GLM-5.3 vs Kimi K3：743Bのベースを絞り出すか、2.8Tのモデルを構築するか — 報われるのはどちらの賭けか？

中国のオープンウェイト競争は、まさに同じ問いに対する二つの答えに分かれたところだ。Moonshot AI はKimi K3をゼロから構築した——2.8兆パラメータの混合エキスパートベースであり、これまでに公開された中で最大のオープンウェイトモデルで、2026年7月16日に発表され、ウェイトは7月27日に続いて公開された。G​LM-5.3は逆の賭けだ：Z.ai は、GLM-5.2 を動かしていた正確に7430億パラメータのベースを維持し、リリースサイクル全体をポストトレーニングに費やし、ベースモデルの知能の上限はそもそも問題ではなかったと主張している。両方とも1Mコンテキストのコーディングおよびエージェント重視のフラッグシップであり、市場でトップのオープンコーディングモデルであると主張している。同じ予算の使い道として、両方が最善であることはあり得ない。ベンチマークは本当に真っ二つに分かれており、これは比較というより、次世代フロンティアモデルをどう作るかについての住民投票である。

フロンティアモデルの構築方法をめぐる2つの賭け

Z.aiはG​LM-5.3を「世代を超えるアップグレード」ではなく「深掘り（deep dig）」と呼ぶ。ベースはバイト単位でG​LM-5.2と同じ743Bモデルであり、差分はすべてポストトレーニングによるものだ。オープンソースのslimeフレームワークを通じて、実際のクラスター、ストレージシステム、コードベースにわたる診断・修正・検証・出荷といった、エンジニアリングセッション全体に及ぶタスクで実行され、中にはシニアエンジニアの数日分の作業に相当するものもある。ベンダーが報告する改善幅は大きい。自社のCode Benchで50%の向上、Terminal-Bench 3.0は4.6から28.3へ、DeepSWE v1.1は46.2から66.9へ、そしてウェイトの公開前に安全性審査を余儀なくさせたサイバー能力だ。Moonshotは逆の道を選んだ。Kimi K3はまったく新しいベースモデルだ。総パラメータ2.8T、トークンあたりのアクティブパラメータは約104B（896エキスパート中16）、Kimi Delta Attentionアーキテクチャ、画像・動画のネイティブ入力、オフにできない常時オンの推論、そして入力・出力とも1Mのコンテキストウィンドウを備える。Z.aiが「同じモデルのさらなる活用で十分だ」と賭ける一方、Moonshotは「ベース自体が上限だった」と賭けている。

来歴付きの直接対決

両方のモデルが同じページに登場する唯一の場所はZ.ai自身の発表テーブルであり、サイドバイサイドの数値はそこから来ています — ベンダー報告値として表示され、独立した監査は受けていません。Kimi K3の単独の数値は、Moonshotが7月に公開したものやArtificial Analysisが測定したものと一致していますが、まだ中立のラボが両方を実行したことはありません。

• Terminal-Bench 3.0 — G​LM-5.3 は 28.3、Kimi K3 は 17.4（Z.ai の表）。この対戦における最大のコーディング格差であり、最新かつ最難関のバージョンでのものです。

• Terminal-Bench 2.1 — G​LM-5.3 は 88.2、Kimi K3 は 88.3。まったくの互角だ。

• DeepSWE v1.1 — G​LM-5.3は66.9、Kimi K3は67.5。僅差でKimiの勝ち。

• SWE-Marathon v1.1 — GLM-5.3 は 42.5、Kimi K3 は 48.1。Kimi のコーディングでの最高の勝利。

• ExploitGym — G​LM-5.3 は 105/130、Kimi K3 は 36/70。G​LM のほぼ完全な勝利だ。

• GDPval-AA v2 (knowledge work) — G​LM-5.3 は 1,769、Kimi K3 は 1,682 です。

• アクセス — G​LM-5.3: Coding Plan サブスクリプション、ウェイトは8月28日頃まで公開制限。Kimi K3: APIは$3/$15で稼働中、ウェイトは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である

コーディングベンチマークを削ぎ落とせば、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、Kimi K3の80.0に対して報告しており、ExploitBenchスコアは54.4で、Kimi K3の32.2のほぼ2倍だ。ExploitGymでは、その差は違いではなく、別のカテゴリーだ — 2時間と6時間の実行で、105と130に対して36と70という具合に。実際にこの2つのローンチがこれほど異なって感じられるのは、そのためだ。Kimi K3の重みはModified MITライセンスの下で公開されているが、G​LM-5.3の重みは安全性の強化のために保留されている。Z.aiによれば、このモデルは欠陥の発見と悪用が得意すぎるため、重みをすぐに公開するのは無責任に感じられたからだ。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探索から自社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点であり、同時に最も独立した検証がされていない点でもある。

Kimi K3が反撃する場所

Kimi K3の勝利は、G​LM-5.3が最も苦手とする領域に集中しています。それは長期的なリポジトリ作業です。DeepSWEとSWE-Marathonで優位に立ち、Toolathlon Verifiedでリードし、その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すことができます。その常時稼働の推論は完全なトレースをAPIにストリーミング配信し、開発者からは不透明な要約説明よりもデバッグエージェントに格段に有用だと評価されています。ただし運用上の制約として、推論フィールドをツール呼び出し間で逐語的にそのまま渡す必要があり、アシスタントのプリフィルは利用できません。Artificial AnalysisのIntelligence Indexでは、Kimi K3は57で全体4位、標準セットで測定したタスクあたりのコストは約0.94ドルです。また、中国のラボがリリースしたモデルの中で最も高価で、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、Sonnetクラスの価格設定です。一方G​LM-5.3はサブスクリプションプラン内でのみ提供されているため、現時点ではトークン単位の価格設定がまったくできません。

アクセスとコストの現実

Kimi K3は現在OrcaRouter上で、Moonshot自身のリスト価格（100万トークンあたり$3／$15、キャッシュリード$0.30、マークアップ0%）で提供されている。つまり、1Mコンテキストのエージェントワークは、スタックの他の部分と同じキーで呼び出し可能であり、オープンウェイトはセルフホストしたい場合の出口オプションとなる。G​LM-5.3は入手が難しいモデルだ。月額$18〜$168のサブスクリプション制で、ポイントシステムにより入力は6.9倍、出力は24倍のクレジットを消費し、中国時間の14:00〜18:00以外ではオフピーク料金で消費が半減する。さらに、安全性審査が終了するまでトークン単位のAPIは提供されない。ルーティングレイヤーは、この2週間のウィンドウにおいて、この非対称性を実際に平準化する。G​LM-5.3のAPIが同じキーで提供されれば、パネルコールにより両方のオープンウェイトのコーディング用フラッグシップを自分のタスクに対して実行し、ジャッジに裁定させることができる。待てない場合、Kimi K3はすでにウェイトがリリース済みのため、この2つのうち現時点で完全にオンプレミスで運用できる唯一のモデルだ。

どの賭けが配当している？

1週間後の正直な評価は、両方の賭けが報われつつあるが、それは異なるワークロードに基づくものだ。あなたの作業がターミナル中心で、セキュリティに隣接し、エージェントによりオーケストレーションされるものであれば、G​LM-5.3 は Z.ai が公開した証拠に照らしてより強い方向性を示している。そしてサイバーセキュリティのギャップは十分に大きいため、2週間待って自分で重みを検証する価値がある。一方、あなたの作業が長いリポジトリセッション、マルチモーダル入力、または今日手元に重みが必要なものであれば、Kimi K3 は2つのうち実際に利用可能な唯一のものであり、そのディープリポジトリでの優位性は、ライブAPIから今すぐ確認できる。ここで一つ明確にしておきたいのは、この比較の直接対決の数値はすべて Z.ai 自身の表に由来するため、独立した研究所が両方を実行するまでは、コーディングの差は方向性を示すものとして扱うべきだということだ。それがまさに、2週間の待機がもたらす検証の種類である。