TL;DR GLM-5.3 は Z.ai の最新フラッグシップ AI モデルで、リリースは 2026年8月14日。ソフトウェアエンジニアリング、自律エージェント、長期ホライズンのタスク、サイバーセキュリティに鋭くフォーカスしています。
通常のモデルアップグレードとは異なり、GLM-5.3 は GLM-5.2 と同一の基盤ベースモデルを維持しています。Z.ai によれば、主要な向上は単にモデルサイズを増やすのではなく、実世界のエキスパートのワークフローを用いた大規模なポストトレーニングによるものです。
見出しの結果は大きなものです。Z.ai は社内の Code Bench におけるコーディング性能が GLM-5.2 比で50%向上したと報告しており、公開ベンチマークでは DeepSWE v1.1 が 66.9（GLM-5.2 は 46.2）、Agents’ Last Exam (CLI) が 28.5（23.8 から増加）。サイバーセキュリティでは、GLM-5.3 は CyberGym で 84.5% を記録し、Anthropic の Mythos 5（83.8%）を僅差で上回り、ExploitBench は 24.4% から 54.4% に上昇しました。
重要ポイント
- GLM-5.3 は GLM-5.2 と同一のベースモデルを使用。あらゆる改善は長期ホライズン環境でのスケールしたポストトレーニングによるもの。
- コーディング性能が劇的に向上：Terminal-Bench 3.0 が 4.6 → 28.3、DeepSWE v1.1 が 46.2 → 66.9、社内 Z.ai Code Bench で約 50% 向上し、トークン効率も改善。
- サイバー領域の新たな能力の出現: CyberGym 84.5%（SOTA）、ExploitBench は 24.4% → 54.4% に倍増以上。269 プロジェクトにわたり 2,436 件の脆弱性（うち 1,097 件が中～高深刻度）を実環境で発見。
- 仕様：テキスト専用、1M コンテキスト、最大出力 128K トークン、思考は常時オンで low/high/max の努力レベル。
- 提供状況：GLM Coding Plan と ZCode で即時利用可。API と MIT 風のオープンウェイトは安全性レビュー後、リリースから約 2 週間で公開予定。
- エージェント型エンジニアリング、長期ホライズンのコーディング、防御的セキュリティ研究に強いポジショニング。
- CometAPI は、ネイティブの GLM-5.3 エンドポイントを待つ間に理想的な、単一の OpenAI 互換 API で GLM シリーズ（および 500+ モデル）へ簡単かつ割引でアクセス可能。
GLM-5.3 とは？
GLM-5.3 は Z.ai（旧 Zhipu AI）の最新フラッグシップ大規模言語モデルで、2026年8月14日にリリースされました。GLM（General Language Model）ファミリーに属し、初期の ChatGLM から進化して、コーディング、推論、エージェント的ワークフローに最適化された強力なオープンウェイトモデル群へと発展しています。
フルな事前学習の刷新とは異なり、GLM-5.3 は前世代の GLM-5.2 とまったく同一のベースモデル（総パラメータ 743–744 billion 前後、トークン当たり ~40 billion 活性化の大規模 Mixture-of-Experts アーキテクチャ）上に構築されています。あらゆる性能向上は、極端なポストトレーニングのスケーリングに由来します。すなわち、長期ホライズンのタスク環境を数十倍に拡大、環境の多様性を強化し、強化学習（RL）や関連手法に大幅に多くの計算資源を投入しました。
Z.ai は 目標を「vibe coding」を超えた真のエージェント型エンジニアリングだと説明しています。単発のコード断片生成ではなく、数日に及ぶ実務レベルの作業単位を主体的に遂行できるモデルを目指しています。学習環境には現在、現実的なプロダクションシナリオ（例：ML 学習スタック全体のボトルネック診断、最適化の実装、実験の実施、正しさを保ちながらエンドツーエンドの測定可能な高速化を達成）が含まれています。
GLM-5.2 から継承・スケールされた主要テックスタック要素は次のとおりです。
- 長コンテキスト処理を効率化する IndexShare
- 長期ホライズンタスク向け RL の SAO（コンパクション付き）
- 大規模学習のためのオープンソース非同期 RL フレームワーク slime
本モデルはテキスト専用（入出力ともにテキスト）、堅牢な100 万トークンのコンテキストウィンドウをサポートし、最大128K 出力トークンまで対応。思考は常時有効で、low、high、max の 3 段階の努力レベルを制御可能（コーディングでは既定かつ推奨は max）。思考の無効化はサポートされません。
GLM-5.3 の主な機能
- 最前線のコーディング＆エージェント能力：複雑なソフトウェアエンジニアリング、ターミナル操作、多段ステップのエージェントタスク、数時間～数日にわたる長期ワークフローに最適化。
- 1M ロスレスコンテキスト：プロジェクト規模のコードベース、ドキュメント、複数ファイルにまたがる推論を強力に保持。
- 複数の思考モード：深さとレイテンシ/コストのバランスを取るための low / high / max による常時オン推論の制御。
- ストリーミング、関数呼び出し、構造化出力、コンテキストキャッシング：本番対応のエージェントツーリングをサポート。
- サイバーセキュリティの新興的強み：ホワイトボックスの脆弱性発見に強く、多段階のエクスプロイト計画能力も成長中（主に防御用途を想定）。
- トークン効率の向上：同等またはそれ以上の性能を GLM-5.2 より少ない出力トークンで実現。
- オープンウェイトのロードマップ：新たなサイバー機能に焦点を当てた安全性評価とハードニング後、ローンチから約 2 週間で、従来の GLM-5.x に倣う寛容なライセンス（MIT パターン）でウェイトを公開予定。
これらの特性により、GLM-5.3 はコーディングエージェント、自律的なエンジニアリングシステム、セキュリティ研究ツールを構築する開発者にとって有力な選択肢となります。
GLM-5.3 のベンチマーク改善：GLM-5.3 vs GLM-5.2
Z.ai がビフォー・アフター比較を提示しているベンチマークを見るのが、GLM-5.3 を評価する最も実用的な方法です。
出典 x
ベンチマークデータが実際に示すこと
第一に、GLM-5.2 からのアップグレードは広範です。Z.ai の比較表のすべての行で GLM-5.3 は改善しています。相対的に最も大きな伸びは、Terminal-Bench 3.0、ExploitGym、ExploitBench のような難しくベースラインが低いタスクで見られます。このパターンは、より洗練された長期ホライズンの環境が、能力を難易度カーブの上方へ押し上げたという Z.ai の主張と整合的です。
第二に、GLM-5.3 は競争力があるものの、あらゆる領域で一律にフロンティアをリードしているわけではありません。CyberGym（84.5）、AutomationBench（48.2）、GDPval-AA v2（1769 Elo）では比較全体のトップです。Agents’ Last Exam CLI では GPT-5.6 Sol に 28.5 対 28.6 とほぼ同点。ただし、Terminal-Bench 3.0 では GPT-5.6 Sol が 34.6、DeepSWE では 72.7、Fable 5 はそれぞれ 33.7 と 69.7 を記録。ExploitBench においては、両者とも GLM-5.3 より 20 ポイント以上先行しています。
第三に、ハーネスや予算の詳細は重要です。Z.ai は 300K～1M トークンのコンテキスト、64K～163,840 トークンの最大出力、最大 10 時間のタイムアウトなど、ベンチマークごとに異なる設定で評価しました。いくつかのテストではエージェントハーネスとして Claude Code 2.1.207 を使用。ExploitGym の時間予算はモデルごとのスループットで正規化されています。こうした選択は文書化されていますが、スコアは抽象的な知能そのものではなく「モデル＋ハーネス」のシステムを測っていることを意味します。
GLM-5.3 のアクセス方法
ローンチ時点では、アクセスはまだ段階的に展開されています。
Z.ai の公式ドキュメントには現在、次のように記載されています：
“The GLM-5.3 API is coming soon.”
同時に、GLM-5.3 はGLM Coding Plan のユーザーが利用可能です。
Z.ai の Coding Plan ドキュメントでは、このサービスが他の GLM モデルとともに GLM-5.3 をサポートし、Claude Code、Cline、OpenCode などのコーディング環境で使用できると記載されています。
公式の ZCode ドキュメントでも、Z.ai および BigModel アカウント経由の GLM-5.3 統合が説明されています。
GLM-5.3 の料金
料金は、開発者が注意すべき領域の一つです。
公開時点では、一般向け GLM-5.3 API の料金は、公式の GLM-5.3 API ドキュメントにまだ掲載されていません。API は「近日公開」と記載されたままです。
代わりに、開発者は現在、GLM Coding Plan を通じてモデルにアクセスできます。
Z.ai の現行プランページには、以下の開始価格が掲載されています：
| Plan | Advertised price | Positioning |
|---|---|---|
| Lite | $12.60/month promotional / $18 standard | Lightweight development |
| Pro | $56/month promotional / $80 standard | Professional workloads |
| Max | Higher tier | High-volume workloads |
*価格やプロモーションは変更される可能性があります。購入前に Z.ai の最新価格ページで確認してください。
重要な点は、これらはコーディング用サブスクリプションの価格であり、トークン単価ベースの API 料金と同等ではないということです。
一般向け GLM-5.3 API が利用可能になったら、サブスクリプション価格だけでなく、次の項目を比較すべきです。
- 入力トークン単価
- 出力トークン単価
- 推論トークン単価
- キャッシュ入力の料金
- コンテキストウィンドウの料金
- レート制限
- ツール呼び出しのコスト
- バッチ料金
- エンタープライズ条件
GLM-5.3 比較表：どのモデルがどのワークロードに最適？
| Model | Strong signals in Z.ai's table | Relative weakness in the same table | Practical fit |
|---|---|---|---|
| GLM-5.3 | CyberGym、AutomationBench、GDPval-AA v2 をリード；5.2 に対して大幅な伸び | 素のコーディングやエクスプロイト系では Fable 5 と GPT-5.6 Sol に劣る | コスト重視のコーディングエージェント、自動化、防御的セキュリティ評価、長期ホライズンのエンジニアリング |
| GLM-5.2 | 成熟したオープンウェイト、MIT ライセンス、1M コンテキスト | 最新の難関ベンチマークで 5.3 に大きく劣後 | いますぐの自前ホスティング、再現性の高いオープン運用、リスクの低い移行パス |
| Kimi K3 | DeepSWE がわずかに高い；Toolathlon に強い | CyberGym、AutomationBench、GDPval-AA v2 が GLM-5.3 より低い | Kimi が既に適合しているスタックでの長文脈コーディングとエージェント評価 |
| Claude Fable 5 | Terminal-Bench 3.0、DeepSWE、ExploitBench、ExploitGym が高い | AutomationBench、CyberGym、GDPval-AA v2 は低い | 価格を二の次にした最高難易度のコーディングとエクスプロイト研究 |
| GPT-5.6 Sol | Terminal-Bench 3.0、DeepSWE、HLE with tools、ExploitGym が最上位 | AutomationBench、CyberGym、GDPval-AA v2 は低い | プレミアム路線でのフロンティア一般コーディングと長期エージェント |
これは普遍的なランキングではありません。適切な本番指標は、リトライ、レイテンシ、ツール失敗、人間の修正を含めた、あなたの実タスクでの「合格結果あたりのコスト」です。
GLM-5.3 を使うべき？
レポジトリ規模のコーディング、自動化、長時間のツール利用、防御的セキュリティがワークロードに含まれるなら、GLM-5.3 は真剣に検討する価値があります。GLM-5.2 からのアップグレードはベンチマークの誤差と片付けられないほど広範で、Z.ai の非公開コーディングテストにおけるトークン効率の向上は、素点と同じくらい重要になり得ます。
とはいえ、すべてのモデルを置き換える自動的な選択肢ではありません。Z.ai 自身の表でも、いくつかの難度の高いコーディングやエクスプロイト系ベンチマークで Fable 5 と GPT-5.6 Sol が先行しています。GLM-5.2 は現時点で自前ホスティングが容易です。対話的でレイテンシに敏感な機能は、推論を任意で無効化できる、より高速なモデルを好む可能性もあります。
多くの企業にとって実務的な道筋は、ホスト型 API で GLM-5.3 をテストし、実タスクで比較し、選択的にルーティングすることです。CometAPI は、従量課金、表示 20% 割引、同一運用レイヤーで代替モデルを利用可能にしたい場合に特に有用です。この記事はローンチ当日の製品状態を捉えたもので、迅速に変わり得るため、まずは最新カタログを確認してください。
結論
GLM-5.3 は、2026年8月の最重要なオープンウェイト AI リリースの一つです。「モデル改善」の意味が変わりつつあることを示すからです。Z.ai は単により巨大なモデルを発表したのではなく、GLM-5.2 のベースを保ったまま、実世界のエンジニアリングワークフローでのポストトレーニングを大幅に強化しました。
結果は目を見張るものです。
- Z.ai の Code Bench でコーディング性能が 50% 向上
- DeepSWE v1.1 で 46.2 → 66.9
- Agents’ Last Exam で 23.8 → 28.5
- ExploitBench で 24.4 → 54.4
- CyberGym で 84.5%
- 1M トークンのコンテキスト
- 最大出力 128K
- エージェント性とツール利用能力が強化
モデルは現在 Z.ai の Coding Plan を通じて利用可能で、一般向け API はまだ提供予定段階です。オープンウェイトは追加のセキュリティ評価後に公開が見込まれます。開発者にとって最大のチャンスは、単に GLM-5.3 がリーダーボードで他モデルを上回るかどうかではありません。
より良い問いは次のとおりです。
GLM-5.3 は、少ない人手介入、より低い総コスト、許容可能なレイテンシで、あなたの実エンジニアリングワークフローを完遂できるか？
既に GLM モデルを試しているチームにとっては、CometAPI が実践的な出発点になります。既存の GLM-5.2 API 統合を通じて利用可能で、GLM-5.3 がサードパーティプラットフォームに展開されるにつれ、統一 API アプローチにより、アプリ全体を作り直すことなく GLM-5.3 と他の推論・コーディングモデルを比較しやすくなります。
GLM-5.3 に関する FAQ
GLM-5.3 とは？
GLM-5.3 は、複雑なコーディング、長期ホライズンのエージェント、自動化、サイバーセキュリティのための、Z.ai の 2026年8月の推論モデルです。GLM-5.2 と同じベースモデルを使用し、性能向上は、より多く・より難度の高い実行可能環境でのスケールしたポストトレーニングに起因します。
GLM-5.3 は GLM-5.2 より優れていますか？
Z.ai の GLM-5.3 ローンチ表のすべてのベンチマークで「はい」。例として、Terminal-Bench 3.0 は 4.6 から 28.3、DeepSWE は 46.2 から 66.9、AutomationBench は 26.2 から 48.2、ExploitBench は 24.4 から 54.4 に上昇しています。
GLM-5.3 はオープンソースですか？
Z.ai はオープンウェイトモデルと呼んでいますが、ローンチ当日にウェイトは公開されませんでした。同社は、8月14日のローンチから 2 週間後、安全性評価とハードニング完了後にウェイトを公開するとしています。
なぜ GLM-5.3 はサイバーセキュリティで注目されるのですか？
Z.ai は CyberGym で 84.5、ExploitBench で 54.4、正規化された 2 時間/6 時間の予算下で ExploitGym の 130 タスク中 105 を完了と報告しています。モデルは GLM-5.2 から大幅に改善していますが、セキュリティ関連の出力には、認可、サンドボックス化、専門家レビュー、協調的開示が依然として必要です。
GLM-5.3 API にはどうアクセスできますか？
Z.ai は GLM-5.3 を Coding Plan と ZCode 経由で提供しています。CometAPI では、OpenAI 互換の本番エンドポイントでモデル ID glm-5.3 が掲載されています。
GLM-5.3 は 1M トークンのコンテキストウィンドウをサポートしますか？
Z.ai はいくつかの GLM-5.3 ベンチマークを 1M トークンのコンテキストで評価しており、GLM-5.3 は 1M コンテキストを看板機能とする GLM-5.2 のベースモデルを共有しています。
GLM-5.3 はビジョンや画像入力をサポートしますか？
公式のローンチ投稿ではビジョン機能は確認されていません。CometAPI では現時点でテキスト入力とテキスト出力が掲載されているため、Z.ai または API プロバイダがマルチモーダル仕様を公開しない限り、GLM-5.3 はテキスト専用として扱うべきです。
GLM-5.3 はコーディングに最適なモデルですか？
Z.ai のローンチ比較では最強クラスの一つであり、GLM-5.2 から大幅に改善していますが、あらゆるコーディングベンチマークで最上位というわけではありません。Terminal-Bench 3.0 と DeepSWE では GPT-5.6 Sol と Fable 5 が高スコアです。最適なモデルはワークロード、レイテンシ、価格、合格結果率によって異なります。