GLM-5.3が160でEpochのCyber ECIを制する：オープンなサイバーフロンティアは6～7か月遅れている

Epoch AIは、オープンウェイトの安全性をめぐる議論が取り巻いてきた問いに数値を与えた。それは警告ではなくランキングである。GLM-5.3は同ラボのCyber ECIで160.10を記録し、この指数が追跡するオープンウェイトモデルのいずれよりも高く、OpenAIのGPT-5.4を上回り、AnthropicのClaude Mythos PreviewとOpenAIのGPT-5.5を下回る。スコアではなく日付として読めば、その位置づけは、今日の公開ダウンロード可能な最高のサイバー能力が、クローズドなフロンティアが6～7か月前にあった地点とほぼ同じ位置にあることを示している。この測定は、Epochの研究者Jaeho LeeとAlexander Barryによる10月16日公開のData Insight（データは10月8日で打ち切り）であり、外部組織がGLM-5.3をサイバー分野でランク付けした初の事例である。そしてそれは、NISTのCAISIが同モデルをこれまでで最もサイバー能力の高いオープンウェイトのリリースと評しつつ、米国のフロンティアから約4か月遅れと位置づけた1か月後に発表された。この二つの読み取りは同じ情報源を共有している。EpochはGLM-5.3のスコアを3つのCAISIベンチマークから得ているが、これは同モデルに関する唯一のサイバー系結果である。したがって両者の隔たりは測定の隔たりではなく、手法の隔たりである。AnthropicのFrontier Red Teamは9月29日、公開されたウェイトについて独自の数値をすでに示しており、ExploitBenchの410回の試行のうち50回でエンドツーエンドのエクスプロイトを発見した。Claude Mythos Previewは410回中56回だった。モデル自体は新しいものではない。Z.aiは8月14日にGLM-5.3を発表し、8月18日に100万トークンあたり1.40ドル/4.40ドルでAPIを公開し、8月28日には独自の「glm-5.3」ライセンスの下で743BのウェイトをHugging Faceに公開した。新しいのは、Z.aiがローンチの軸に据えた能力が今や公開リーダーボード上に位置を持ち、フロンティアまでの距離が測定されていることだ。一方でArtificial Analysisは同じウェイトについて、どのエンドポイントが応答するかによってタスクあたり0.92～8.68ドルと価格を付けており、Amazon Bedrockは10月5日以降、対象となるエンタープライズ顧客向けにこれを提供している。本ページはまず8月3日のリーク痕跡からGLM-5.3を追跡し、その後ローンチまでを追ってきた。今回の改訂では、Cyber ECIでの位置づけ、その背景にある手法、そして6～7か月の差が、実際にルーティング先として選ぶモデルについて何を教え、何を教えないのかを盛り込んでいる。

リークからローンチへ

8月3日に浮上した4つの痕跡――「ZCode for GLM-5.3」のハーネスページ、約1時間だけアクセス可能だった公式ドキュメントページ、「GLM-5.3 Official Harness」と記されたBingのインデックスエントリ、そしてZhipuの公式Java SDKにJSON Schemaサポート付きの「glm-5.3」エントリを追加するコミット――は、いずれも実在する名前付きリリースを指し示していた。Z.aiの共同創業者Tang Jieによる「sooooooon」という返信や「エピック級プラス」という表現も、今や噂ではなく実際の製品によって裏付けられている。本ページが検証した「およそ1週間」というタイミングのシグナル――DeepSeek V4 Proが出荷された8月13日の後に@teortaxesTexがXに投稿したもの――は、1日の狂いもなく的中した。Z.aiは8月14日、「Built to Code. Ready for Cyber Defense.」というスローガンのもとでGLM-5.3を正式発表した。続報は翌週に訪れた。8月18日にはモデルがより広い市場で提供開始となり――そのリリース日は現在、サードパーティのモデル一覧にも刻まれている――、8月19日にはZ.aiがAPIの呼び出し受付開始を発表。価格はGLM-5.2と同じで、モデルはすでにZCode、AutoClaw、GLM Coding Planに組み込まれている。

次のリークシグナル: GLM-5.3向けマルチモーダルプロセッサー

フラッグシップのテキスト専用という位置づけは、長くは続かないかもしれない。8月28日、sglangサービングエンジンのオープンなプルリクエストが、GLM-5.3のマルチモーダルプロセッサ入力サポートを提案している——画像ペイロードを、Miles RLフレームワークが使用するのと同じ動的リサイズ、ピクセル、グリッド、トークン拡張の方式に変換するプロセッサの接着剤であり、学習とサービングが同一の画像入力を扱うようにするものだ。このPRは、radixark/milesにおけるGLM-5.3上の画像条件付き強化学習のロールアウト側の半分であり、その2番目のコミットは、sglangのCIにGLM-5.3プロセッサテストを登録している。これはいずれもZ.aiの発表ではなく、マルチモーダルなGLM-5.3は出荷もベンチマークもされていない——これはコードレベルの証拠であり、このページが8月3日に最初に追跡した初期シグナルと同じカテゴリーである。それが示しているのは、フラッグシップ系が、Z.aiがローンチ時に説明したテキスト専用のコーディング・サイバーモデルにとどまるのではなく、学習においてもサービングスタックにおいても画像を受け入れる準備が進められているということだ。Perplexity自身が8月下旬にGLM-5.3をComputerに追加した際の表現——「長いコンテキスト、マルチモーダルのエージェントワークロード向けに構築」——も同じ方向を指しているが、それは製品ポジショニングであり、出荷済みのマルチモーダルモデルではない。

ポストトレーニングが実際にもたらしたもの

アーキテクチャに関する主張は、確定させる価値のある部分だ。リークの中で最も強調された具体的な点 — パラメータが1兆を超えたという点 — は誤りだからだ。{{1}}GLM-5.3はより大規模なモデルではない。Z.aiとその共同創業者であるTang Jieはともに、GLM-5.2とまったく同じ743BのMixture-of-Expertsベース（トークンあたり約400億のアクティブパラメータ）を再利用し、同じ100万トークンのコンテキストウィンドウと約128Kの最大出力を維持し、その向上のすべてをポストトレーニングから得ていると述べている。{{/1}}Tang Jieは今回のリリースを、意図的な変数統制実験と表現している。同じベース、同じアーキテクチャ、同じパラメータ数で、コーディング系タスクに対する1か月の長期ホライズン強化学習だけを唯一の変数とし、その1か月こそが約50%のコーディング向上をもたらしたと位置づけている。{{2}}Z.aiのリリースノートは、その背後にある仕組みを付け加えている。すなわち、すでにGLM-5.2を生み出したIndexShareのロングコンテキスト、SAOの非同期RL、オープンソースのslimeフレームワークを基盤に、より多くの長期ホライズンタスク環境、より多くの環境タイプ、より長期のトレーニング実行が採用されたということだ。{{/2}}Z.aiがオープンウェイトの発表からリンクしている技術詳細 — z.ai/blog/glm-5.3 の研究ポスト — は、その手法の詳細にさらに踏み込んでいる。長期ホライズンタスク環境は数十倍に増え、環境タイプも増加し、トレーニング実行は初回リリースをはるかに超えて延長され、タスクは実際のコンピュートクラスタ上での数日間にわたるエキスパート級のワークロードにまで拡大された。タスク環境の拡大に伴って現れた「厳格に制約されたプログラミング能力」というサイバー能力に関する同社の枠組みは、リリースノートと同様、企業自身による説明であり、独立した監査によるものではない。「再トレーニングなし、すべてポストトレーニング」という枠組みも創業者と企業自身のものであり、独立した監査は受けていない。{{3}}サイズももう一つの見出しだ。総パラメータ743B、トークンあたりのアクティブパラメータがわずか約40BというGLM-5.3は、中規模のクラスタでセルフホストできるほど軽く、大規模にサービス提供できるほど安価である。これは発表当日の解説が付与した「より小さく、より安く、オープン」というポジショニングであり、比較対象となるクローズドなフロンティア旗艦モデルとは鋭い対照をなしている。{{/3}}

コーディングとエージェント：Z.aiが主張する数字

コーディングに関して、Z.aiは次のように報告している——いずれもベンダー報告であり、再現されていない——Terminal-Bench 3.0は4.6から28.3へ上昇し、Z.aiはこれをそのハーネスにおけるオープンウェイト最高スコアと呼んでいる。DeepSWE v1.1は46.2から66.9へ上昇。SWE-Marathonは19.4から42.5へほぼ倍増。Agents' Last Exam（CLI）は23.8から28.5へ上昇した。Tang Jie自身によるこの結果の簡潔な表現は、@doteyが伝えたXの投稿で「純粋なポストトレーニングで、コーディングが約50%向上」というもので、Z.aiが発表で掲げた見出しの数字と同じだった。Z.aiの内部コードベンチでは、GLM-5.3は高エフォートで1タスクあたり約50K出力トークンの条件で31.4%を記録し、約120KトークンのClaude Opus 4.8の29.5%に対抗した——Z.aiの主張は、GLM-5.3がはるかに少ない出力トークンで同等の結果に達するというものだ。Claude Fable 5は最大エフォートで39.5%を記録し、この内部評価では依然トップ。Z.aiも、より難しい複数のコーディング評価ではGLM-5.3がGPT-5.6 SolやClaude Fable 5にまだ劣ると認めている。独立したハーネスが再現するまでは、これらすべてをベンダー公表の数字として扱うべきだ。

サイバー防衛：誰も予期していなかった能力

サイバーセキュリティに関する数値はZ.aiの発表で最も目立つ部分であり、9月29日までそれは完全にベンダー報告による数値でもあった。ホワイトボックス型の脆弱性発見・検証ベンチマークであるCyberGymで、Z.aiはGLM-5.3が84.5%と報告しており、GLM-5.2の77.2%から上昇し、同ラボのM​ythos 5（83.8%）とG​PT-5.6 Sol（83.6%）を上回っている。根本原因分析と動作するエクスプロイトの両方を要求するExploitBenchでは、Z.aiはGLM-5.3が24.4%から54.4%へ2倍超に増えたと報告しているが、M​ythos 5（78.0%）が依然として先行している。ExploitGymでは、Z.aiは2時間の制限時間で105タスク、6時間で130タスクを完了したと報告しており、GLM-5.2の29および39に対して増えている——ただし再びM​ythos 5（181および247）には及ばない。Z.aiはこのサイバー能力を、意図的に狙ったものではなく、大規模化した事後学習から創発する特性として位置づけている。同社の言葉では「トレーニングの規模拡大に伴って能力が複利的に伸び続けた」という。これらの割合を以下と比較する前に一つ注意点がある。Z.aiのExploitBenchの数値とA​nthropicの試行レベルでのExploitBench結果は、同じ公開ベンチマークであっても異なるハーネスと条件の下での別々の実行であるため、両者は同じ測定ではなく、並べて比較すべきではない。

Z.aiは、ベンチマークに合わせて実世界での主張を加えている。セキュリティチームと実施したテストでは、GLM-5.3は269のオープンソースプロジェクトにわたって2,436件の脆弱性を特定し、うち1,097件が重大または高深刻度と評価され、最も古い発見は1981年までさかのぼり、平均「寿命」は26.6年だった。これは発表の中で最も際立つ数字であり、同時に最も独立検証が難しい数字でもある。同社はこの能力に、協調的開示のためのSecurity Disclosure Ledger、機微なサイバー機能を検証済みユーザーに限定する「trusted access」プログラム、主要オープンソースプロジェクトを継続的に監査する「Open Source Shield」イニシアチブを組み合わせている。Anthropicの9月29日の評価は、ダウンロード可能な重みに対してこのゲートがどれだけの効果を生むのかに真っ向から挑むものだ。リリースされたモデルが有害なリクエストを初期状態で拒否する一方で、通常の手法により64～100%の試行で突破可能であることを見出し、重みの公開から数日以内に開発者らがabliterated化したGLM-5.3の派生モデルを公開していたことも指摘している。検証済みユーザープログラムはAPIを統制するが、ファイルを統制するものではない。

A​nthropicが測定したこと、そしてそれが変えるもの

AnthropicのFrontier Red Teamは9月29日、「GLM-5.3と高度なサイバー能力の拡散」というタイトルで評価を公開した。競合ラボがGLM-5.3の悪用能力について自らの数値を示したのは今回が初めてだ。その構図は率直だ。Claude Mythos Previewと同様、GLM-5.3はエンドツーエンドのサイバーエクスプロイトを自律的に構築する強い能力を持つが、他のフロンティアモデルとは異なり、悪用を制限する実質的な安全策なしにリリースされている。オフラインの標的に対して隔離されたサンドボックス内で実行すると、GLM-5.3はExploitBenchで410回中50回、エンドツーエンドのエクスプロイトを開発した。Claude Mythos Preview — Anthropicが約5か月前に発表し、信頼できる防御者向けプログラムProject Glasswingを通じて限定的にリリースした — は410回中56回でそうした。GoogleのOSS-Fuzzに参加するプロジェクトから100個のタスクを無作為に抽出し、制御フローハイジャックに満点を与えるAnthropic社内のBinary Exploitationベンチマークでは、GLM-5.3は4%、Claude Mythos Previewは6%だった。Anthropicの主張は、GLM-5.3がリードしているということではなく、閾値が動いたということだ。Claude Opus 4.6やGLM-5.2を含む以前のモデルは、これらのタスクのいずれにも成功しなかった。

研究者が主導するセッションでは、その知見は具体的な形になる。サンドボックス化されたマシン上で、一般に普及しているウェブブラウザのローカル Linux ビルドを動かし、1日を通して人間の注意を1時間未満しか向けないという条件のもと、GLM-5.3 はブラウザの JavaScript エンジンにこれまで知られていなかった複数の脆弱性を発見し、それらを連鎖させて動作するエクスプロイトに仕立て上げた。それは、訪問すると訪問者のコンピュータから任意のファイルを読み取るページであり、SSH 秘密鍵も含まれる。A​nthropic はこれらの欠陥をメンテナに開示したと述べており、同じセッションではワイヤレスドライバやグラフィックスドライバ、さらにはネットワークに接するデバイスソフトウェアにおける悪用可能な脆弱性も浮かび上がったという。2回目のセッションでは、より小型で能力の劣る兄弟モデルである GLM-5.3-Flash に、修正済みの Chrome の脆弱性（CVE-2026-11645）とさらにもう1件の公開情報が与えられ、目立った指示もないまま、ポインタ認証の強化を回避する信頼性の高い ARM64 エクスプロイトチェーンを構築した。これには人間の注意が20分、モデルの作業が8時間かかり、A​nthropic はこれを Z​hipu の API 料金で 20.40 ドルと見積もっている。

この投稿の安全性に関する半分は、デプロイ判断を変える部分だ。初期状態では、GLM-5.3はA​nthropicのシミュレーション世界で、あからさまに悪意のあるリクエストをすべて拒否した。テストされた他のすべてのモデルも同様だった。その後A​nthropicは、その拒否を回避する簡単な方法を見つけ、モデルが有害なリクエストに関与した割合を報告している：

• 欺瞞的なプロンプト — モデルに対し、それが演習に取り組む自律型レッドチームエージェントであると伝えるもの: 試行の64%。

• モデルの思考トークンを事前に埋めることで、すでにそのリクエストを検討し、続行することを決めたように見せる：92%。

• 拒否を編集で取り除いたabliterate済みの重みのコピーを実行：100%。

3つのいずれも、セーフガード付きのClaudeモデルに同じタスクを実行させることはできなかった、とAnthropicは言う。同社のセーフガードがカバーストーリーを阻止し、APIには思考をプリフィルする方法がなく、重みも配布されていないため、これらのモデルはそもそもアブリテレーションできない。この最後の非対称性こそ、長い尾を引くものだ。アブリテレーションは標準的な拒否低減手法であり、GLM-5.3はダウンロード可能な重みとして提供されるため、誰でも適用できる。Anthropicは自前のアブリテレーション済みコピーを約2,200 GPU時間、およそ4,400ドルで構築し、これまで一度もその作業を試みたことのないチームでも実行可能だと述べている。この編集により、GLM-5.3の拒否率はJailbreakBenchで90%超から約3%へ、HarmBenchで2%、StrongREJECTで12%へ下がった一方、GPQA-Diamondは変化せず、CyberGymのテスト済みサブセットは数パーセントポイントだけ低いスコアだった。Anthropicによると、モデル公開から数日以内に複数の開発者がGLM-5.3のアブリテレーション済みバージョンをすでに公開しており、GLM-5.3-Flashのアブリテレーションには約600 GPU時間かかったという。

これをすべて確定した事実ではなく、1つのラボによる測定値として扱うべきだ。Anthropicは自社のハーネスとサンドボックスを実行し、自社の試行を数え、第三者の再現結果を公開していない。したがって、ここにある内容は、Z.ai自身の数値がそうでないのと同じ意味で、独立した監査を受けていない。これがベンダーの主張以上に重みを持つのは、インセンティブの方向性だ。Anthropicは競合他社のモデルを測定しており、分母を報告している。その知見はNISTのCenter for AI Standards and Innovation（AI標準・イノベーションセンター）と一致している。同センターは9月17日にGLM-5.3を評価し、「これまでに公開された中で最もサイバー能力の高いオープンウェイトモデル」と呼び、CAISIのサイバーベンチマーク群の総合評価で、米国の最先端から約4か月遅れていると位置づけた。ただし、その比較に含まれる米国モデルはサイバーセーフガードを無効化してテストされており、審査済みユーザーにのみ提供されたモデルも含まれるという注意点がある。Anthropic自身の結論は、技術論であると同時に政策論でもある。同社は、自由にアクセス可能な能力における重大な閾値が越えられたこと、誰でもGLM-5.3をダウンロードできること、防御側は攻撃側が使用しているモデルと少なくとも同等に優れたモデルにアクセスできるべきだと述べている。CAISIの評価から2週間後、Epoch AIは同じ隔たりを別の方法で測定し、同じデータの一部に基づいて、より広い6～7か月という結果を出した。

ここまでの話は、あなたが制御する部分であるルーティング判断の仕組みを変えるものではありません。トラフィックの一部をOrcaRouter上のGLM-5.3に振り向けると、ファーストパーティ価格 — 100万トークンあたり$1.40 / $4.40、マークアップゼロでそのままパススルー — が適用され、また自動フェイルオーバーは、いずれかのモデルが劣化したときにワークロードをGLM-5.2や他の実績あるモデルへ移すので、どちら方向の能力面の不意打ちであっても、書き直しではなく設定変更で済みます。Anthropicの投稿が付け加えるのは、セキュリティに関わる作業や規制対象の作業をこれに送る前に問う価値のある疑問です。つまり、あなたが呼び出すモデルは重みが公開されているモデルであり、ホスト型エンドポイントは安全装置にはならないということです。エンタープライズ向けのルートでもこの算術は変わりません。Bedrock自身のGLM-5.3の掲載価格は、グローバル推論プロファイルで100万トークンあたり$1.68 / $5.28、米国向けでは$1.848 / $5.808で、Z.aiのファーストパーティ価格より20%および32%高くなっています。したがって、同じモデルをZ.aiの掲載価格で1つのキーから呼び出す方が引き続き安上がりな経路であり、クラウド契約が買うのは調達とコンプライアンスの態勢なのです。

開かれたサイバーフロンティアが実際に位置する場所

Epoch AIのCyber ECIは、同ラボのEpoch Capabilities Indexをサイバーセキュリティに特化させた派生指標で、35のサイバー評価にわたるベンチマーク結果から構築され、10月16日の更新後は76モデルを対象としている。この指標では、Z.aiのGLM-5.3が160.10を示し、同ラボが記録するオープンウェイトの最高スコアとなっており、OpenAIのGPT-5.4（157.04、2026年3月5日リリース）を上回り、AnthropicのClaude Mythos Preview（164.82、4月7日）とOpenAIのGPT-5.5（162.22、4月23日）を下回る。クローズドフロンティアをリードするのはAnthropicのClaude Opus 5.5（171.14）とOpenAIのGPT-6 Astra（171.03）で、同ラボはこの2つを171のフロンティアとして挙げている。オープンウェイト内では、GLM-5.3はMoonshotのKimi K3（157.60）とDeepSeekのDeepSeek-V4-Pro（150.35）を上回り、自らの前身であるGLM-5.2（154.12）とGLM-5（147.95）を大きく凌いでいる。GLM-5.3を、それが上回る最も新しいクローズドモデル群と、上回らない最も早いモデル群の間に位置づけることで、見出しとなる数値が導かれる。つまり、オープンなサイバーフロンティアは、およそ6〜7か月前のクローズドフロンティアの位置にあるということだ。このギャップについて、Epochの10月8日のデータカットオフを基準にすると、GPT-5.4とClaude Mythos Previewの4月7日時点のチェックポイントはそれぞれ7か月、6か月と算出される。

ここでは注意書きが通常以上に重要で、Epochはいくつか示している。サイバーベンチマーク結果が少なくとも2つあるモデルだけがそもそも指数に含まれており、76モデル中57モデルだ。そしてGLM-5.3の160.10はちょうど3つの結果に基づいており、そのすべてが9月17日のNISTのCAISI評価によるものだ。これらはEpochがこのモデルについて持つ唯一のサイバー結果であり、つまりEpochの推定は独立した再実行ではなく、CAISIが公表した証拠の再フィットである。6〜7か月という数字とCAISIの約4か月が異なるのは、ベンチマーク群とそこで行っている比較が異なるためであり、モデルについて両者が見解を異にしているからではない。Epochはまた、CAISIが評価した米国モデルを名指ししなかったため、Epochがそれらの結果をG​PT-6 AstraやC​laude M​ythos Previewのような有力候補に帰属させたこと、フロンティアモデル2つを取り巻く区間がほぼ完全に重なっているため、グラフ上位の順序は点推定が示すほど固まっていないこと、そして10月の再フィットで過去の公表値が動き、C​laude M​ythos 5を3.9ポイント、G​PT-5.6 Solを4.7ポイント引き下げたため、今月の数値は注意せずに先月の数値と比較すべきではないことも指摘している。グラフを読む前に知っておく価値のある慣例が一つある。Epochは制限付き利用および非商用ライセンスをオープンウェイトとして数えており、GLM-5.3がそもそも対象になるのはそのためだ。その重みは、GLM-5.2とGLM-5.3-Flashが使うMITライセンスではなく、Z.ai独自の「glm-5.3」条件で提供されている。

配置が変えるのは、モデルそのものよりも、それを巡る議論だ。10月16日以前にGLM-5.3をサイバー分野で最強のオープンリリースと呼ぶことは、Z.ai自身のCyberGymとExploitBenchのパーセンテージに加え、ある競合のサンドボックス実行結果を引用することを意味していた。今では、フロンティアまでの距離が明示された公開インデックス上の位置があり、その距離は読者が動くのを見守れる数値だ。セキュリティ隣接業務向けにオープンウェイトモデルを検討する人にとって、そこから二つのことが導かれる。フロンティアに6か月遅れていることは安全と同じではない。フロンティアモデルが今日構築できるエクスプロイトは、手法が公開されれば6か月前の能力でも構築できるものだ。そして上記のAnthropicの結果は、これらの特定のウェイトをその窓の中に置いている。また、ランキングは利用可能な最良のウェイトについての陈述であり、あなたのリクエストに応答しているエンドポイントについてのものではない。同じウェイトでも提供元が違えば、タスクあたりのコストはすでに9倍異なる。これは能力の問題ではなく、ルーティングの問題だ。

GLM-5.3が打ち負かす必要があったベースライン

GLM-5.2は、この話全体が依拠する基準点である。2026年6月に、743BのMixture-of-Expertsモデルとして出荷された。トークンあたりのアクティブパラメータは約40B、コンテキストウィンドウは100万トークン、最大出力は128K、MITライセンスで、Hugging Face上にオープンウェイトが公開されている。Artificial AnalysisのIntelligence Index——Z.aiではなく同ラボが測定したもの——は現在、再算出されたv4.3.2の版に基づいており、それによるとGLM-5.2（Max）は34、GLM-5.3（Max）は45を記録している。11ポイントの差は、本ページがローンチ時に報じた距離と同じである。当時、同じラボの旧版インデックスではGLM-5.2が53、GLM-5.3が60だった。変わったのは物差しであり、結果ではない。そしてラボは現在、GLM-5.2を後継モデルに道を譲る形で非推奨としている。GLM-5.3の45は、オープンウェイトモデルの中で2位に位置し、MiMo-V2.6-Proの46に次ぎ、Kimi K3（Max）の44を1ポイント上回る。これはGLM-5.3に付された最初の独立した数値であり、細部はともかく方向性としてはZ.ai自身の主張と一致している。その後、第三者によるデータポイントがさらに2つ登場した。8月下旬、PerplexityはGLM-5.3がGLM-5.2をWANDRで上回ると報告した。WANDRは、大規模で証拠に裏付けられた調査のためのPerplexityのオープンベンチマークであり、単一の質問に答えるのではなく、エージェントが情報源に裏付けられた大量の記録を集めなければならない「広く深い」テストである。これはPerplexity自身のベンチマークと自身の主張であり、スコアは公表されていないため、数値が出るまでは方向性を示すものとして扱うべきだ。2つ目は、Anthropicの9月29日付のサイバー評価である。これは、Z.aiがローンチの柱として据えた特定の能力についての初の外部計測だ。長期的なコーディングにおいて、OrcaRouterハーネスはTerminal-Bench 2.1で77.9を計測している。一方、Z.aiが報告するGLM-5.2の最良値は82.7であり、これは80を超える初のオープンウェイトスコアとなるが、ベンダー報告であり再現されていない。定価は入力100万トークンあたり1.40ドル、出力100万トークンあたり4.40ドルである。

上のスコアボードは、このページがローンチ前に公開したリーク時代の予測だ——「>1Tパラメータ（噂）」の行、未確認のコンテキストとライセンス、予測されたAA index。ローンチは最大のセルを修正した。GLM-5.3はGLM-5.2と同じ743Bベースを再利用しているため、パラメータの跳ね上がりはない。コンテキストウィンドウは1Mで確認され、ライセンスはもはやかつての未解決の疑問ではない——Z.aiはカスタムの「glm-5.3」ライセンスを公開したのであり、GLM-5.2とGLM-5.3-Flashが使うMIT条件ではない。予測されたインデックスセル——このページ自身の~57–60という推測——は、ローンチ時点のインデックスで60とぴったり的中した稀な予測だった。その後ラボはインデックスを再公表し、現在のv4.3.2版では同じモデルは45を示す。動いていないのは未解決の疑問だ。そのスコアが、セルフホストされた重みに対して再現されたとき、どうなるのか。

上のキャプチャは、GLM-5.3 の主張を評価する際の独立したベースラインです。GLM-5.2 は、このページが8月に参照していたインデックス版において、Artificial Analysis Intelligence Index 53 でオープンウェイトのリーダーボード首位に立っていました。そのベースラインはその後、他のすべてのモデルのベースラインとともに改訂されています。ラボの現行 v4.3.2 インデックスでは、GLM-5.2 (Max) が 34、GLM-5.3 (Max) が 45 で、同じ方向にほぼ同じ大きさの差があり、K​imi K3 (Max) が 1 ポイント差の 44 で続き、MiMo-V2.6-Pro が 46 で先行しています。どちらの数値もラボ自身のハーネスによる同ラボの測定値であり、どちらもベンダー公表値ではありません。

料金と在庫状況

GLM-5.3の価格はGLM-5.2と同一です。入力100万トークンあたり1.40ドル、出力100万トークンあたり4.40ドル（国内向け一覧では¥8 / ¥28）で、キャッシュ済み入力の読み取りは100万トークンあたり0.26ドル / ¥2です。リリース日はサードパーティのモデル一覧では8月18日、Z.aiがAPIを公開したのは8月19日で、このモデルはZ.ai自身のAPI、ZCode、AutoClaw、GLM Coding Plan、および増え続けるサードパーティプラットフォームを通じて到達可能であることが確認されています。さらに8月下旬以降はOllamaライブラリにもあり、そこではGLM-5.3はクラウドホスト型モデル（glm-5.3:cloud）として、米国と欧州からデータ保持ゼロで提供されています。Perplexityの長時間・多段階作業向けエージェントプラットフォームであるPerplexity Computerは、同じ時期にGLM-5.3を追加し、現在はエージェントワークロード向けにこのモデルを提供しています。Ollamaのタグはクラウド専用でローカルGGUFではないため、セルフホスト経路は依然としてHugging Faceの重みを通ります。より小さいGLM-5.3-Flashには、Ollama上で対応する独自のクラウド一覧ができました。リーク段階は終わりました。可用性は今や追跡すべき噂ではなく、確認された事実です。API呼び出し元にとって重要な動作変更が1つあります。リクエストでは「thinking」を有効にすることが必須になり、3段階のエフォートレベル（low、high、max）があり、オフスイッチはありません。これは既存の統合にとって破壊的変更です。

Amazon Bedrock でも GLM-5.3 が利用可能になりました。AWS は 2026年10月5日にこのモデルを公開しており、これは同社のモデルカードに記載されたリリース日でもあります。そこでは、トークンあたり約40Bパラメータがアクティブになる同じ Mixture-of-Experts 設計、ファーストパーティ API と同じ 1M トークンのコンテキストウィンドウと 128K の出力上限、推論は常時有効で選択可能なエフォートレベルを備えると説明されています。この経路は Z.ai のエンドポイントのコピーではありません。Bedrock は GLM-5.3 をクロスリージョン推論でのみ提供します。ベースモデル ID（zai.glm-5.3）はリージョン内オンデマンド呼び出しを受け付けないため、リクエストは US ジオプロファイル（us.zai.glm-5.3）またはグローバルプロファイル（global.zai.glm-5.3）のいずれかを経由し、AWS は一覧に載せているすべてのリージョン（米国の4リージョンを含む）でリージョン内推論を非サポートとしています。追加されるのはモデルを取り巻く AWS の機能群です — Invoke、Converse、OpenAI 互換の Responses および Chat Completions API、Guardrails、Agents、Flows、構造化出力、モデル評価、そしてデフォルトで暗黙的、または少なくとも1,024トークンのキャッシュポイントで明示的に利用でき、保持期間が少なくとも30分のプロンプトキャッシュ — に加えて標準サービス階層で、Priority は Standard に対して75%の割増、Flex と Batch は50%の割引です。障壁はアクセスです。AWS の発表は GLM-5.3 を Bedrock で一般提供としていますが、その発表とモデルカードの両方が、AWS アカウントチームに連絡する対象顧客に限定しています。企業向けの経路は存在しますが、現時点ではセルフサービスではありません。AWS 自身のページを読む際に注意すべき数字が1つあります。モデルカードは GLM-5.3 の総パラメータ数を744Bとし、付随する発表では753Bとしている一方、Z.ai と Hugging Face リポジトリは743Bとしています — 同じモデル、3つの総数、そしてそのいずれも独立に測定されたものではありません。

タスクあたりのコスト、そしてその背景にあるキャッシュヒット率

同じ価格は同じ請求額を意味しない。そしてその差は今や、推測ではなく測定されている。Artificial Analysisは、GLM-5.3 (Max)をファーストパーティ料金でIntelligence Indexタスクあたり$2.01と算出しており、これはGLM-5.2 (Max)の$1.47との対比だ — 同じ$1.40 / $4.40の料金表で、同じ固定タスクセットを1回通すのに37%大きい請求額になる。これを説明する要因は2つあり、どちらもラボ自身のモデル概要に含まれている。1つ目はボリュームだ。GLM-5.3はIntelligence Indexで210Mの出力トークンを使うのに対し、同等のオープンウェイトモデルの中央値は140Mであり、ラボはこれを非常に冗長だと呼んでいる。そして出力は料金表の高価な側だ。2つ目はペースだ。毎秒64.2出力トークンで、中央値は66.9。これは平均より遅く、長いエージェント実行では、同じトークン数でより多くの実時間を要することにもなる。これは、このページが以前掲載していた推定値を置き換えるもので、その推定では当社自身が観測したトークン使用量から、GLM-5.3がタスクあたり約$0.68、GLM-5.2が約$0.44とされていた。ラボの数値はその推定値より全面的に高く、引用すべきなのはこちらだ。これらは固定タスク数での10回の評価にわたる加重平均であり、1つのワークロードから読み取った値ではない。

エンドポイントはモデルよりも大きな損害を与えている。同じラボは今や、GLM-5.3（Max）で追跡しているすべてのプロバイダー（25社）について、Cost per Task列を公開しており、その列は最も安いエンドポイントの$0.92から最も高い$8.68まで幅がある。これは同一のウェイト、同一のベンチマーク、同一の推論設定における9.4倍のばらつきである。（この9.4倍はラボが公開している列に対する当方の計算であり、ページ自体が言葉で述べているのは、100万トークンあたりのブレンド価格が「プロバイダー間で最大4.4倍」変動し、出力速度が1,152%変動するということである。）このばらつきは何ら能力に関する知見ではない——各エンドポイントに対してBFCL v4-500、HLE-250、AA-LCR-25を再実行するラボのEndpoint Accuracy Indexは、スコアを付けたすべてのエンドポイントで95%以上を示しており、つまりプロバイダーが失うのはわずかな精度であって、モデルではない。ラボが挙げているメカニズムはキャッシュだ。Cost per Taskは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答の各トークン価格から計算され、タスク数で割り、各ベンチマークのインデックスに占める割合で重み付けされる——したがって、毎ターン会話履歴全体を再送するエージェント型またはコーディングのループは、その履歴に対して何度も、ターンごとに1回ずつ支払うことになり、そのうちプロバイダーのプロンプトキャッシュから提供される割合が、総額を左右する最大の要因となる。Artificial Analysisはこの割合をキャッシュヒット率として測定し、「マルチターンのエージェント型コーディングセッション中に測定された、プロバイダーのプロンプトキャッシュから提供されるキャッシュ可能な入力トークンの割合」と定義し、直近4週間の中央値（2026年9月26日更新）として報告し、Cost per Taskに対してグラフ化している。ここで重要なのは、同社が示している方向性である。ヒット率が高いほど、入力のより多くが安価なキャッシュヒット価格で請求され、エージェント型作業の実効コストが下がる。GLM-5.3自体のキャッシュ割引はファーストパーティ料金で81%——キャッシュ済み入力100万トークンあたり$0.26に対し、新規入力100万トークンあたり$1.40——であり、キャッシュ書き込みとストレージは別途請求され、その料金はプロバイダーによって異なる。証拠に関する注意点が1つある。プロバイダーごとのヒット率は表ではなくグラフで示されているため、ばらつきをメカニズムとしてのキャッシュに帰属させることはできても、特定のエンドポイントについてヒット率の数値を主張することはできない。

それは価格の議論である前にルーティングの議論だ。というのも、あなたが動かせる変数はどのエンドポイントが応答するかであって、重みのコストがいくらかではないからだ。GLM-5.3 は OrcaRouter 上で $1.40 / $4.40（100万トークンあたり）、プロバイダー自身の定価でマークアップ一切なしでそのまま提供されているので、プロバイダーの価格やキャッシュ条件は、次の契約時ではなく変更されたその日にあなたの請求に反映される。自動フェイルオーバーは、劣化したエンドポイントからワークロードを GLM-5.2 や他の実績あるモデルへと移し、そうしたルールが住む場所がルーティング DSL だ。タスクあたりのコストがエンドポイントによって今や9倍も変動するモデルでは、自分の数字を見つけるための低リスクな方法は、フェイルオーバーを背後に備えた実トラフィックの一部を流してみることだ — 他人のエージェントループで安いエンドポイントが、あなたのところでも安いとは限らない。

Build Weekは継続的なシリーズになります — 無料のGLM-5.3トークン1億個付き

Z.aiは8月21日、ZCode Build Weekを継続的なシリーズへと発展させ、ZCodeとGLM-5.3で構築された一連のプロジェクトの波について、その功績をコミュニティに帰したと同社は述べている。再始動を記念して、Z.aiは新規ZCodeユーザー5万人に各1億の無料GLM-5.3トークンを提供した——先着順で、太平洋時間8月23日午後6時（北京時間8月24日午前9時）まで——未使用のトークンはイベント終了時に失効する。この提供とその条件はZ.ai自身によるもので、ベンダーが述べたものだが、この無料配布はその後、独立系メディアによって報じられている。

これは週末ビルドの第2ラウンドです。第1ラウンドは8月16日から17日にかけて実施されましたが、開始から約1時間で需要が容量を超えたため中断されました。すでに取得済みのトークンには影響はなく、Z.aiはその後、提供側のスケーリングを行っています。各1億トークンの割り当てが50,000件あるため、宣伝される最大配布量は5兆トークンとなります。これは顧客獲得のための数字であると同時に、有料のGLM-5.3 APIが稼働するのと同じ提供インフラに対するライブストレステストを兼ねています。

そのローンチがあなたにとって何を変えるのか

すでに GLM-5.2 を利用している API 呼び出し元にとって、実務上のステップはプロジェクトではなくモデル名の変更です。GLM-5.2 は OpenAI 互換であり、連携はそのまま引き継がれますが、前述の thinking-effort に関する注意点があります。セルフホスト利用者にとって、待つ時間は終わりました。Hugging Face 上の公式 zai-org/GLM-5.3 リポジトリは、8月25日に作成され、8月27～28日にかけて内容が追加されましたが、現在は 743B のフラッグシップ全体を 141 個の safetensors シャードで提供しており、モデルカードには SGLang、vLLM、TokenSpeed、Transformers、KTransformers がすべてサポート対象のデプロイ経路として記載されています。ライセンスは唯一の本当の驚きです。Z.ai は MIT ではなく、独自の「glm-5.3」ライセンスを宣言しました。これは MIT の許諾に加えて、直近12か月の売上高が 100 億ドルを超えるモデル・アズ・ア・サービス事業者は、商用利用の前に Z.ai のセキュリティ審査を通過しなければならないという条件を付けたもののように読めます。その基準を下回る場合、セルフホスティングと通常の商用利用にはそのような制約はありませんが、依拠する前に正確な条件を読む価値はあります。フラッグシップの規模があなたのクラスタにとって大きすぎるなら、より小さい GLM-5.3-Flash が 8月26日に MIT の下で重みを公開しました。これはフラッグシップとは別個の、ネイティブにマルチモーダルなモデルです。Ollama ユーザーにとって、フラッグシップはライブラリ自身のクライアントからコマンド1つで利用できます — ollama run glm-5.3:cloud — ただしその呼び出しは、ローカルへのプルではなく、米国と欧州から提供されるクラウドホスト型モデルにアクセスします。量子化されたローカルタグはまだありません。自前のハードウェアで GLM-5.3 を実行するには、依然として Hugging Face の重みと vLLM または SGLang 系のスタックが必要です。DeepSeek V4 Pro、Qwen3.8-Max、Kimi K3、GPT-5.6 Sol、Claude Fable 5 の階層でモデルを比較している人にとって、GLM-5.3 はもはや噂ではなく、そのランキングにおける実際に稼働し、独立にスコア付けされた変数です。個人開発者ではなく企業の購入者にとって、最新の選択肢は Amazon Bedrock です。Amazon Bedrock は 10月5日、対象となる顧客向けに GLM-5.3 を掲載しました。同じ重みと同じ 100万トークンのコンテキストウィンドウが AWS 契約の下で提供され、定価は Z.ai 自身の価格を上回っています。

GLM-5.3のローンチ日をめぐる議論は、コーディングのフロンティアが収束したというものだ。ほとんどの日常的タスクでは、GPT-5.6 Sol、Claude Fable 5、Kimi K3、GLM-5.2、Qwen3.8-Maxを確実に見分けられるユーザーはほとんどいない、という筋書きである。もしその収束が現実なら、決め手はもはや生の能力ではなく、価格、オープン性、乗り換えコストになる——まさにGLM-5.3が、自己ホスト可能な743Bベースで100万トークンあたり$1.40 / $4.40という価格で確保しようとしている立ち位置だ。約束されていた8月28日の重み公開は、今や実現した。コーディングモデルが本当に交換可能かどうかは意見であり、ベンチマークではない。価格、パラメータ数、重み公開日はそうではない。

ルーティング面では、GLM-5.3は8月18日にOrcaRouterで稼働を開始しました。これは、モデルが広範な市場でリリースされたのと同じ日であり、ファーストパーティの定価である100万トークンあたり1.40ドル／4.40ドルが、マークアップなしでそのまま適用されます。以下のスクリーンショットはGLM-5.2のページを示していますが、これはGLM-5.3が現在持つ構成とまったく同じです。同じ価格、同じ100万トークンのコンテキスト、同じ128Kの最大出力です。実際のトラフィックの一部をGLM-5.3にルーティングし、GLM-5.2または他の実績のあるモデルに自動フェイルオーバーするのは、書き直しではなく設定変更です。同じキーで、追加の契約も不要です。新しいモデルがワークロードで性能低下した場合、ルーターはページが表示される前にフォールバックし、ベンダーのスライドではなく、自社のトラフィックで品質シグナルを得られます。その主力モデルの主張がまだほとんどベンダー報告によるものであるならば、それは自分の目で確かめるための低リスクな方法です。

次に見るもの

• オープンウェイト版のリリースが正式発表された。Z.ai が8月28日にそれを認め、フラッグシップをオープンにすると宣言して、Hugging Face の重みと技術的な詳細解説を示している。驚きなのはライセンスだ。GLM-5.2 と GLM-5.3-Flash が採用する MIT 条項ではなく、独自の「glm-5.3」条項が使われている。セルフホストする前に、その正確な条項を読んでほしい。​Anthropic の9月29日の評価は、このリリースのセーフガードにどれほどの価値があるかを外部が検証した最初の例だ。組み込みの拒否は、もっともらしい言い訳、あらかじめ埋め込んだ思考、あるいは abliterated コピーによって回避できると判明し、重みが公開されてから数日で abliterated 変種がすでに出回っていた。

• Ollama でローカル GGUF タグが続くかどうか。現在、ライブラリは GLM-5.3 をクラウド専用としてリストしています。量子化されたローカル タグがあれば、Ollama ユーザーはセルフホスト パスを単一コマンドに集約できる一方、クラウド タグは第 2 の提供ルートとして残ります。

• 6〜7か月のサイバーギャップが縮まるのか、それとも維持されるのか。Epoch AIは現在、GLM-5.3をCyber ECIスコア160.10でオープンウェイトモデル中の首位に位置づけている。これは171のクローズドなフロンティアに6〜7か月遅れているが、その数値は3つのCAISIベンチマークに依拠しており、これらは同ラボがこのモデルについて持つ唯一のサイバー関連結果であり、10月の再フィットですでに旧モデルのスコアは数ポイント変動している。2つ目のデータソース、あるいは第三者がZ.ai自身のハーネスを再実行することが、CAISIに由来しない初の検証となるだろう。A​nthropicの9月29日付の評価はもう一方の独立した見解であり、組み込みの拒否は、カバーストーリー、事前入力された思考、または拒否挙動を除去したコピーによって突破可能だと判明した。

• PerplexityのWANDRに関する主張に数値が伴うかどうか。WANDRでGLM-5.3がGLM-5.2を上回ったのは、Perplexity自身のベンチマークとテストであり、スコアは公開されていない。独立した実行は、このモデルのエージェント型リサーチ性能に対する初の第三者検証となるだろう。

• セルフホストされたコピーでは、この指標がどこに着地するか。45は提供されているエンドポイントに対して測定されたものだ。セルフホスト版——現在はダウンロード可能で、ライセンス条項が付属——こそ、チームが実際に再デプロイし、独立系ラボが再ベンチマークするものになる。ラボはすでにこの指標を一度再表明しているので、数値がまた動くことを想定しておくべきだ。

• D​eepSeek V4 Flash の発表された値上げ（GLM-5.3 が比較評価される際の価格帯を定めるもの）と、クローズドフロンティアのタスク当たりコストがそれをどう追随しているか：G​PT-5.6 Sol（max）は指数で47に位置し、GLM-5.3の45に対している。ラボはSolをG​PT-6 Solに代えて非推奨としている。

{{1}}需要に対して、現在進行中のBuild Weekシリーズが健全であり続けるかどうか——{{/1}}{{2}}ラウンド1は1時間以内に崩壊し、シリーズの枠組み上、今後の各ラウンドは、有料APIが依存するキャパシティに対する新たな負荷テストとなる。{{/2}}

• マルチモーダルリークが、出荷されるモデルへと結実するかどうか。sglangプロセッサの作業は、フラッグシップラインが画像入力に向けて準備されていることを示すコードレベルの証拠であり、PerplexityのComputer向け「マルチモーダルエージェントワークロード」という売り込みも同じ方向を指している——だがそれはポジショニングであって、出荷されたモデルではなく、マルチモーダルのGLM-5.3は発表もベンチマークもされていない。本物として扱う前に、モデルカード、ドキュメントページ、またはウェイトの公開を待て。

• Bedrockのエンタープライズ向けゲートが開くかどうか。AWSの発表はGLM-5.3をBedrockで一般提供としている一方、モデルカードではAWSアカウントチームに連絡した適格顧客に限定しており、リージョン内推論はまったくサポートされていない——すべてのリクエストはリージョンをまたぎ、米国ジオプロファイル内かグローバルプロファイルのいずれかになる。今月どの企業が呼び出せるかを決めるのは、リージョン一覧ではなくこのゲートだ。

よくある質問

GLM-5.3はGLM-5.2よりも大きいモデルですか？

いいえ。Z.aiとその共同創業者である唐傑（Tang Jie）は、GLM-5.3がGLM-5.2と同じ7430億パラメータのMixture-of-Expertsベースを使用し、同じ100万トークンのコンテキストウィンドウと、トークンあたり約400億のアクティブパラメータを備えていると述べています。報告されているすべての改善はポストトレーニングによるものです。唐傑氏はこの変更を、変更されていないベースに積み重ねた1か月間の長期的強化学習と説明しており、パラメータの増加ではありません。これは、1兆を超えるベースというリーク時代の噂を直接的に修正するものです。そのアーキテクチャに関する主張は、創業者と会社自身のものであり、独立した監査は受けていません。

GLM-5.3のオープンウェイトはいつ利用可能になりますか？

公開された。Hugging Face上の公式zai-org/GLM-5.3リポジトリは、8月25日に作成され、8月27日から28日にかけて重みファイルがプッシュされ、現在はフル743Bのフラッグシップをホストしている。これはZ.aiが発表当初から示していた8月28日の日付に合わせて公開され、Z.ai自身も8月28日にリリースを発表し、重みのオープン化を宣言するとともに、Hugging Faceリポジトリと技術詳細の解説を指し示した。ライセンスも今回明記された。GLM-5.2やGLM-5.3-Flashが使うMIT条項ではなく、独自の「glm-5.3」ライセンスである。これは概ねMIT許諾に、大規模なMaaSプロバイダー向けのセキュリティ審査条件を加えたもので、利用に当たっては正確な条項を必ず読んでほしい。Z.aiは別途、機密性の高いサイバー機能は、認証済みユーザー向けの「trusted access」プログラムに制限されると述べている。

ベンチマークの数値をどう扱えばいいですか？

リストを3つの区分に分ける。Z.ai自身の数値——コーディングの飛躍（Terminal-Bench 3.0で28.3、DeepSWE v1.1で66.9、SWE-Marathonで42.5）とサイバー系の結果（CyberGym 84.5%、ExploitBench 54.4%）——は同社の発表に由来し、独立したハーネスが再現するまではベンダー報告値のままである。今や重みが置かれているのは独立系の区分だ：Artificial AnalysisのIntelligence Index——現行のv4.3.2ヴィンテージでGLM-5.3（Max）は45、Kimi K3（Max）は44、GLM-5.2（Max）は34——同じモデルについてのエンドポイント別Cost per Task列は、追跡する25プロバイダー全体で0.92ドルから8.68ドルにわたり、AnthropicのFrontier Red TeamによるExploitBench測定（410件のエンドツーエンドエクスプロイトのうち50件）と同社の内部バイナリエクスプロイトベンチマーク（完全な制御フローハイジャックは4%）、NISTのCAISIによる9月17日評価、そして10月16日に公表されたEpoch AIのCyber ECIはGLM-5.3を160.10とし、オープンウェイトモデルの中で首位、171のクローズドフロンティアに6〜7か月遅れている——ただしこの推定は3つのCAISIベンチマークとEpoch自身のモデル識別および区間に関する注意事項に依存している。GLM-5.3がWANDRでGLM-5.2を上回るというPerplexityの主張は、それ自体が3つ目の区分にある——他人のベンチマーク、他人の主張であり、スコアは公表されていない。比較検討すべきは独立系の数値であり、コストとキャッシュの数値はベンダー出力ではなく、ラボ自身が自らのハーネスを測定したものである。

なぜGLM-5.3は、プロバイダーによって実行コストが他よりもずっと高くつくのでしょうか?

タスクあたりのコストは、プロバイダーがプロンプトキャッシュから会話のどれだけを処理できるかによって大きく左右され、トークン価格の差はその上に乗るからだ。Artificial Analysis は、入力、キャッシュヒット、キャッシュ書き込み、推論、回答のトークン価格からこの数値を算出し、タスク数で割り、Intelligence Index における各ベンチマークの重みで加重する。エージェント型およびコーディングのワークロードでは、毎ターン会話履歴全体を再送するため、プロンプトのキャッシュ可能な部分は繰り返し課金され、プロバイダーが満額の入力価格ではなくキャッシュから処理する割合が、総額に対する最大の単一のレバーとなる。キャッシュ書き込みとキャッシュストレージは、プロバイダー固有の料金で別途課金される。GLM-5.3 (Max) では、ラボが追跡する25のエンドポイント全体で、結果として得られる列は $0.92 から $8.68 に及び — 同一の重みと同一のベンチマークで約9倍 — これが、コストの決定要因はモデルではなくエンドポイントである理由だ。

GLM-5.3はOllamaを使ってローカルで実行できますか？

まだです。GLM-5.3 は Ollama ライブラリに掲載されていますが、クラウドホスト型モデルとしてのみです — glm-5.3:cloud は、米国と欧州から配信され、データ保持はゼロです。ローカル用の GGUF タグはないため、現在 ollama run glm-5.3:cloud は、お使いのマシンにコピーを取り込むのではなく、ホストされたモデルを呼び出します。セルフホストの経路は、vLLM または SGLang スタイルのスタックを備えた Hugging Face ウェイトのままであり、クラウドタグは、すでに Ollama を使用している読者向けの 2 番目の提供ルートです。

リークは本物で、ローンチは名称、フレーミング、タイミングを裏づけた——そして2か月が経った今、Z.aiが発表の目玉にしたサイバー能力は、2つの外部機関によって測定され、3つ目の機関によって順位づけられている。A​nthropicのFrontier Red Teamは、GLM-5.3をエンドツーエンドのエクスプロイト開発においてC​laude M​ythos Previewまであと数回の試行差に置き、このモデルをオープンリリースとしては異例に高性能だと評し、導入する人にとってより重要な知見を加えている。セーフガードは実在するが浅く、重みはダウンロード可能なので、拒否は保証ではなく設定なのだ。NISTのCAISIは別方向から整合する評決に達した——現時点で最高のオープンウェイトのサイバーモデルであり、米国のフロンティアから約4か月遅れている。Epoch AIは今やその評決を順位に変換した。Cyber ECIで160.10、オープンウェイトモデルの中で1位、O​penAIのG​PT-5.4を上回り、171を記録したA​nthropicのC​laude O​pus 5.5とO​penAIのG​PT-6 Astraから6〜7か月遅れ——最終的には3つのCAISIベンチマークに基づいて作られた数字であり、そのことを正直に示している。Artificial Analysisが4つ目の外部測定を提供しており、それはコストの測定だ。ファーストパーティ料金でIntelligence Indexのタスクあたり2.01ドル、同じタスクでもどのエンドポイントが応答するかによって0.92ドルから8.68ドルの幅になる。ベンダーの数字は依然としてベンダーの数字であり、ライセンスは依然としてカスタムで、フラッグシップ系統がマルチモーダルになるかという問いは依然未決だ。変わったのは、オープンとクローズドのサイバー能力の差が、読者が信じるしかないものではなくなったことだ——検証できる手法を伴う公表された数字なのだ。自分の業務でこのモデルが何をするかを知る最も安価な方法は、依然として実トラフィックの一部を流し、実績のある何かへのフェイルオーバーを用意することだ。

このクラスのオープンウェイトモデルに関して記録されたAIインシデントとエージェント障害は、OrcaRouter AI Incident Archiveに収集されています。各項目には、独自の出典、重大度、信頼度グレード、異議の有無が付されています。