--- title: "GLM（Z.ai）とは？最新GLM-5.3までの世代一覧と料金・使い方" url: "https://www.issoh.co.jp/tech/details/12795/" published: 2026-06-30 updated: 2026-10-16 categories: ["LLM・RAG"] publisher: "株式会社一創" --- # GLM（Z.ai）とは？最新GLM-5.3までの世代一覧と料金・使い方 GLMは、中国のZ.ai（旧Zhipu AI／智譜AI）が開発している大規模言語モデルのシリーズです。「GLM」で検索すると、統計学の一般化線形モデル、京都のEVメーカー、スピーカー調整ソフトまで同じ画面に並びます。この記事は特定の版の解説ではなく、Z.aiのGLMを版をまたいで整理するまとめです。最新版、世代ごとの違い、料金、版の切り替え方、どの経路で使うかの判断までを、2026年10月16日時点の公式ドキュメントで確かめて書いています。 ## まとめ：GLMの最新バージョンはGLM-5.3、軽量版はGLM-5.3-Flash 2026年10月時点の最新フラッグシップはGLM-5.3です。Z.aiの[公式リリースノート](https://docs.z.ai/release-notes/new-released)では2026年8月18日にAPIで公開され、8月26日に軽量版のGLM-5.3-Flashが続きました。GLM-5.3はGLM-5.2と同じ基盤モデルに追加学習を重ねた版で、文脈長は100万トークン、API単価は100万トークンあたり入力1.4ドル・出力4.4ドルとGLM-5.2から据え置きです。GLM-5.3-Flashは新しく学習し直した総320B・アクティブ18Bのモデルで、単価は入力0.15ドル・出力0.5ドル。GLM-5系で初めて画像と動画を入力できます。 選び方は3つに絞れます。難しいコーディングや長時間のエージェント作業はGLM-5.3。画面や画像を見せる作業と費用を抑えたい用途はGLM-5.3-Flash。APIでは速度重視のGLM-5.3-FlashXも提供されていますが、Coding Planの対象外です。費用ゼロで試すだけなら、API料金表で無料と明記されたGLM-4.7-Flashです。注意したいのはライセンスで、GLM-5.1とGLM-5.2、GLM-5.3-FlashはMITですが、GLM-5.3だけは独自の「GLM-5.3 License」に変わりました。GLM Coding Planは2026年7月30日から新規契約がクレジット制になり、GLM-5.2やGLM-5.1を指定してもGLM-5.3へ自動で転送されます。 ## GLMとは：Z.aiのLLM系列と、同じ略語の統計モデル・企業の見分け方 ### GLM＝General Language Model：2021年の論文に始まる系列名 Z.aiのGLMは General Language Model の略です。由来は2021年3月18日にarXivで公開された論文「[GLM: General Language Model Pretraining with Autoregressive Blank Infilling](https://arxiv.org/abs/2103.10360)」で、ACL 2022に採録されました。清華大学のJie Tang氏らが提案した、文章の穴を自己回帰的に埋める事前学習の手法名が、そのままモデル系列の名前になっています。GLM-5.3の「5.3」は世代を表す番号で、「GLMという製品」ではなく「GLMという系列」と捉えると、版が増えても混乱しません。 ### 検索結果に並ぶ別のGLM：統計の2種類・GLM株式会社・Genelec | GLMの指すもの | 正体 | 分野 | | ---------------------- | ------------------------ | ---- | | GLM-5.3 / 5.2 / 4.7 など | Z.aiの大規模言語モデル | 生成AI | | 一般線型モデル | general linear model | 統計学 | | 一般化線形モデル | generalized linear model | 統計学 | | GLM株式会社 | 京都のEVメーカー | 自動車 | | Genelec GLM | スピーカー調整ソフト | 音響 | 統計側は2つの体系に分かれます。日本理学療法学会連合のEBPT用語集は、一般線型モデルを「正規分布を仮定した検定や解析，つまりt検定，F検定，分散分析，重回帰分析などの手法全体」と説明しています。一般化線形モデルはこれを正規分布以外の分布にも広げた枠組みで、正規分布も扱え、代表例にロジスティック回帰やポアソン回帰があります。Rの`glm()`関数が指すのはこちらです。生存時間分析のCox比例ハザードモデルは、どちらとも区別される半パラメトリックなモデルです。GLM株式会社は京都市伏見区のEVメーカーで、スポーツEV「トミーカイラZZ」の開発元です。 ## 開発元Z.ai（智譜AI）の会社情報と読み方 ### 清華大学KEG発、2026年1月8日に香港上場（ティッカー2513） Z.aiは2019年設立で、中核メンバーは清華大学 計算機科学系の知識工程研究室（KEG）の出身です。正式社名は北京智谱华章科技股份有限公司。海外向けブランドは2025年にZhipu AIからZ.aiへ変わりました。2026年1月8日に香港証券取引所へ上場し、ティッカーは2513です。中国の大規模言語モデル企業として最初の上場例です。 海外向けのAPIを提供している主体は、北京の本社ではありません。Z.aiの[プライバシーポリシー](https://docs.z.ai/legal-agreement/privacy-policy)では、シンガポール法人のJINGSHENG HENGXING TECHNOLOGY PTE.LTDがサービスの提供主体です。この違いは後の「使う経路」の章で効いてきます。 ### Z.ai・智譜AIの読み方：ピンインはzhì pǔ、Z.aiはゼット・エーアイ 日本語のカタカナ表記に定訳はありません。中国語「智谱」のピンインは zhì pǔ（ジープー）で、日本語の資料は読みを添えずに「智譜AI」と書くのが一般的です。現在の対外ブランドはZ.aiなので、実務ではアルファベットのまま「ゼット・エーアイ」と読めば通じます。社内文書では「Z.ai（旧Zhipu AI／智譜AI）」と併記すると旧名の資料とつながります。 ## GLMシリーズのバージョン履歴：GLM-4.6からGLM-5.3-Flashまでの公開日と仕様 旗艦モデルは約2か月おきに更新されています。公開日はZ.aiのリリースノート（API公開日）、総パラメータはHugging Faceの`zai-org`リポジトリが重みファイルから集計した値、単価は[公式の料金表](https://docs.z.ai/guides/overview/pricing)です。 | 版 | API公開日 | 総パラメータ | 文脈長 | ライセンス | 入力/出力（ドル／100万トークン） | | ------------- | ---------- | -------------- | ---- | --------------- | ------------------ | | GLM-5.3-Flash | 2026-08-26 | 321B（18Bアクティブ） | 1M | MIT | 0.15 / 0.5 | | GLM-5.3 | 2026-08-18 | 753B | 1M | GLM-5.3 License | 1.4 / 4.4 | | GLM-5.2 | 2026-06-16 | 753B | 1M | MIT | 1.4 / 4.4 | | GLM-5.1 | 2026-04-07 | 754B | 200K | MIT | 1.4 / 4.4 | | GLM-5 | 2026-02-12 | 754B | 200K | MIT | 1 / 3.2 | | GLM-4.7 | 2025-12-22 | 358B | 200K | MIT | 0.6 / 2.2 | | GLM-4.6 | 2025-09-30 | 357B | 200K | MIT | 0.6 / 2.2 | テキスト以外の派生モデルも並走しています。文書のテキスト化は[GLM-OCRの解説](/tech/details/10872/)、画像生成はGLM-Image（1枚0.015ドル）とその前身の[CogView4-6Bの解説](/tech/details/5684/)を参照してください。版ごとの詳しい実行要件は[GLM-5.1の記事](/tech/details/11717/)と[GLM-4.7の記事](/tech/details/10576/)にあります。 ### GLM-5.3：GLM-5.2と同じ基盤モデルを追加学習で伸ばした版 [GLM-5.3のモデルカード](https://huggingface.co/zai-org/GLM-5.3)は冒頭で「GLM-5.2と同じ基盤モデルで、向上はすべて事後学習による」と明言しています。総パラメータがGLM-5.2と同じ753,329,940,480なのはこのためです。伸びたのはコーディングと脆弱性解析で、Z.aiが公表した数値は次のとおりです（いずれもZ.aiの自社計測）。 | ベンチマーク | GLM-5.3 | GLM-5.2 | Opus 4.8 | Fable 5※ | GPT-5.6 Sol | | ------------------ | ------- | ------- | -------- | -------- | ----------- | | Terminal Bench 3.0 | 28.3 | 4.6 | 21.1 | 33.7 | 34.6 | | DeepSWE (v1.1) | 66.9 | 46.2 | 58.0 | 69.7 | 72.7 | | CyberGym | 84.5 | 77.2 | 78.1 | 83.8 | 83.6 | | ExploitBench | 54.4 | 24.4 | 40.0 | 78.0 | 76.5 | 表の4項目ではClaude Opus 4.8を上回りますが、モデルカード全体ではNL2Repo（58.0対69.7）やSWE-Marathon（42.5対48.8）のようにOpus 4.8が上の項目も残ります。閉じた最上位モデルとの差も消えていません。脆弱性の発見（CyberGym）では表中最高でも、悪用の段階（ExploitBench）ではFable 5との差が23.6ポイント残っています（※Fable 5はモデルカード上「w/ fallback」条件の値）。API仕様には破壊的な変更が1つあります。GLM-5.3は思考（reasoning）が常時オンで、`reasoning_effort`は`low`・`high`・`max`（既定）の3段階です。思考をオフにする設定は受け付けません。 ### GLM-5.3-Flash：320B・18Bアクティブの新基盤、GLM-5系初のマルチモーダル 名前は似ていますが、GLM-5.3-FlashはGLM-5.3の縮小版ではありません。[モデルカード](https://huggingface.co/zai-org/GLM-5.3-Flash)によると新たに学習した基盤モデルで、疎な注意機構と線形注意を組み合わせたハイブリッド構成をGLMで初めて採用しました。Z.aiのドキュメントでは、GLM-5.3と比べて注意計算を3.01分の1、KVキャッシュを4.44分の1に減らしています。入力は動画・画像・テキスト・ファイルに対応し、GLM-5.3（テキストのみ）にはできない「画面を見て直す」作業ができます。重みはMITなので、GLM-5.3 Licenseの条件を避けたい組織にとっても選択肢になります。 ### 753Bと744Bの違い：集計に入る層の差 GLM-5系の総パラメータは、資料によって744Bと753〜754Bに割れます。Z.aiのGLM-5のドキュメントとAWSのBedrockモデルカードは「744B（40Bアクティブ）」、Hugging Faceの集計は753B（GLM-5とGLM-5.1は754B）です。前者は公式の公称値、後者はHugging Faceが重みファイルから数えた値です。差の約90〜100億パラメータは、GLM-5.1の設定ファイル（`num_nextn_predict_layers=1`）から計算すると、複数トークン予測（MTP）層1層分とほぼ一致します。Z.aiは内訳を公表していないので、あくまで試算です。MTP層の役割は[MTP（Multi-Token Prediction）の解説](/tech/details/12353/)にまとめています。 ## GLMのバージョン確認と切り替え：APIのモデル名とCoding Planの自動転送 ### GLM-5.3 APIのモデル指定と思考オフ設定の非対応 従量課金のAPIでは、`model`に書いた版がそのまま使われます。GLM-5.2から上げるときの落とし穴は思考の設定です。[GLM-5.3のガイド](https://docs.z.ai/guides/llm/glm-5.3)は、`thinking.type`を`disabled`にしたままモデル名だけ`glm-5.3`に変えるとリクエストが失敗すると明記しています。先に`enabled`へ変えて`reasoning_effort`を`low`にし、それからモデル名を差し替えてください。 ``` curl -X POST "https://api.z.ai/api/paas/v4/chat/completions" \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $ZAI_API_KEY" \ -d '{ "model": "glm-5.3", "thinking": {"type": "enabled"}, "reasoning_effort": "low", "messages": [{"role": "user", "content": "SQLの実行が遅い場合に確認すべき情報を3つ挙げて"}] }' ``` 接続先は用途で4つに分かれます。通常のAPIは`https://api.z.ai/api/paas/v4`、Coding PlanのOpenAI互換は`https://api.z.ai/api/coding/paas/v4`、Anthropic互換は`https://api.z.ai/api/anthropic`、Responses形式は`https://api.z.ai/api/v1`です。過去にCoding Planを契約したことがあるアカウント（期限切れを含む）は、2026年10月時点でOpenAI Chat Completion互換の経路しか使えません。 ### Coding Planは旧版の指定をGLM-5.3へ転送する：版を固定したいときの選択肢 サブスクリプションのGLM Coding Planでは、指定した版が使われるとは限りません。[プランの概要ページ](https://docs.z.ai/devpack/overview)によると、GLM-5.2とGLM-5.1への要求はGLM-5.3へ、GLM-4.7への要求はGLM-5.3-Flashへ自動で転送されます。挙動の変化を避けるために旧版へ固定したいなら、従量課金のAPIで版を指定するか、MITの重みを自社で動かすしかありません。なお、Coding Plan経由では思考オフの指定はエラーにならず、`low`として処理されます。APIとは挙動が違うので、同じコードを両方で使う場合は気をつけてください。 ### Claude Codeで版を切り替える：settings.jsonの3変数と\[1m\] Claude CodeはAnthropic互換の接続先に向けるだけで動きます。注意点は、Z.aiの[Claude Code連携ガイド](https://docs.z.ai/devpack/tool/claude)が既定の対応づけとしてOpus・Sonnet・Haikuの3枠ともGLM-5.3-Flashを挙げていることです。GLM-5.3を使うなら`~/.claude/settings.json`の`env`に明示し、100万トークンの文脈を使うならモデル名に`[1m]`を付けて圧縮の閾値も合わせます。 ``` { "env": { "ANTHROPIC_AUTH_TOKEN": "your_zai_api_key", "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]", "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000", "API_TIMEOUT_MS": "3000000" } } ``` 反映されたかは、`claude`を起動して`/status`を打てば確認できます。Settings sourceに`~/.claude/settings.json`、Modelに`glm-5.3[1m]`が出ていれば切り替わっています。`[1m]`付きのモデルが存在しないと言われた場合は、Claude Code本体を最新版に上げてください。Clineなどは、OpenAI互換の接続先とモデル名を入れれば使えます（設定画面は[Clineの使い方](/tech/details/17387/)を参照）。 ## GLMの料金：API単価・Claudeとの比較・Coding Planのクレジット ### Claudeとの単価比較：10分の1に届くのはFable 5.1の出力だけ 「商用モデルの10分の1」という言い方は、比べる相手で倍率が大きく変わります。Anthropicの[公式料金表](https://platform.claude.com/docs/en/about-claude/pricing)と並べると次のとおりです（100万トークンあたり・ドル）。 | モデル | 入力 | 出力 | GLM-5.3との差 | | ----------------------- | ---- | ---- | -------------- | | GLM-5.3 | 1.4 | 4.4 | 基準 | | Claude Sonnet 5.5 | 2 | 10 | 入力1.4倍・出力2.3倍 | | Claude Opus 5.5 | 4 | 20 | 入力2.9倍・出力4.5倍 | | Claude Fable 5.1 | 10 | 50 | 入力7.1倍・出力11.4倍 | | GLM-5.3-Flash | 0.15 | 0.5 | 入力約9分の1 | | Claude Haiku 5.5（10万以下） | 0.10 | 0.50 | Flashより入力が安い | GLM-5.3の割安さが効くのは出力の多い工程で、Opus 5.5と比べて出力は4.5分の1です。逆に、プロンプトが10万トークン以下の軽い処理では、Claude Haiku 5.5のほうがGLM-5.3-Flashより入力単価が安くなります。工程ごとに入力と出力の比率で計算してください。Claude側の版と移行については[Claude Opus 5.5の解説](/tech/details/17765/)、[Claude Sonnet 5.5の解説](/tech/details/17973/)、[Claude Haiku 5.5の解説](/tech/details/18284/)にあります。 ### GLM Coding Plan：2026年7月30日からクレジット制、Liteは月18ドルから Coding Planは2026年7月30日に[クレジット制の新プランを提供開始](https://docs.z.ai/devpack/notice/usage-revision)し、旧プランの新規販売は終わりました。ただし、既存契約は自動移行せず、契約中の料金・上限・計算方式は維持されます。Legacy Plan V2は更新やアップグレードも可能です。検索でよく見る「Pro月72ドル・Max月160ドル」は旧プランの価格です。公式ドキュメントで確認できる新プランの価格は「月18ドルから」だけで、ProとMaxの現在の価格は購読ページで確かめてください。クレジットの枠は次のとおりで、5時間ごとと週ごとの2つの上限が同時にかかります。 | プラン | 5時間あたり | 週あたり | | ---- | ------ | ------- | | Lite | 2,000 | 10,000 | | Pro | 12,000 | 60,000 | | Max | 28,000 | 140,000 | 消費は「（入力×倍率＋キャッシュ入力×倍率＋出力×倍率）÷10,000」で計算します。倍率はGLM-5.3が入力6.9・キャッシュ1.7・出力24、GLM-5.3-Flashが2.3・0.56・8です。たとえばGLM-5.3にキャッシュなしの入力10万トークンを送って出力を10万トークン受け取ると、ピーク時間帯では69＋240＝309クレジットで、Liteの5時間枠の約15％を使います。平日のシンガポール時間14〜18時（日本時間15〜19時）以外と土日はモデルのクレジット消費が半分になります。公式対応ツールで行う重い作業を、この時間帯へ回すと消費を抑えられます。GLM-5.3-Flashは同じ作業で約3分の1しか消費しません。チームで使う場合は、学習への利用が既定で除外されるTeam Plan（Standard席は5時間15,000・週66,000）が別にあります。 ## GLMを使う経路：Z.ai API・Amazon Bedrock・セルフホストの選び方 企業での判断を分けるのは性能より経路です。経路が変わればデータの置き場所と契約相手が変わります。 ### Z.ai API：シンガポールで処理、入力内容は保存しないとDPAに記載 Z.aiのプライバシーポリシーに付いたAPI向けのデータ処理条項（DPA）では、サービスは主にシンガポールから提供され、顧客データは原則シンガポールで処理されるとしています。さらに、APIに入力・生成した内容は「保存せず、リアルタイムで処理する」と書かれています。一方で、親会社の北京智谱华章科技は2025年1月16日付の米国官報（[FR Doc. 2025-00704](https://www.federalregister.gov/documents/2025/01/16/2025-00704/addition-of-entities-to-and-revision-of-entry-on-the-entity-list)）で、中国の軍の近代化に寄与するとして関連会社とともにEntity Listへ追加されました。掲載で直接制限されるのは米国の輸出管理規則（EAR）の対象品目を同社へ渡す取引ですが、米国の輸出管理を社内規程に入れている企業では取引先審査に引っかかります。契約前に法務と輸出管理の確認を通してください。 ### Amazon Bedrock：GLM 5は東京リージョン内、GLM 5.3はクロスリージョンのみ 既存のAWS契約の中で使えるのがBedrockです。ただし版によって条件が大きく違います。[GLM 5のモデルカード](https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-zai-glm-5.html)では、東京（ap-northeast-1）でリージョン内推論ができ、データを国内リージョンに留められます（文脈長は200K）。[GLM 5.3](https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-zai-glm-5-3.html)は2026年10月5日に追加されましたが、対象顧客に限った提供で、AWSのアカウントチームへの申請が要ります。しかもクロスリージョン推論のみで、東京から呼べるのは世界中へ振り分けるGlobal（`global.zai.glm-5.3`）だけです。国内に留める要件があるなら、Bedrockで使えるのは2026年10月時点でGLM 5までです。Bedrockのモデル選びは[AWS Bedrockのモデル選定](/column/details/16543/)で比べています。 ### セルフホスト：FP8版でも重み755GB、GLM-5.3 Licenseの売上100億ドル条項 セルフホストでは推論処理を自社内で完結できます。入力データを外部へ送らない運用には、外部ツール連携やログ送信も含めた通信設定の管理が必要です。重みの規模も大きく、Hugging FaceのGLM-5.3（FP8）は重みファイルだけで755.6GB、BF16版は約1.5TB、軽いGLM-5.3-Flashでも328.3GBあります。複数GPUのサーバーが前提です。ライセンスはGLM-5.3だけ注意が要ります。[GLM-5.3 License](https://huggingface.co/zai-org/GLM-5.3/blob/main/LICENSE)は基本的にMITと同じ自由を認めますが、利用者またはその関連会社がModel as a Service事業を営み、両者の合計売上が任意の連続12か月で100億ドルを超える場合は、商用利用の前にZ.aiの安全審査を通す義務を課しています。特定の機能にモデルを組み込んだエンドユーザー製品や、他社がホストするモデルへの単なる中継は、このModel as a Serviceに含まれません。日本の大半の企業は該当しませんが、MITと同じと説明すると不正確になります。 導入の判断として、言い切れる線は2つです。個人情報・顧客データ・未公開の機密は、Z.aiのAPIにもBedrockのGlobal推論にもそのまま流さない。国内に留める必要があるならBedrockのGLM 5（東京）かセルフホストを選ぶ。公開情報や非機密コードの生成・レビューのように、データの機微度が低く出力量が多い工程は、出力単価の差を検証しやすい導入候補です。実際の費用は、モデルごとのトークン数や再試行回数も含めて比べてください。業務への組み込みを検討している場合は、[生成AI導入支援](/service/ai/genai/)で経路の選定から相談できます。同じ中国製オープンウェイトの比較材料としては[DeepSeek V4の解説](/tech/details/12053/)が同種の論点を扱っています。 ## GLM（Z.ai）に関するよくある質問 ### GLMの最新バージョンはどれですか？ 2026年10月16日時点の最新はGLM-5.3で、APIでの公開日は2026年8月18日です。8月26日には軽量版のGLM-5.3-Flashが公開されました。両モデルの重みはHugging Faceの公式リポジトリで公開されています。新しい版が出たらこの記事の表を更新します。 ### GLMは無料で使えますか？ APIではGLM-4.7-Flash、GLM-4.5-Flash、画像も読めるGLM-4.6V-Flashが料金表で無料と明記されています。最新のGLM-5.3とGLM-5.3-Flashは有料です。GLM-5.3-Flashと、GLM-4.6からGLM-5.2までの重みはMITで公開されています。ただし、旧世代すべてがMITではなく、GLM-4-9B系などは独自ライセンスの条件確認が必要です。 ### GLMの料金はいくらですか？ APIはGLM-5.3が100万トークンあたり入力1.4ドル・出力4.4ドル、GLM-5.3-Flashが0.15ドル・0.5ドルです。月額のGLM Coding Planは2026年7月30日以降の新規契約がクレジット制で、月18ドルのLiteからです（それ以前の契約は旧条件のまま）。 ### Z.aiや智譜AIはどう読みますか？ 定訳はありません。「智谱」のピンインは zhì pǔ（ジープー）、Z.aiは「ゼット・エーアイ」と読めば通じます。GLMは General Language Model の略です。 ### 統計のGLMとZ.aiのGLMはどう見分けますか？ 周りの語で判別できます。t検定・分散分析・ロジスティック回帰・Rの`glm()`が出てくれば統計のGLMで、版番号（5.3など）・MoE・文脈長・APIが並べばZ.aiのモデルです。統計側も、正規分布を前提とする一般線型モデルと、ロジスティック回帰を含む一般化線形モデルの2つに分かれます。 ## 関連記事 - [GLM-5.1とは？754B MoEの性能・VRAMとGGUF、GLM Coding Planの料金【2026年9月】](/tech/details/11717/) - [GLM-4.7とは？358B MoEの仕様と料金・GLM-5.2との使い分け](/tech/details/10576/) - [GLM-OCRとは？0.9Bの実体と日本語精度・vLLM/Ollama導入手順とAPI料金](/tech/details/10872/) - [MTP（Multi-Token Prediction）とは？LLMの複数トークン予測の仕組みと投機的デコーディングでの使い方](/tech/details/12353/) - [DeepSeek V4とは？Compressed Sparse Attention(CSA)の仕組みとPro/Flashの性能・料金・移行期限](/tech/details/12053/) --- 出典: [GLM（Z.ai）とは？最新GLM-5.3までの世代一覧と料金・使い方]()（株式会社一創）