暗いチャコール色の背景に薄い水平罫線を配した、生成された16:9のタイトルカード。見出しは「Qwen4-Max vs GLM-5.4」、サブタイトルは「一方は出荷済み。一方は期を逃した。」。右側には日付付きのドットによる縦方向のタイムラインが走り、2026-02-12、2026-04-07、2026-06-16、2026-08-18、2026-08-26に配置され、最後はGLM-5.4とラベル付けされた空の破線セグメントで終わる。左下のティール色のバッジには「ウィンドウ期限切れ 2026年10月27日」と表示。右下にOrcaRouterロゴ。
Guides & Insights

Qwen4-Max vs GLM-5.4:一方は出荷済み、一方は自らのリリース時期を逃す

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

この比較には、役に立つ版と虚構になる版がある。役に立つほうは日付から始まる。Z.ai自身のリリースログは依然として2026年8月26日のGLM-5.3-Flashで終わっており、そのドキュメント索引にはGLM-5.2、GLM-5.3、GLM-5.3-Flashが列挙されていて、それより上のものは何もない。そしてGLM-5.4のドキュメントパスは、10月にそうだったようにPage Not Foundを返す。対照的に、Qwen4-Maxは2026年11月16日から従量課金で販売されており、公開された料金表と独立したスコアがある。つまりこの対決は、二つのフラッグシップではない。一つのフラッグシップと、すでに期限切れとなった予定日なのだ。

それを単なる反証以上のものにしているのは、その予測の背後にある計算だ。このブログは10月にG​LM系のリリース周期を54〜70日と見積もり、そこから導かれるウィンドウを公開した。そのウィンドウは閉じた。どれだけ過ぎたのかを割り出し、そのウィンドウが閉じたことがZ.aiのリリース順序について何を物語るのかを明らかにすることは、また別の憶測にすぎない仕様表よりも本当に有益だ——しかも、実際に実行できる比較が残る。同じ週に同じ独立系インデックス上で、Qwen4-Maxと、実際に出荷されるG​LMであるGLM-5.3を比べるという比較だ。

11月18日時点で名前がどうなっているか

監査は短時間で完了し、再現可能です。4つのサーフェスはすべて本日確認済みで、いずれも問題ありませんでした。

• リリースログ — 最新のエントリは GLM-5.3-Flash(2026-08-26)。続いて GLM-5.3(2026-08-18)、GLM-5.2(2026-06-16)、GLM-5.1(2026-04-07)、GLM-5(2026-02-12)

• ドキュメント索引 — GLM-5.3-Flash/FlashX、GLM-5.3、GLM-5.2。どのエフォートレベルでも5.4の項目はありません

• ドキュメントのパス — docs.z.ai/guides/llm/glm-5.4 は、10月13日とまったく同様に404を返します

• Hugging Face — 「glm-5.4」でリポジトリ検索しても、ラボ自身の組織の下では何もヒットせず、そこにある最新のテキストチェックポイントは8月25日に作成された4つのGLM-5.3リリースです

ベンダーの model-api ページは、商用面からも同じ答えを示している。GLM-5.3、GLM-5.3-Flash、GLM-5、GLM-5V-Turbo であり、5.3 と 6 の間の行はない。10月には、この名称に関する常設ページについて9つのサーフェスを確認した。出荷状況を左右する同じ4つのサーフェスは、5週間経っても依然としてネガティブだった。その一貫性こそが今回の知見だ。8週間にわたりすべてのファーストパーティー・サーフェスから欠落している名称は、進行中のローンチではない。それは、少なくとも現時点では、そのラインが見送った名称である。

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3' with six rows: input per million $1.50 against $1.40; output per million $4.50 against $4.40; index score 43 against 32; cost per task $3.27 against $5.01; wall-clock per task 32.1 min against 22.0 min; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; prices per vendor list'. OrcaRouter logo bottom-right.

その窓と、私たちがそれをどれほど過ぎているか

ケイデンスの議論は決してリークではなかった。それはZ.ai自身のリリース日に関する算術だった。GLM-5からGLM-5.1までは54日、GLM-5.1からGLM-5.2までは70日、GLM-5.2からGLM-5.3までは63日だった。同じ間隔を8月18日に当てはめると、次のテキストフラッグシップは2026年10月11日から10月27日の間のどこかが期限だった。代わりにFlashティアの8月26日の登場からこのファミリーを数えるなら、外側の端は11月4日にずれる。

11月18日である。両方の読みは期限切れになっており、遅い方に至っては2週間前に期限が切れている。これが今日のGLM-5.4について述べられる最も明快な陳述であり、「見つけられなかった」よりも強い。なぜなら反証可能だからだ。ベンダーのリリースログに日付入りの項目が1件でもあればそれは覆るし、それが現れるまでは、この予測は検証にかけられ、失敗したことになる。

その失敗には誠実な解釈が二つあり、しかもそれらは正反対の方向を指している。第一は、Z.aiの速度が落ちたという解釈だ。7530億パラメータのフラッグシップは、反復開発をより長いサイクルで行わざるを得ないほど高コストになり、2026年前半の開発ペースは終わったスプリントだった、というもの。第二は、次のリリースは5.4ではないという解釈だ。系統が番号を飛ばすのか、それとも労力がマルチモーダルのFlashティアに注がれたのか——実際、リリースログ上で8月以降に動きがあったのはそこだけだ。ラボが公表したものの中にこの二つを区別するものはなく、推測に走るページは、架空の列を備えたスコアボードがするのとまったく同じことをしているにすぎない。

実際に比較できるのは、Qwen4-Max 対 GLM-5.3 です。

GLM-5.3は慰めの賞ではない。7530億パラメータのMixture-of-Expertsで、トークンあたり約400億パラメータを活性化し、テキスト専用、100万トークンのコンテキストウィンドウと128Kトークンの出力上限を備え、しかもQwen4-Maxのローンチ報道にほぼ欠けていたもの——同じインデックス、同じハーネス、同じインデックス改訂で測定された行——を持っている。

• 入力価格 — Qwen4-Max はシンガポールで100万トークンあたり1.50ドル、その他の5つのリージョンでは1.413ドル、それに対して GLM-5.3 は Z.ai の価格表で1.40ドル

• 出力価格 — Qwen4-Max $4.50 対 GLM-5.3 $4.40

• 独立スコア — Artificial Analysis Intelligence Index v5.0.1 において、Qwen4-Max は 43、対して GLM-5.3 は最大エフォート時で 32、低エフォート時で 23

• インデックスタスクあたりのコスト — Qwen4-Max $3.27 対 GLM-5.3 $5.01。重要なのはこの行であり、スコアとは逆の方向を示している

• タスクあたりの実時間 — 最大エフォート時でQwen4-Maxが32.1分、GLM-5.3が22.0分、低エフォート時は12.2分

• トークン消費量 — Qwen4-Max はインデックス実行あたり1億2,700万出力トークン、GLM-5.3 は最大エフォート時で1億3,500万、低時で6,330万

• スループット — Qwen4-Max は毎秒55出力トークン、GLM-5.3 は90

• モダリティ — Qwen4-Maxはテキスト、画像、動画を受け取り、テキストを返します。GLM-5.3はテキスト専用として文書化されており、視覚的な処理はFlash tierに委ねられています

• 最大出力 — Qwen4-Max 131,072トークン、または思考と回答の間で共有される262,144トークン;GLM-5.3 128,000

• 重み — Qwen4-Max は一切公開しておらず、ファインチューニングとデプロイは非対応と明記しています。一方、GLM-5.3 の重みは独自の Z.ai ライセンスの下でダウンロードできます。

• エフォート制御 — Qwen4-Max は選択可能なレベルを提供し、GLM-5.3 は常に推論を実行して low、high、max を備えています

価格の行はほぼ互角だ——入力も出力も10セント——そしてそれはこのリストで最も面白くない点だ。面白いのは、2つのモデルがほぼ同一の定価に到達しながら、その内訳の形が異なることだ。Qwen4-Maxは、従量単価が安いのにタスクあたりのコストが高い。より時間がかかり、より長く考えるからだ。GLM-5.3は、それ自体の従量単価が安いのにタスクあたりのコストが高い。最大努力設定では、低い努力設定では起きないペースでトークンを消費するからだ。どちらのベンダーの価格表もそのことを教えてくれない。それを示すのはタスクあたりコストの行だけであり、それは両方のローンチ記事が省いている行だ。

スコア差は現実だが、43対32が示すほど大きいわけではない。理由ははっきり述べておく価値がある。これらの数値は同じ指標上でも異なるエフォート設定から得られたものであり、このブログでは改訂の変更によってモデルの数値が2桁動いた例を見てきた。43と32は、ある一日に一つの計器で取った方向性の差として扱うべきで、測定された11ポイントの能力差と見なすべきではない。その慎重さを踏まえても残るのは、より控えめな主張だ。Qwen4-Maxは最大エフォートでGLM-5.3より難しいタスクに答え、タスクあたりの費用も少ない。一方でトークンあたりでは遅く、100万トークンあたりでは高価なモデルだ。

A screenshot of Z.ai's release notes page headed 'New Released' with a right-hand date rail ending at 2026-08-26 and, below it, 2026-08-18, 2026-06-16 and 2026-04-07, and body entries describing native visual capabilities, a hybrid attention architecture with 320B total and 18B activated parameters, and GLM-5.3's coding gains on Z.ai Code Bench.

GLM 5.4の検索者が実際に必要としているもの

人々が「GLM-5.4」と入力するのは2つの理由のどちらかで、その2つは相反する答えを求めている。

最初はモデル選びです。彼らはGLM-5.3から移行すべきか、それとも今月始まるビルドではQ​wenではなくG​LMを選ぶべきかを知りたがっています。答えは、移行先など何もないということです。そして今日彼らができる判断は、重みをダウンロードできるテキスト専用モデルの$1.40/$4.40と、より高いスコアを出し、完了タスクあたりのコストがより低いマルチモーダルなレンタル$1.50/$4.50のどちらを選ぶかです。それは実際の選択であり、その選択をするのに5.4は必要ありません。

第二は追跡だ。彼らは日付を求めている。正直な答えは、この名称についてのケイデンス基準の窓は10月27日に、最も寛大に解釈しても11月4日に切れていたということであり、その予測が外れたこと自体が更新情報だ。次に注視すべきシグナルはリークではなくリリースログだ。GLM-5.3-Flashより上のエントリがあれば、一行で決着する。そしてFlashティアの出荷から12週間、それは現れていない。

どちらかを2つ目の契約なしで実行すること

この比較では両者に実際の違いがあり、その違いは能力ではなくアクセスに関するものです。OrcaRouter はz-ai/glm-5.3 を本日、Qwen 3.8 ファミリーとともに、1つの OpenAI 互換エンドポイントで、0% のマークアップでルーティングしています — 提供プロバイダーが請求する額に何も上乗せせず、当社のモデルページでは 100 万トークンあたり入力 $1.26、出力 $3.96 で、Z.ai の定価 $1.40 および $4.40 と同等以下です。OrcaRouter がルーティングしないのは Qwen4-Max です。このモデルはカタログに含まれておらず、このページでそうであるかのように示すことはありません。Qwen4-Max は Alibaba 自身の 6 つのリージョンや、それを再販するサードパーティのプラットフォームを通じて利用できます。GLM と同じキーで使いたい場合は、今日何かを設定する話ではなく、カタログに掲載されるのを待つ話です。

A screenshot of the OrcaRouter model page for GLM 5.3, showing the identifier z-ai/glm-5.3, the byline Z.ai with the date 2026-08-18, a description of the model as a text-in text-out flagship for repo-scale coding, pricing of $1.26 input and $3.96 output per million tokens, a 1M-token context and a 128K maximum output.

ルーティングがすぐに効果を発揮するのは、比較そのものです。上記のタスクあたりコストの数値は固定されたベンチマーク構成の平均であり、あなたの構成はその構成とは違います。同じプロンプトをGLM-5.3とQ​wen 3.8のティアに1つのエンドポイントで通すことが、あなたのトラフィックではどちらが勝つかを知る方法です。自動フェイルオーバーが、片方のプロバイダーが実行中にレート制限をかけてもあなたを守り、しかもそれは2回の調達会話ではなく朝の作業で済みます。

何があればこれが本当の対戦になるのだろうか

1つの文書。パラメータ、コンテキスト長、価格、API識別子をまとめて記載し、Z.ai自身のリリースログに日付が入ったモデルカード。それがこのブログがこの一年を通じて適用してきた基準であり、GLM-5.4を単なるバージョン番号からモデルへと変える唯一のものである。第二の条件は、弱いが有用だ。低エフォートで測定されたGLM-5.3の行を、Qwen4-Maxの独自の低設定と対比させたもので、これによりコスト比較を2社のデフォルト間ではなく、エフォートを揃えた比較で行えるようになる。

それまでは、正確な要約は探索の双方にとって居心地の悪いものになる。Qwen4-Maxは実在し、価格が設定され、測定も済んでおり、コスト面ではその評判よりわずかに優れている——インデックス43、タスクあたり3.27ドルは有能なフラッグシップではあるが、支配的な存在ではない。GLM-5.4は、ログに項目がないまま予定日を過ぎた連番の中の一つの番号にすぎず、今日動かせるG​LMは一桁低く、測定可能で、ダウンロード可能で、メーター上では10セント安いが、フル稼働時の完了タスクあたりでは1.5倍高くつく。そうでないと言う人は、出典も確認できないスペックシートを売りつけているだけだ。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新