Token | GLM-5.3 の通常価格と比べて約 1/10。割引期間中は約 1/20 |
| GLM Coding Plan | 個人向け 月額18ドルから | GLM-5.3 より Flash の利用枠が 3 倍。オフピーク時間帯と週末はポイント消費が半分 |
| ローカル運用 | モデル自体は無料 | 重みは 300GB 超。FP8 で約 306GiB。高性能なハードウェアが必要 |
Zhipu はコスト比較も公開しています。
GLM-5.3-Flash は AA 総合知能指数で 57 点。Claude Opus 4.8 と同じスコアです。
割引後の 1 タスクあたりのコストは、Zhipu の説明では Opus 4.8 の約 1/40。
このクラスとしては、かなり安いです。
普通のチャットなら、ここまで長いコンテキストはまず使い切りません。
開発では話が変わります。
大きなコードベース、仕様書、ログ、タスク履歴、過去の会話などをまとめて入れられます。
長時間動く Agent との相性もいいです。
何度も前提を説明し直さなくていいのは、実際の開発では助かります。
GLM-5.3-Flash は GLM-5 シリーズ初のネイティブ・マルチモーダルモデルです。
UI のスクリーンショット、デザイン、レンダリング結果、動画などをそのまま入力できます。
フロントエンド開発、ゲーム、3D 系の作業では、生成した画面を見て、その結果をもとにコードを直していくこともできます。
単に「画像入力に対応しています」で終わらないのがポイントです。
Zhipu が紹介したデモの中には、なかなか目を引くものもありました。
外部素材なしで 16 時間自律的に動き、約 400 平方メートルの業務用キッチン設計を作ったというものです。
ソフトウェアの UI を直接操作することもできます。
API がなくても、画面を見て、ボタンを押し、文字を入力し、結果を確認して、また修正する。
こういう使い方ができるほうが、単に画像ベンチマークで高得点を取るより実用的です。
Function Calling と JSON 出力に対応しています。
外部 API やツール、構造化データとつなぎやすい構成です。
Zhipu のデモを見ると、用途は単純なコード生成にとどまりません。
調査や分析から始めて、最後は PPTX、PDF、DOCX、XLSX まで作る。
そこまで行くと、チャットボットというより、ワークフローの中で実際に作業する実行役に近いです。
ここが一番注目された部分です。
DeepSWE v1.1 では、GLM-5.3-Flash が 63.4。
GLM-5.2 は 46.2 でした。
Z.ai Code Bench の full-effort モードでは 29.0。
Claude Opus 4.8 は 29.5。
かなり近いです。
AutomationBench では 48.8 対 26.2 と、さらに差が大きくなっています。
そして面白いのは、GLM-5.3-Flash のほうが GLM-5.2 より小さいことです。
GLM-5.2 は総パラメータ数 640B。
GLM-5.3-Flash は 320B。
アクティブパラメータも 32B から 18B に減り、層数も 92 から 45 になっています。
さらに、Sparse Attention と Linear Attention を組み合わせた構成を採用しています。
モデルは小さくなった。
価格も下がった。
それでも性能は上がった。
GLM-5.3-Flash で一番見るべきなのは、たぶんここです。
一番わかりやすいのは、ローカル運用の重さです。
重みは 300GB 超。
一般的な個人向け PC では、かなり難しいです。
もうひとつは reasoning モード。
thinking.type は enabled にしか設定できず、オフにできません。
低遅延を重視する用途では、少し扱いにくいかもしれません。
匿名公開のやり方も、かなり珍しいです。
ユーザーは先にモデルを使い、そのあとで開発元を知りました。
Zhipu が正体を明かした時点では、ブランド名抜きで評価がすでに固まりつつあったわけです。
こういう出し方は、AI モデルではあまり見ません。
GLM-5.3-Flash は、コーディング、Agent、大規模リポジトリ、業務自動化をやる開発者に向いています。
特に、コストは抑えたいけれど、トップクラスのコーディング性能も欲しい人には魅力があります。
一方、ローカル運用はハードルが高いです。
300GB 超のモデルは、ちょっと重いというレベルではありません。
低遅延が最優先だったり、reasoning を必ずオフにしたい場合も、あまり向いていません。
メール作成や軽い事務作業が中心なら、このモデルでなくてもいいでしょう。
コメント（0件）