GLM-5.3 vs Kimi K3：743Bのベースを搾り取るか、2.8Tのモデルを構築するか — どちらの賭けが報われるのか？

中国のオープンウェイト競争は、同じ問いに対する2つの答えに分かれたばかりだ。Moonshot AIはKimi K3をゼロから構築した——2.8兆パラメータの mixture-of-experts ベースであり、これまでに公開されたオープンウェイトモデルとしては最大級。2026年7月16日に発表され、7月27日には重みが公開された。GLM-5.3は正反対の賭けだ。Z.aiはGLM-5.2を支えた7430億パラメータのベースをそのまま据え置き、リリースサイクルのすべてをポストトレーニングに注いだ。ベースモデルの知能の天井が問題だったわけではない、という主張である。両者はいずれも100万コンテキスト、コーディングとエージェントに焦点を当てたフラッグシップであり、どちらも市場で最高のオープンコーディングモデルだと謳っている。同じ予算の最良の使い道が両方であり得るはずはなく、ベンチマークも実際に真っ二つに割れている——だからこれは比較というより、次のフロンティアモデルをどう作るかという国民投票なのである。

フロンティアモデルをどう構築するかに関する2つの賭け

Z.aiはGLM-5.3を世代的なアップグレードではなく「深掘り」と呼んでいる。ベースはGLM-5.2とバイト単位で同一の743Bモデルであり、差分は完全にポストトレーニングによるものだ。オープンソースのslimeフレームワークを用い、エンジニアリングセッション全体に及ぶタスク——実際のクラスタ、ストレージシステム、コードベースをまたいだ診断、修正、検証、リリース——で実行されており、一部は上級エンジニア数日分の作業に相当する。ベンダーが報告する改善幅は大きい。独自のCode Benchで50%向上、Terminal-Bench 3.0は4.6から28.3へ、DeepSWE v1.1は46.2から66.9へ、そしてモデルの重みが公開される前の安全レビューを余儀なくさせたサイバー能力である。Moonshotは逆の道を選んだ。Kimi K3はまったく新しいベースだ。総パラメータ2.8T、トークンあたり約104Bがアクティブ（896エキスパート中16）、Kimi Delta Attentionアーキテクチャ、画像と動画のネイティブ入力、オフにできない常時推論、そして入出力双方で1Mのコンテキストウィンドウを備える。Z.aiが同一モデルへの追加の訓練で十分だと賭けているのに対し、Moonshotはベース自体が天井だったと賭けている。

出典を添えた直接対決

両モデルが同じページに登場する唯一の場所はZ.ai自身のローンチ表であり、並列比較の数値はそこから来ている——ベンダー報告として示されており、独立監査を受けたものではない。Kimi K3の単独の数値は、Moonshotが7月に公表した内容やArtificial Analysisが測定している内容と一致しているが、中立的なラボが両方を実行したことはまだない。

• Terminal-Bench 3.0 — G​LM-5.3 は28.3、Kimi K3 は17.4（Z.aiの表）。この対決におけるコーディング面で最大の差であり、最新かつ最難関のバージョンでの結果です。

• Terminal-Bench 2.1 — G​LM-5.3 が 88.2 に対し Kimi K3 が 88.3。まったくの互角。

• DeepSWE v1.1 — G​LM-5.3 は66.9、Kimi K3 は67.5。Kimi が僅差で上回る。

• SWE-Marathon v1.1 — G​LM-5.3が42.5、Kimi K3が48.1。Kimiのコーディングにおける最高の勝利。

• ExploitGym — G​LM-5.3が105/130、Kimi K3が36/70。G​LMのほぼ完全な圧勝です。

• GDPval-AA v2（ナレッジワーク） — G​LM-5.3が1,769、Kimi K3が1,682。

• アクセス — GLM-5.3：Coding Planサブスクリプション、重みはおおよそ8月28日まで公開制限。Kimi K3：APIは$3 / $15で提供中、重みは7月27日からダウンロード可能。

セキュリティの堀こそが真の分離点だ

コーディングベンチマークをそぎ落とすと、決定的な違いはサイバーセキュリティにある。G​LM-5.3はCyberGymで84.5を報告し、Kimi K3の80.0を上回る。ExploitBenchスコア54.4は、Kimi K3の32.2のほぼ2倍だ。ExploitGymでは、この差は単なる違いではなく、別次元のカテゴリだ——2時間実行と6時間実行で、105と130対36と70となる。だからこそ、この2つのローンチは実際にこれほど違って感じられる：Kimi K3の重みはModified MITライセンスの下で公開されている一方、G​LM-5.3の重みは安全強化のために保留されている。それというのもZ.aiが、このモデルは欠陥の発見と悪用に十分優れているため、すぐに重みを公開するのは無責任に感じられたと述べているからだ。もしあなたの仕事が、他人のコードの監査や、自動化された脆弱性ハンティングから自分のコードを守ることを含むなら、これは比較全体の中で最も関連性の高い一行であり、同時に最も独立検証が進んでいない一行でもある。

Kimi K3が反撃に転じるところ

Kimi K3の強みは、GLM-5.3が最も弱い領域、すなわち長期的なリポジトリ作業に集中している。DeepSWEとSWE-Marathonでは優位に立ち、Toolathlon Verifiedでは首位だ。また、100万トークンの出力ウィンドウにより、コードベース全体や長いエージェントトレースを一度に書き出せる。常時オンの推論は完全なトレースをAPIにストリーム送信し、開発者からは不透明な要約説明よりもエージェントのデバッグにはるかに有用だと評価されている。ただし運用上の注意点として、ツール呼び出し間で推論フィールドをそのまま逐語的に返す必要があり、アシスタントのプリフィルは存在しない。Artificial AnalysisのIntelligence Indexで、Kimi K3は総合4位の57を記録し、標準セットで測定したタスクあたりコストは約0.94ドルだ。また、中国のラボが投入したモデルとしては最も高価で、入力100万トークンあたり3ドル、出力100万トークンあたり15ドルとSonnet級の価格設定だ。一方、GLM-5.3はサブスクリプションプラン内にのみ存在するため、現時点ではトークン単位の価格設定がまったくできない。

アクセスとコストの現実

Kimi K3は今すぐOrcaRouter上で、Moonshot自身の定価——100万トークンあたり$3 / $15、キャッシュ読み取り$0.30、マークアップ0%——で利用できます。つまり、100万コンテキストのエージェント作業を、スタックの残りと同じキーで呼び出せます。また、セルフホストしたい場合にはオープンウェイトという選択肢があります。G​LM-5.3は入手が難しいほうです。月額$18〜$168のサブスクリプションで、クレジットを入力で6.9倍、出力で24倍消費するポイント制、中国時間14:00–18:00以外は消費が半減するオフピーク料金、そして安全性レビューが通るまでトークン単位のAPIはありません。ルーティング層は、この2週間の期間において実際にこの非対称性をならします。G​LM-5.3のAPIが同じキーで提供開始されれば、パネル呼び出しで両方のオープンコーディング・フラッグシップを自社のタスクに対して実行し、ジャッジに両者を突き合わせさせられます。そして、待てない場合、Kimi K3はすでにウェイトが公開されているため、今日完全にオンプレミスへ持ち込める2つのうち唯一のものです。

どの賭けが報われていますか

一週間経った時点での正直な結論は、どちらの賭けも成果を上げているが、ワークロードが異なる、というものだ。あなたの仕事がターミナル中心で、セキュリティに近く、エージェントでオーケストレーションされているなら、Z.ai が公開した証拠に基づく限り G​LM-5.3 の方向性のほうが強い――そしてサイバーセキュリティの差は十分に大きいので、重みを自分で確認するために二週間待つ価値がある。あなたの仕事が長いリポジトリセッションやマルチモーダル入力、あるいは今日すぐに重みを手元に置く必要があるものなら、Kimi K3 は二つのうち実際に利用可能な唯一のものであり、その深いリポジトリでの勝利は今すぐライブ API から検証できるものだ。一つだけ押さえておくべきは、この比較の直接対決のすべての数値は Z.ai 自身の表に由来するということなので、独立したラボが両方を実行するまでは、コーディングの差分は方向性を示すものとして扱うべきだ。それこそが、二週間の待機がもたらす検証の種類である。