GLM-5.3-Flash

GLM-5.3-Flash は智譜（Z.ai）の GLM-5 シリーズ初のネイティブ・マルチモーダルモデルで、2026年8月26日にリリースされ、数日前に OpenRouter に匿名で登場した「Ox Alpha」モデルであることが確定しました。320B パラメータの新・混合エキスパート（MoE）モデルで、トークンごとに 18B のみを活性化し、1M トークンのコンテキストウィンドウと MIT ライセンスのオープンウェイトを持ちます。入力 $0.15/百万トークンで、エージェント向けの低コスト・長コンテキストオプションとして位置付けられています。

モデル仕様

主な機能

• ネイティブ・マルチモーダル：初期の GLM ビジョン版とは異なり、本モデルは 30 兆トークンのマルチモーダルコーパスでゼロから事前学習されたため、画像・動画入力をネイティブに処理します。
• ハイブリッド（スパース＋リニア）アテンション：GLM シリーズ初の組み合わせで、GLM-5.3 比でアテンション計算を約 3 倍、KV キャッシュを約 4.4 倍削減。
• 1M コンテキストを低コストで提供：小さな KV キャッシュが長コンテキストのセルフホストを現実に。320B MoE でもフルアテンションより大幅にメモリを抑えられます。
• MIT オープンウェイト：Hugging Face から MIT ライセンスでダウンロード可能。セルフホスト・商用利用とも可。
• 常時思考：推論は無効化できず、各レスポンスが思考トークンを消費。公式推奨は temperature 1.0、top_p 0.95、最大の推論強度。
• Coding Plan 統合：GLM Coding Plan に含まれ、クォータ 3 倍＋オフピーク時 50% オフ。

使用シナリオ

このモデルを使うべき人は？

• エージェント開発者：反復的なコンテキスト送信がコストの大半を占める長時間推論ループで、$0.03 のキャッシュ入力でほぼ無料になる。
• マルチモーダルパイプライン：画像・動画理解を 1 つのオープンウェイトモデルで完結させたい。
• セルフホストチーム：320B MoE を載せられる GPU メモリがあり、4.4 倍小さい KV キャッシュで 1M コンテキストを提供したい。
• コスト重視のチーム：タスクあたり数倍かかる独自フロンティアモデルと比較する。

解決する問題

1. 長コンテキストの提供コスト：フルアテンションは二次関数的に増え、大きな KV キャッシュを要求。ハイブリッド設計で両方を削減。
2. マルチモーダルの断片化：1 つのモデルで画像・動画エンコーダを置き換え。
3. ベンダーロックイン：MIT のオープンウェイトでホストサービスから離れても同じモデルを維持。

料金プラン

優位性と独自の価値提案

競合他社との比較：

1. GLM-5.3 比：長コンテキストの提供能力が大幅に向上し、より安価。代償として活性化パラメータが少ない。
2. DeepSeek-V4-Flash・Kimi-K3 比：智譜は計測したベースラインのなかで最低のアテンション計算と主張。一方 KV キャッシュは一部競合よりわずかに大きいと認める。
3. 独自フロンティアモデル比：同等の長コンテキストエージェント作業でタスクあたり約 1 桁安価。

際立つポイント：

• GLM 初のネイティブ・マルチモーダル（改造ではなく事前学習）。
• Z.ai によると中国製 AI チップのみで動作。
• 匿名の「Ox Alpha」として、学習に使わない明示的条件付きでプレビュー公開された異例のリリース。

ユーザーレビュー

コミュニティの注目度は極めて高く、Patrick Collison 氏が匿名の「Ox Alpha」プレビューを「非常に印象的」と評したことがきっかけで開発者が押し寄せました。指紋調査者はトークナイザー解析で、公式発表前から「99% 確実に智譜の GLM ファミリー」と断定。ベンチマークでは強いコーディングスコアが記録された一方、一部の提供環境では展開が遅めと指摘する声もあります。

はじめに

クイックスタートガイド

1. API 経由：Z.ai オープンプラットフォームまたは智譜 bigmodel でモデル ID glm-5.3-flash を、標準の OpenAI 互換チャット形式で呼び出し。
2. OpenRouter 経由：stealth/ox-alpha リストは公式 GLM-5.3-Flash リストに交代。無料枠は 8/27 頃に終了し、以降は標準価格。
3. セルフホスト：Hugging Face の zai-org/GLM-5.3-Flash から重みをダウンロードし、好みのランタイムで提供。VRAM が厳しければ量子化版を。

統合

• OpenAI 互換のチャット、関数呼び出し、ストリーミング、JSON 構造化出力。
• 画像 URL または Base64 入力。
• Hugging Face Transformers、llama.cpp、Unsloth（GGUF）でのローカル推論。

よくある質問

GLM-5.3-Flash と GLM-5.3 は同じですか？

違います。GLM-5.3-Flash は新規に訓練された基盤モデルで GLM-5.3 の蒸留ではありません。また GLM-5.3 がテキストのみなのに対しネイティブ・マルチモーダルです。

思考を無効化できますか？

できません。思考は常時オンで、各レスポンスが思考トークンを消費します。予算計画に考慮してください。

本当にオープンソースですか？

重みは MIT ライセンスで提供され、商用・セルフホストが可能です。他のオープンウェイト同様、学習データは非公開です。

「Ox Alpha」とは？

Ox Alpha は GLM-5.3-Flash の隠し名称で、8月26日に Z.ai が確認。OpenRouter に匿名で登場し、独立したコミュニティ利用の後にブランド化されました。

代替案

• GLM-5.3：テキスト向けコーディング旗艦。サイバー能力は高いが活性化削減は少なめ。
• Qwen3.8-Flash-Next：同じく 8/26 公開のオープンウェイト・コスト効率モデル。125B 総参 / 6B 活性。
• DeepSeek V4 Flash：コスト重視のエージェント運用で有力なオープンモデル。

ヒントとベストプラクティス

1. 思考トークンの予算を確保：推論は無効化不可。単発ではなく反復推論でタスクあたりコストを見積もる。
2. キャッシュ入力を活用：エージェントはシステムプロンプトとコンテキストを再送。$0.03/百万で初回後はほぼ無料。
3. 単機提供は量子化：18B 活性でも 320B MoE は相当な VRAM が必要。適合する量子化を選ぶか RAM へオフロード。

まとめ

GLM-5.3-Flash は「安く・長い・ネイティブ・マルチモーダルなオープンウェイト」を狙った Z.ai の一手で、アテンション再設計により 1M コンテキストの提供を経済化しました。ピーク性能よりタスクあたりコストを重視するエージェント開発者やマルチモーダルパイプラインにとって、現時点のオープンウェイト空間でも屈指のバリューです。Z.ai 公式発表またはHugging Face モデルカードから始めるのがおすすめです。