
Claude Opus 5.5 vs GLM-5.4:安いトークンは安いタスクではない
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 182 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 364 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 148 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
モデル選定で最も高くつく誤りは、完成したタスクではなく価格表を比較することだ。Claude Opus 5.5は入力100万トークンあたり4ドル、出力100万トークンあたり20ドルかかる。GLM-5.3 — Z.aiが実際に提供しているモデルであり、「GLM-5.4」と入力する誰もが探しているモデル — は1.40ドルと4.40ドルだ。表示価格では、この中国のオープンウェイトモデルはおよそ5分の1の価格になる。Artificial Analysis自身の、タスクを完了するのにいくらかかるかの測定では、その差は2×に縮まる。この比較の本質は、価格表ではなく、その縮小にある。
まず、名前について。GLM-5.4は存在しない。Z.aiのドキュメント索引には、現行のテキストモデルとしてGLM-5.3とGLM-5.3-Flashが掲載されており、同ラボのHugging Face組織に「5.4」を含むリポジトリはなく、11月19日にHubを全文検索しても何もヒットしない。その数字はリリース名ではなく検索語にすぎない。GLM-5.3は2026年8月に登場した——Artificial Analysisによるリリース日は8月18日で、重みは8月25日からHubで公開されている——そして以下のすべての主張はこのモデルに関するものだ。
GLM-5.3とは何か、そしてそのコストはいくらか
GLM-5.3はZ.aiのオープンウェイト型テキストフラッグシップです。GLM-5.2と同じベースモデルを使用しており、すべての向上はポストトレーニングによるものです。そのためライセンスとアーキテクチャは変わらず、改善はまさに2つの領域、すなわち複雑なコーディングと長期的なエージェント型ワークに集中しています。1Mトークンのコンテキスト、最大128Kの出力、テキストのみの入力、オフにできない推論を備えています。エフォートレベルは3段階、low、high、maxで、デフォルトはmaxです。

• 価格 — Claude Opus 5.5 入力 $4.00 / 出力 $20.00 / キャッシュ読み取り $0.20 に対し GLM-5.3 は $1.40 / $4.40。
• 重み — クローズドAPIのみ 対 Hugging FaceでのApacheスタイルのオープンリリース(ダウンロード可能かつセルフホスト可能)。
• コンテキスト — 両方とも1Mトークン、最大出力も両方とも128K。
• エフォート制御 — Opus 5.5 は無効化できない適応型思考を実行し、デフォルトは中程度、一方 GLM-5.3 は推論が常にオンで、デフォルトは最大。
• Intelligence Index — v5.0.1 リビジョンでは 59.1 対 31.7、27.4 ポイントの差。
• Indexタスクあたりのコスト — $10.04 対 $5.01。その差は2倍であり、表記上の価格が示唆する4.5倍ではない。
• モダリティ — テキストと画像の入力 vs テキストのみ。
なぜ4.5倍の価格優位性が2倍のコスト優位性になるのか
Artificial Analysisは両モデルを同じIndexスイートで実行し、それぞれが消費したトークンを数えた。Claude Opus 5.5はスイート全体で218Mの出力トークンを生成した。GLM-5.3は135Mだった。これは多くの人が予想する方向ではない——ここでは高価なモデルのほうが冗長だ——しかし重要な比率は価格との対比であり、GLM-5.3の1.6倍のトークン優位は、逆方向における4.5倍のトークン単価の優位性を埋め合わせるには程遠い。

予算を組むときと同じように計算してみよう。両モデルが同じトークン数を使うタスクでは、GLM-5.3 は 4.5倍安い。実際には、Opus 5.5 が 1トークン使うごとに GLM-5.3 は約 0.62トークンしか使わないので、入力トークンを除いた実効比率は約 2.8倍になり、タスクあたりの実測値でも $5.01 対 $10.04 で 2倍となる。それでも現実の節約にはなる — およそ半分だ — しかし半分は5分の1とは別の意思決定だ。表示価格だけを見て予算を組み、請求額が2倍になったチームは、誤ったビジネスケースを築いていたことになる。
特筆すべき二次的影響があります。なぜなら、これは複数のチームを不意打ちにしたからです。GLM-5.3の推論はデフォルトでmaxになります。モデルIDだけを差し替え、推論のデフォルトを変更しないまま移行すると、そのモデルの最も高コストで最も遅い構成になり、冗長さはまさにそこから生じます。Z.ai自身の移行ノートには、推論の無効化はもはやサポートされておらず、lowを意図的に設定する必要があると明記されています。
能力の格差は現実に存在し、一様ではない。
27ポイントのインデックス差は失格ものに見えるし、一般的なナレッジワークではほぼそうだ。しかしベンチマークごとの数値は、総合スコア以上に重要な軸で2つのモデルを分ける。以下の数値はすべてArtificial Analysisによるもので、同じハーネス、どちらも最高のエフォート設定で測定された。
• Terminal-Bench 4.0 — 59.6% 対 41.9%。エージェント型ターミナル作業における18ポイントの差。
• FrontierCode-AA 2.0 — 46.4% 対 21.6%。Opus 5.5 は GLM-5.3 の2倍以上です。
• Terminal-Bench-Science 0.1 — 59.0% 対 9.5%。ボード上で最大の差であり、一方的な圧勝。
• HLE-Diamond — 67.9% 対 17.9%。
• AA-Omniscience — 精度65.5%で48.1、精度32.3%で6.0。
• GDPval-AA v2.1 — 1866 Elo 対 1655。211ポイント差で、このセットの中で最も小さい差です。
• ITBench-SRE — 38.2% 対 46.1%、GLM-5.3 が勝利する数少ないケースの一つ。
• LCR(長文脈推論) — 84.7% 対 79.7%。
パターンは、GLM-5.3が長文脈推論とサイト信頼性タスクでは持ちこたえ、科学寄りのターミナル作業と知識想起では崩れるということだ。ワークロードが長い文脈にわたる文書分析なら、27ポイントの総合スコアは差を過大評価している。それが不慣れなリポジトリでのエージェント型コーディング——両ベンダーが売り込んでいるもの——なら、総合スコアは差を過小評価している。
Z.aiが公開しているベンダー表は、Opus 5.5ではなくOpus 4.8を比較しています
グラフで見つけたGLM対Claudeの数値を信頼する前に知っておくべきこと。Z.aiのGLM-5.3モデルカードには、「Opus 4.8」列と「Fable 5(フォールバックあり)」列を備えたベンチマーク表がある。GLM-5.3の5週間後にリリースされたClaude Opus 5.5は、そこには登場しない。それは不誠実なことではない——この表は5.3の出荷時に作られたもので、当時Opus 5.5はまだ存在していなかった——が、多くの人が探している比較がどちらのベンダーからも公開されたことがなく、利用可能な唯一の同一ハーネスによる数値は上記の独立系のものだけであることを意味している。
Z.ai自身の数字には、真剣に受け止める価値のある主張が1つ確かにある。それはオープンウェイトモデルの真の強みを指し示しているからだ。脆弱性発見ベンチマークであるCyberGymで、GLM-5.3は84.5を記録し、Opus 4.8の78.1を上回っている。モデルカードはこの向上を「創発的」と表現している。ポストトレーニングの規模拡大に伴い、サイバー能力がチームの予想を上回る速さで伸びたというのである。また、エクスプロイト系ベンチマークはGLM-5.2から2倍超に増えている。Anthropicは9月29日にGLM-5.3のサイバー能力に関する分析を公開したが、競合のオープンウェイト公開についてベンダーが通常行うことではない。あなたの仕事が防御的セキュリティツールの開発なら、そこがオープンモデルが真に先行している唯一の軸であり、同時にオープンウェイトが最も重要になる軸でもある。悪用に近いプロンプトを誰かのAPIに送るのではなく、自社インフラ上で分類器を実行できるのだ。
オープンウェイトが実際に意思決定を変えるのはどこか
ここまでの内容はすべて能力とコストの比較であり、そのどちらの点でも、ほとんどの作業では Claude Opus 5.5 が勝ります。それでも GLM-5.3 が導入され続ける理由はそのどちらでもありません。5.3 ファミリーのモデルはダウンロードでき、自社のゲートウェイの背後で動作し、ネットワークの外に出ることが決してない、という点にあります。
それが27のインデックスポイントを上回る、3つの具体的な状況。管轄境界を越えられない規制対象データで、選択肢がGLM-5.3か何もないかのどちらかになる場合。大量分類で、ベースモデルの3億パラメータのファインチューンが、1回の呼び出しあたりのコストのほんの一部で、あなたのラベルにおいて汎用モデルを上回る場合。そしてサイバー関連のツール群で、ベンチマーク上の優位性とセルフホスティング要件が同じ方向を指す場合。
それ以外のすべてについては、ルーティングの判断を安く抑えるのが正直な推奨です。両モデルは1つのOrcaRouterキーに紐づいています — anthropic/claude-opus-5.5とz-ai/glm-5.3 — プロバイダー定価に対して0%のマークアップで、これはAnthropic側よりもZ.ai側にとって重要です。なぜならZ.aiは2026年にこのラインを2回価格改定したからです。大量でリスクの低いパスはGLM-5.3に、計画ループはOpus 5.5に振り向け、安価な層のプロバイダーが不調な場合にはフェイルオーバーでカバーさせてください。ルーティングDSLを使えば、それは2つの統合ではなく設定変更になり、予算に入れるべきは、どちらかの定価ではなく、タスクあたりのブレンドされた数値です。

名前が確定した状態での答え
Claude Opus 5.5 は、エージェント型コーディング、科学分野中心のターミナル作業、そして想起精度が重要なあらゆる用途において、より優れたモデルです。完成したタスクあたりのコストは GLM-5.3 の約2倍で、4.5倍ではなく、両ベンダーが宣伝するワークロードにおいてはその差だけの価値があります。
GLM-5.3は、重みを自社で保有する必要がある場合、ワークロードが長文脈推論やオンコール対応のトリアージである場合、あるいは業務がサイバーディフェンスである場合に適切な選択です。これは、真にフロンティアに迫るオープンモデルを真に低価格で実現したものであり、その最大の弱点——9.5%の科学・ターミナル作業——は限定的であるため、ワークロード固有の評価を行えば、それがあなたにとって重要かどうかを午後のうちに判断できるでしょう。
タイトルに登場するモデル、GLM-5.4は判断の対象ではない。実体のないバージョン番号であり、もしZ.aiがそれをリリースするなら、上記の計算こそがそれを上回らなければならないものになる。
この記事で比較したモデル3
この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新
