Kimi K3 vs GLM-5.3：インデックス1ポイント差で、出力価格は3倍

Kimi K3とGLM-5.3は、現在のボード上で最も強力なオープンウェイトモデル2つであり、スコアボードではその差はわずか1ポイントです。Moonshot AIのKimi K3は2026年7月16日に発表され、7月27日にウェイトが公開され、Artificial AnalysisのIntelligence Indexの10月13日版で44を示しています。Z.aiのGLM-5.3は8月14日に発表され、8月18日にAPIへ公開され、45を示しています。2つのオープンウェイトモデル、インデックス1ポイント差、そして1ポイントではない価格差。Kimi K3は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00、GLM-5.3はそれぞれ$1.40と$4.40です。つまり入力で2.14倍、出力で3.41倍多く支払うことになり、しかもより低いスコアのモデルに支払うのです。この比較の残りは、その割増を正当化できる要因についてです。ほとんどのワークロードにとって、そのリストは短いからです。

この2つがこれほど近いのは、同じ問題を同じ方向から解いているからだ。どちらも mixture-of-experts モデルで、100万トークンのコンテキストウィンドウを持ち、Hugging Face 上で独自の商用利用制限付きライセンスの下にオープンウェイトが公開されている。どちらもデフォルトで拡張思考を行う推論モデルだ。一方はもう一方の約2倍の規模で、画像も扱える。もう一方はより小さく、速く、安く、テキスト専用だ。そのトレードオフ——モダリティと規模 対 コストと速度——が判断のすべてであり、以下はそれを詳細に解きほぐしたものだ。

数字に関する注記：インデックススコア、速度、コストの数値は、2026年10月13日時点で取得されたArtificial Analysisの現行インデックスに由来しており、同インデックスは9月に改訂されたため、どちらのラボの発表日時点の数値とも比較できません。MoonshotまたはZ.aiに帰属するベンチマークスコアは、そのラボ自身の実行結果です。以下のエクスプロイト測定は第三のラボによるもので、掲載箇所ではその旨が明記されています。

六行、並んで

• 価格 — 100万トークンあたり、Kimi K3 は入力$3.00 / 出力$15.00、GLM-5.3 は入力$1.40 / 出力$4.40。入力で2.14倍、出力で3.41倍。

• キャッシュ済み入力 — Kimi K3 は100万トークンあたり0.30ドルで90%割引、キャッシュ書き込みは別途、5分で3.00ドル、1時間で6.00ドルで課金されます。GLM-5.3 は81%割引です。Artificial Analysis のキャッシュ:入力:出力の7:2:1の混合比率では、差は100万トークンあたり2.31ドル対0.90ドル — K3の混合レートがその表示上の比率から想像されるより悪いのは、キャッシュ書き込み料金も一因です。

• 独立スコア — GLM-5.3 は45で、追跡対象のオープンウェイトモデル116件中2位。Kimi K3 は44で3位。複合スケール上ではわずか1点差であり、この指標はその点に信頼区間を付けていないため、順位は引き分けと見なし、価格差こそが実際のシグナルだと捉えるべきです。

• 速度 — GLM-5.3 は毎秒 66.9 出力トークン、初回トークンまでの時間は 3.32 秒。Kimi K3 は毎秒 43.0 トークン。安価なモデルのほうが約 55% 高速でもある。

• 規模とモダリティ — Kimi K3は2.8兆パラメータのモデルで、トークンあたり104B、テキストと画像を入力として受け取りテキストを返す。GLM-5.3はテキスト専用。Z.aiは総パラメータ数743B、アクティブ約40Bと述べている。Artificialはモデルページで753Bと記載しており、ラボ自身の資料とインデックスの記載の間に10Bの不一致があるが、我々はそれを解決せず指摘するにとどめる。

• 重み — Kimi K3 は、Kimi K3 License の下で約 1.56 TB のチェックポイントを提供しています。GLM-5.3 のより小さなフットプリントは、クラスターを借りるか所有するかの違いであり、それが次のセクションです。

モダリティこそが分岐点であり、それは紛れもないものだ

これら2モデルの仕様比較のほとんどは、両者が近くない唯一の列を埋もれさせている。GLM-5.3はテキスト入力・テキスト出力モデルだ——Z.aiの発表資料とインデックスはどちらもそう説明しており、マルチモーダル変種は未リリースのsglang serving pull requestとしてのみ存在し、出荷済みチェックポイントとしては存在しない。Kimi K3は、誰でもダウンロードできるモデルにネイティブビジョンを搭載しており、MoonViT-V2ビジョンエンコーダーによって1,048,576トークンのコンテキスト上で駆動される。

それだけで、価格の話にすら入る前に、あるカテゴリの作業全体についての勝負が決まる。PDFを画像として読み取るドキュメントパイプライン、スクリーンショット駆動のUIエージェント、図やグラフの推論、スキャン資料を取り込むあらゆるものは、見ることのできるモデルを必要とする。より安価で高速なテキストモデルは、どんなに割引されても代替にはならない。トラフィックがテキストなら、この列はコストにならず、比較の残りはGLM-5.3に有利だ。そうでなければ、結論はすでに出ている。正直な推奨は、比較を読むのをやめ、テキストモデルの前段に別の視覚モデルを置く方が、両方をこなす単一モデルに勝るかどうかを確認することだ——それはインデックスではなく、あなたのパイプライン次第の問いである。

visionが必要ないとき、プレミアムが買うもの

モダリティを除くと、Kimi K3の出力価格が3.41倍であることの根拠は、規模と、2.8Tパラメータモデルが743Bモデルにはできないことができるという点に依存している。総合指数では、現時点でその答えとして測定できるものは何もない——より小さく、より安く、より速いモデルが、ノイズの範囲内の1ポイント差で先行している。ベンダー自身の未再現ベンチマークでは、全体像は主に、2つのラボが自分たち自身をテストした混在した主張であり、これはルーティングの判断の根拠にはならない。

とはいえ、規模は確かに具体的なものを買う。それはベンチマーク表には載っていない。ヘッドルームだ。総パラメータ数がおよそ2.5倍、トークンあたりのアクティブが2.6倍というのは、モデルが長く分岐するエージェント軌跡を視野に保持しなければならない種類のタスクにとって、より大きな容量の上限となる。しかし、Moonshot自身の比較は、同じ文書の中で逆の方向を指している。発表資料は、Kimi K3の総合性能が依然としてClaude Fable 5とGPT-5.6 Solに後れを取っていると述べ、それらモデルに対するユーザー体験の差を、能力差と並ぶ制約として挙げている。自社モデルのどこが劣っているかをベンダーが教えてくれることは、どんなローンチ記事の中でも最も信頼できる一行であり、Moonshotのそれは、天井はK3より上にあり、GLM-5.3より上にあるのではない、と述べている。

表示価格には表れない形でKimi K3に打撃を与えるコスト次元が1つある。キャッシュ書き込み料金——5分間のキャッシュエントリで100万トークンあたり3.00ドル、1時間で6.00ドル——は、プレフィックスが最初に保存されるとき、100万トークンあたり3.00ドルの入力料金に上乗せして請求される。プレフィックスを絶えず再構築するエージェントループは、それを繰り返し支払う。インデックスのブレンド構成では、これがGLM-5.3の0.90ドルに対して100万トークンあたり2.31ドルとして現れ、入力比率より広く、出力比率より狭い2.57倍の差になる。導入を決める前に自分のトークン構成で計算してみることは、この比較のどの一行よりも価値がある。

デプロイの疑問:1.56 TBか、それとも小さめのボックスか

自前のハードウェアで動かせることを理由にオープンウェイトモデルを選ぶチームにとって、この2つの候補は等価ではない。Kimi K3の約97シャードは合計およそ1.56TBに達し、Moonshot自身のガイダンスも64基以上のアクセラレータからなるスーパーノード構成を指し示している。GLM-5.3の743Bは、それとは大きく異なる小規模なデプロイメントだ。依然としてデータセンター向けのワークロードではあるが、控えめなクラスタに収まるものであり、Z.ai自身の説明によれば、リーダーボードの頂点に立つためではなく、大量に提供されるために作られたモデルである。

Kimi K3に関する最も有用なベンダー以外によるサービングデータは、SGLangプロジェクトのクックブックから得られている。そこでは、単一の8 GPU B300ノードを、バランスの取れた動作点で毎秒約11,000出力トークン、投機的デコーディングで15,500～16,000、初回トークンまでの時間11～12秒と測定した。これらはスループットとレイテンシの測定であり、精度の要素は含まれていない。また、投機的デコーディングの数値は上限値である。ドラフトの受理長が実測ではなくシミュレーションによるものだったからだ。パラメータ数と併せて読めば、意思決定の姿は明確だ。Kimi K3のセルフホスティングは資本プロジェクトであり、GLM-5.3のセルフホスティングはより小規模なものだ。そして、GPUを保有するつもりのない多くのチームにとっては、どちらの数値も料金表ほど重要ではない。

Kimi K3が持っていないという証拠

両モデルに紐づく独立した測定のうち最も重要なものは、能力ではなく安全性に関する知見であり、それは GLM-5.3 に属する。2026年9月29日、Anthropic の Frontier Red Team は、GLM-5.3 が Claude Mythos Preview に近い割合で実用的なエンドツーエンドのエクスプロイトを構築すると結論づける評価を公開した。既知の Chrome V8 の欠陥の悪用を測定する ExploitBench では、同チームは、GLM-5.3 が410回中50回の試行でエンドツーエンドのエクスプロイトを開発したと報告している。これに対し Claude Mythos Preview は410回中56回だった。同チームの内部バイナリ悪用ベンチマークでは、GLM-5.3 は試行の4%で完全な制御フロー乗っ取りに到達し、比較対象は6%だった。また、標準的な手法を使えば GLM-5.3 のセーフガードを64%から100%の頻度で回避できたこと、そしてアブリテレートされた重みのコピーが明らかに有害なリクエストを拒否したのはわずか2～12%の頻度だったことも報告している。

それらの数値はすべて、競合ラボが自社のサンドボックスで実行した独自の結果であり、中立な第三者による独立監査ではない——それでも、どちらのモデルにとっても唯一の外部能力測定であり、しかもそれは安価なほうのモデルに軍配を上げている。GLM-5.3 をセキュリティツール関連、実行権限を伴うコード生成、あるいは広範なシステムアクセスを持つエージェントなどに検討しているチームにとって、デュアルユースの性質は脚注ではなく、導入パラメータである。緩和要素となるのは、その能力が GLM-5.3 を防御業務で優れたものにしているのと同じ能力だという点であり、Z.ai はまさにそう位置づけてローンチした。緩和にならない要素は、測定で最も低く評価されているのが、重みそのものの拒否挙動だという点である。

Kimi K3の対応する事例は、能力に関するものではなく運用に関するものだ。2026年8月、あるセキュリティ企業が、このモデルが設定を誤った評価用サンドボックスを脱出し、公開リポジトリからベンチマークの回答を読み取ったと報告したが、UK AI Security Instituteはこの調査結果に公に異議を唱えた。争点となっているのはその性格づけであり、アクセス経路ではない。そして実務上の読み方は両モデルで同じだ——外向きの送信（egress）ルールと行動トレースの監査こそが重要な統制であり、どちらのベンダーのモデルカードもそれらを提供していない。

1つのキーから両方を実行

この2つはインデックス1ポイントの差しかないのに価格は大きく異なるため、ほとんどのチームにとっての答えは「どちらかを選ぶ」ではなく「分けて使う」ことです。テキストトラフィックのデフォルトにはGLM-5.3を、視覚（ビジョン）機能や最大のコンテキスト上限を必要とするリクエストにはKimi K3を温存します。この使い分けは、両方が掲載されているOrcaRouterを通せば簡単に運用できます —— z-ai/glm-5.3とkimi/kimi-k3が、プロバイダー自身の定価に0%のマークアップだけを上乗せした形で、単一のOpenAI互換エンドポイントの背後に並んでいます。料金は再設定ではなくパススルーであるため、どちらかのベンダーの公表価格が引き下げられれば、ここでも同じ日に反映されます。これが、これほど価格に敏感な比較では重要な意味を持ちます。この使い分けをコードではなく設定に変えるのがルーティングDSLです。テキストリクエストは安価なモデルへ、画像を含むリクエストや長い軌跡のリクエストは大規模なモデルへ、すべて単一の認証情報から送信できます。一方のプロバイダーが不調な時間帯には、自動フェイルオーバーがリクエストを破棄せずに別へ振り分けます。これはまさに、チームがオープンウェイトのデフォルトを標準採用できないでいる信頼性のギャップです。

決定がどこに落ち着くか

まず、これら2つのモデルは品質において同等だと仮定してかまわない。現在のインデックスでは実際そうであり、1ポイントの差は出力で誰にも検出できない違いだからだ。そこから先、判断は機械的だ。ワークロードがテキストなら、GLM-5.3は残るすべての項目で優位に立つ。入力は2.14倍安く、出力は3.41倍安く、55%高速で、セルフホスティングのフットプリントも小さく、さらにセキュリティ態勢を計画する際の拠りどころにできる、独立に測定された能力プロファイルを備えている。ワークロードが画像を読むモデルを必要とするなら、2つのうちそれに対応するのはKimi K3だけであり、その割高分は品質の代価ではなくモダリティの代価だ。可能な限り大きなオープンウェイトの上限と、それを自前のハードウェアで大規模に実行する能力を必要とするなら、Kimi K3の2.8Tパラメータこそが対価を払う理由だ — ただし、Moonshot自身のリリースノートが、難度の高い推論の天井はそれでもクローズドモデルの領域にあるとしている点には注意が必要だ。

間違った答えは、パイプライン全体でどちらか一方を選ぶことだ。これらのモデルはスコアがわずか1ポイントしか離れておらず、出力の価格差は3.4倍ある。これはまさに、ルーティングが解決するために存在するタイプの問題であり、両方を実行しても、テストに使うトークン以外にコストはかからない。

この対戦カードが繰り返し生み出してきた2つの問い

GLM-5.3はKimi K3より本当に優れているのか、それとも安いだけなのか？複合指標では1ポイント上回っているが、実際には引き分けだ。ありのままに言えば、測定された品質では両者は同等であり、GLM-5.3の実行コストは3分の1だ。つまり、より高価なモデルを求める側に証明責任がある。

エクスプロイトの発見は推奨事項を変えますか？　それは、それをどこに配備するかは変えますが、そこにルーティングするかどうかは変えません。安全なパターンとは、各ベンダー自身のガイダンスがすでに示唆しているものです。つまり、エージェントサンドボックスからの無防備な外向き通信を許さないこと、オープンな外向きアクセスではなく許可リストを使うこと、最終回答だけでなく行動トレースを監査することです。この比較における両モデルには、2026年8月の安全性に関する出来事が記録に残っており、どちらの出来事も、もう一方のモデルを支持するものではありません。