生成されたタイトルカードには「Qwen 4 vs GLM-5.5:高いのはオープンウェイトモデルのほう」と表示され、サブタイトルは「Z.aiが実際に提供する最新のGLMはGLM-5.3で、インデックスポイントあたり15.8セント(Qwen4-Maxは7.6セント)」となっている。3つの番号付き行には「インデックススコアは42.9対31.7、Artificial Analysis v5.0.1」「完了したインデックスタスクあたりのコストは$3.27対$5.01」「重みはGLM-5.3で公開、Qwen4-Maxでは未公開」と記されている。フッターには「スコアとタスクあたりコストはArtificial Analysis Intelligence Index v5.0.1による。価格は各ベンダーの公開レートカードによる」とある。白地にブルーとシアンのアクセントを配したフラットベクター調で、右下にOrcaRouterのマークが合成されている。
Guides & Insights

Qwen 4 対 GLM-5.5:高価なのはオープンウェイトモデルのほうだ

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

オープンウェイトに関する直感は、それが安価な選択肢だというものだ。この対決ではそうではない。GLM-5.3は、Z.ai が実際に提供している最新の G​LM であり、Artificial Analysis のインデックススイートを実行するのに 5.01 ドルかかり、そこで 31.7 を記録する — インデックスポイントあたり 15.8 セント。Qwen4-Maxは 42.9 ポイントを獲得するのに 3.27 ドルかかり、ポイントあたり 7.6 セントだ。プロプライエタリモデルは、測定された能力 1 単位あたりの効率が 2 倍以上で、しかもダウンロードできないのはこちらだ。一方、GLM-5.5、本記事のタイトルにあるモデルは存在しない。Z.ai のドキュメントインデックスと料金ページはいずれも GLM-5.3 で止まっており、5.4 と 5.5 のドキュメントパスは not-found を返す。したがって以下は、実際に出荷されている G​LM との比較であり、欠けているバージョン番号は、でっち上げる仕様表ではなく、欠けているバージョン番号として扱う。

まず、存在するカード

GLM-5.3は2026年8月18日にGLM-5.3 Licenseのもとで登場し、重みが公開され、入力はテキストのみだった。Qwen4-Maxは2026年11月16日に従量課金制へ移行し、プロプライエタリで、画像入力に対応し、Alibaba Cloudが唯一のホストである。両者はリリース日が90日違いで、クローズド/オープンの線の反対側に位置しており、それこそが本稿が実際に扱っている軸である。

• 100万トークンあたりの価格 — GLM-5.3 は入力 $1.40 / 出力 $4.40、Qwen4-Max はシンガポールで入力 $1.50 / 出力 $4.50、その他地域では $1.413 / $4.24。トークン料金では、Z.ai の料金カードのほうが 7% と 2% 安い。

• キャッシュ入力 — GLM-5.3 は読み取り1百万あたり$0.26、Qwen4-Max は$0.075、キャッシュ書き込みは5分で$1.875、1時間で$3.00。Qwen のキャッシュ読み取りは3.5倍安く、そのためタスクあたりの結果とトークンあたりの結果は異なる方向を示します。

• コンテキスト — 両方とも1,000,000トークン。GLM-5.3は出力を128,000に制限。Qwen4-Maxは思考なしで131,072、推論と回答で共有なら262,144を許容。

• 重み — GLM-5.3 は独自ライセンスの下で公開済み。Qwen4-Max は非公開で、単一ベンダーによるホストのみ。違いはまさにこれだけで、以下のすべてはここから導かれる。

• モダリティ — Qwen4-Max はテキストと画像の両方を扱えますが、GLM-5.3 はテキスト入力・テキスト出力です。パイプラインでスクリーンショットや PDF を入力するなら、比較はここまでです。

• 推論制御 — GLM-5.3 では推論が常にオンで、low、high、max のエフォートレベルを備え、デフォルトは max です。Qwen4-Max では low、high、xhigh を公開し、デフォルトは high です。

• トレーニングの系譜 — {{1}}Z.aiは、GLM-5.3をGLM-5.2と同じベースモデルであり、新しい事前学習ではなく事後学習によって改善されたものと説明しています。{{/1}} そのスコアを新しいアーキテクチャのモデルと比較する際には、この点を知っておく価値があります。

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The GLM-5.3 column reads index score 31.7, cost per index task $5.01, cents per index point 15.8, input per million $1.40, output per million $4.40, hallucination rate 38.9%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

7セント対16セント、その違いを解説

ポイントあたりコストの差は、価格設定による人為的な産物ではない。GLM-5.3のタスクあたり5.01ドルは、入力4.49ドルと出力0.52ドルに分解され、入力が90%を占め、その入力のうち4.13ドルはキャッシュ読み取りである。Qwen4-Maxの3.27ドルは入力2.80ドルと出力0.47ドルで、キャッシュ読み取りが1.12ドル、キャッシュ書き込みが1.67ドルである。したがって、両モデルとも生成するトークンにはほとんど費用をかけず、コンテキストの再読み取りにほぼすべての費用をかけている。

違いは、各モデルが答えに到達するまでに消費するコンテキストの量にある。GLM-5.3はスイート全体で103億入力トークンを読み取り、1億3500万出力トークンを生成する。Qwen4-Maxは99億を読み取り、1億2700万を生成する。量はほぼ同じだ。したがって、19ポイントのスコア差も量の話ではなく、単に一方のモデルのほうがタスクをより得意であり、タスクごとのコスト差はキャッシュ価格、つまり0.075ドルの読み取りと0.26ドルの読み取りの差が100億トークンにわたって積み重なることから生じている。

持ち帰る価値があるのは、この仕組みだ。長いコンテキストのベンチマーク実行では、請求額を決めるのは表向きの入力単価ではなく、キャッシュ読み取りレートだ。入力が $1.40 でキャッシュ読み取りが $0.26 のモデルは、入力が $1.50 でキャッシュ読み取りが $0.075 のモデルよりも、タスクあたりのコストが高くなる場合がある。

19個の点が位置する場所

• Terminal-Bench 4.0 — Qwen4-Max 48.5%、GLM-5.3 41.9%。7ポイント差で、エージェント系スイートの中で最も僅差です。

• FrontierCode 2.0 — 26.5% 対 21.6%。5ポイント差。絶対値で見ると、ここでは両モデルとも弱い。

• HLE Diamond — 44.9% 対 17.9%。27ポイント差で、この比較の中で最も大きな乖離です。

• 全知性 — 27.7 対 6.0、ハルシネーション率はそれぞれ 28.4% と 38.9%。GLM-5.3 は精度が低いだけでなく、回答を控える可能性も低く、これは考えうる最悪の組み合わせです。

• 能力別サブスコア — 両モデルが報告している5項目すべてでQwen4-Maxがリード:エンジニアリングは50.1対37.6、財務・会計は54.1対42.1、法務は49.6対35.8、戦略・業務は56.9対47.4、経済学は51.3対37.3。

そのリストの中に、議論の余地があるほど差の小さいものは一つもない。興味深いのは、Qwen4-Maxの方が優れているかどうかという問題ではない。明らかに優れているのだから。

A headless-browser screenshot of the Artificial Analysis page for GLM-5.3, captured 17 November 2026 in English, showing Z.ai's mark, the label Open weights model, Released August 2026, the heading GLM-5.3: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #3 of 29, Performance #21 of 27, Cost #28 of 28 and Verbosity #23 of 29, a statistics row giving a 61.448-second time to first answer token, 87 output tokens per second, $1.40 input and $4.40 output per million tokens, an 81% cache discount, 10.3 billion input tokens and an output-to-input ratio of 1.312%, and the summary paragraph describing the model as among the leading open-weight models in intelligence but particularly expensive against other open-weight models of similar size, notably slow per task and very verbose, with text input, text output and a 1M-token context window.

Qwen4-Maxにできない唯一のこと

上の各行は能力比較だが、2つのモデルのうち一方を手元に持ち帰れるとなれば、能力という枠組み自体が誤りだ。Z.aiはGLM-5.3の重みを独自ライセンスで公開している。一方、AlibabaはQwen4-Maxについて何も公開しておらず、単一のホストだけを挙げている。この違いは、どのベンチマークも測っていない3つの点を変える。

{{1}}継続性{{/1}} — ベンダーの料金ページが変更されたり、リージョンが非推奨になったり、非推奨通知が届いたりしても、{{2}}あなたがホストする{{/2}}モデルは応答し続けます。Qwen4-Maxにはこの点について2026年11月25日の前例があります。プレビュー識別子は一般提供開始から9日後に廃止され、qwen4-max-previewを指したままの設定は動作しなくなりました。

• コストカーブ — GLM-5.3 の限界コストは、あなたの GPU 稼働率そのものになります。持続的な高ボリュームでは、それは通常 API の料金を下回ります。断続的な低ボリュームでは、むしろ割高になります。この分岐点は稼働率の計算であって、モデル品質の話ではありません。

• 制御 — ファインチューニング、量子化、カーネル選択、そしてモデルが何を行っているかを検査する能力。Qwen4-Maxにはそのいずれも存在しない。

それと比べると、オープンモデルはインデックススコアが19ポイント低く、回答を控える判断にも劣り、画像を見ることもできない。新規のグリーンフィールド導入では、このトレードオフは魅力的ではない。すでにセルフホスト型推論スタックを中心に構築されたシステムでは——そこでの GLM-5.3 の代替は Qwen4-Max ではなく前世代の G​LM なのだが——ライセンスが決め手となり、スコア差は事業を行う上でのコストになる。

オープンモデルのほうが高くつくのはなぜか、一文で

オープンウェイトはコストをトークンメーターからエンジニアリング予算へ移し、そのエンジニアリング予算は料金表には載らないからだ。自社ハードウェアでGLM-5.3を立ち上げるには、キャパシティプランニング、パッチを当てられるサービングスタック、そして自分のデプロイがリファレンスと一致しているかを判断できるだけの評価ハーネスが必要であり、そのコストは単一チームが動かすどのような量でもタスクあたり3.27ドルの差を上回る。インデックスポイントあたり15.8セントは目に見える数字であり、見えないほうはより大きく、しかも千件のリクエストを処理しようと百万件を処理しようと一度だけ支払うことになる。

規模が大きくなるとその計算は逆転し、ファインチューニングが必要ならさらに大きく逆転する。ファインチューニングは、オープンモデルを単に安価にするだけでなく唯一の選択肢にする唯一の要件であり、Qwen4-Maxの指標面でのリードがどれほど大きくても、その代わりにはならない。

ルーティング可能なものを呼び出しています

GLM-5.3は当社のカタログにz-ai/glm-5.3として掲載されています。価格はZ.aiの定価で、100万トークンあたり入力$1.26、出力$3.96です。上乗せは一切ありません。Z.aiが公表している料金と同じで、同社が料金を変更した場合もそれに従います。Qwen4-Maxは当社のカタログにはありません。qwen4という識別子はnot-foundを返し、そのルートはAlibabaのModel Studio APIおよび複数のサードパーティプラットフォームです。当社が提供する最も近いQwenモデルはqwen/qwen3.8-maxで、価格は$2.00と$6.00です。

そうなると、2つ目の契約を結ばずに強力なモデルを求める人には、実用的な順序が残る。すでに持っているエンドポイント経由で z-ai/glm-5.3 の評価を実行し、19ポイントの差が自分のユースケースにとって致命的なら、Qwen4-Max の価格を指標と比べるのではなく、自分のトークン構成に照らして見積もるのだ。本稿のタスク別数値は、キャッシュトラフィックが異常に多いベンチマークハーネスからモデル化されている。短いプロンプトと長い出力を伴う本番ワークロードでは、$5.01 と $3.27 の差は大きく縮まる。どちらの請求額も、ほぼ出力分ではないからだ。

A headless-browser screenshot of the OrcaRouter model page for GLM-5.3, captured 17 November 2026 in English, showing the identifier z-ai/glm-5.3, the byline Z.ai dated 2026-08-18, a max output of 128K, input listed as text, output listed as text, and a p50 time-to-first-token reading.

私たちが確認する必要があるもの

GLM-5.5ならこの比較は白紙に戻るだろうが、現在その気配は一切ない——2026年11月17日時点で、Z.ai自身のページにはドキュメントへの導線も、価格表の行も、モデル識別子もない。もし登場すれば、問うべきはZ.aiが5.3でそうしたように重みを公開するのか、画像入力に対応するのか、そして回答を控える挙動を修正するのか、だ。なぜなら最後の数値(38.9%)こそが、インデックス差よりも先に、GLM-5.3を未レビューの用途では推奨しづらくしているものだからだ。

一方で、正直な要約は直感に反し、しかも短い。オープンモデルはポイントあたりのコストが高く、測定されたあらゆるスイートでスコアが低く、ただ一種類の買い手にとってのみ正しい選択であり続ける。その買い手の制約はベンチマークではなくライセンスなのだ。

この記事で比較したモデル2

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