Zhipu AI が GLM-5.3-Flash を投入 ── 18BアクティブでClaude Opus 4.8級の実力
「価格が1/10なのに、コーディングやエージェント処理でClaude Opus 4.8に肉薄する」というのは、正直なところかなり大胆な主張だ。しかし、Zhipu AIがこのGLM-5.3-Flashで採用したハイブリッドアテンション機構を見る限り、単なるコスト削減策ではなく、アーキテクチャ自体を根本から変えた結果であることがわかる。長文脈の処理コストを劇的に下げる設計思想が、このモデルの真価だ。
▸何が変わったのか
GLM-5.3-Flashは、GLM-5シリーズで初めてネイティブマルチモーダル対応を実現したモデルです。総パラメータ数は320Bですが、アクティブパラメータはわずか18Bというスパースな構成です。最大の特徴は、スパースアテンションと線形アテンションを組み合わせたハイブリッドアーキテクチャの導入です。これにより、長文脈サービングのコストを大幅に削減しつつ、長文脈の精度も維持しています。さらに、スケーリング効率を高めるManifold-Constrained Hyper-Connections (mHC)も採用しています。推論予算は`reasoningeffort`パラメータでlow, high, maxの3段階で制御可能で、デフォルトはmaxになっています。
◈前モデル / 競合との比較
前モデルであるGLM-5.2と比較して、ベンチマークおよび実世界ワークロードで性能を上回るとされています。特に注目すべきは、競合のClaude Opus 4.8に匹敵するコーディング・エージェントベンチマークのスコアを、推論コストを1/10に抑えつつ達成している点です。また、Hugging Faceに公開されたオープンソースモデルとして、SGLangやvLLMなどの主要フレームワークでローカルデプロイが可能です。
◈技術背景と意義
通常、大規模言語モデルはすべての層で全パラメータを活性化させるため、計算コストが高いです。GLM-5.3-Flashでは、その場で必要とされる部分だけを活かす「スパース」な仕組みと、計算量を減らす「線形」な仕組みを組み合わせました。これにより、長い文章を扱う際のメモリ使用量や計算時間を押さえつつ、重要な情報を見逃さないようにしています。結果として、以前より少ない計算資源で、より賢い推論を行えるようになったわけです。
▸こんな人・用途に
・コーディングエージェントやツール使用（Tool Use）を多用するAIアプリ開発
・長文書（300Kトークン前後）の分析・要約を行う業務システム
・コストを抑えつつ、高い推論能力が必要なローカル環境でのデプロイ
▸Hacker Newsの反応
GLM-5.3-Flashの低価格と高性能がHacker Newsで大きな反響を呼んでおり、特に「中国への制裁が技術開発を加速させているのではないか」という地政学的な議論が活発化しています。
「中国への制裁は逆に、あらゆる分野でより良く、より多く取り組むモチベーションを与えている気がする。そんな巨大で賢明な国が対決を選ぶはずがない。」
「GLM-5.3-Flashの標準API価格（100万トークンあたり）は、入力$0.15、出力$0.50、キャッシュ入力$0.03となっています。」
「すごい。Sol xhighとの間のモデルをパーレート fronteraから完全に排除している。試してみるのが待ちきれない。」
「ここにはいくつか事実誤認がある。入力はテキストのみとあるが、メイン機能である画像対応が抜けている。コンテキスト長も1048576であるべき。」
「Q4でも過度な劣化がないGGUF版が、256GB/512GBの推論環境で有効だ。直近3ヶ月は高機能なオープンウェイトモデルのリリースが頻繁に行われている。」
◆入手方法・リンク
Hugging Face上でオープンソースとして公開されています。API利用の場合はZ.ai API Platformを利用できます。ローカルでのデプロイは、SGLang、vLLM、TokenSpeed、Transformers、KTransformers、Unslothなどのフレームワークに対応しています。
SOURCE: Zhipu AI (2026-08-25)
