NEXSIGHT AI WIRE AI News & Intelligence
NEWS / CONTEXT / DECISION 人工知能の現在地を、次の意思決定へ。
計算ノードの中心に浮かぶ青い推論コアの抽象ビジュアル
NAW / MODELS 01

IMAGE: AI生成ビジュアル

MODELS / Models

Z.ai、320B MoE「GLM-5.3-Flash」をMITで公開 — 18Bアクティブで1Mコンテキスト、“Ox Alpha”の正体

Z.ai（旧Zhipu AI）が8月26日にGLM-5シリーズ初のネイティブマルチモーダルモデルを公開。320B（アクティブ18B）のMoEでGLM-5.2を上回りClaude Opus 4.8に迫るとしつつ価格は10分の1を謳う。ハイブリッドAttentionとmHC、30Tトークン事前学習で長文コストを削減。Hugging FaceでMITライセンス提供。

モデル・基盤技術 NEXSIGHT AI WIRE 編集部 6 MIN READ

Z.ai（旧Zhipu AI）は2026年8月26日、GLM-5シリーズの新モデル GLM-5.3-Flash を公開した。Hugging Faceのモデルカード「zai-org/GLM-5.3-Flash」とGitHubリポジトリ zai-org/GLM-5、X公式アカウント @Zai_org の告知が一次情報だ。総パラメータ320B（アクティブ18B）のネイティブマルチモーダルMoEで、長文推論のコストを下げつつGLM-5.2を上回りClaude Opus 4.8に迫る性能を、10分の1の価格で提供すると位置づける。重みはMITライセンスでオープン公開された。なおコミュニティで「Ox Alpha」として事前プレビューされていたモデルの正体が本モデルであることも同日明らかになった。

GLM-5.3-Flash ベンチマーク比較チャート 出典: zai-org/GLM-5.3-Flash — Hugging Face / zai-org/GLM-5 resources/bench_53.png — ベンダー公称の評価比較。独立検証ではない。

何が発表されたか

  • 発表日と形態: 2026年8月26日、Z.aiがブログ「GLM-5.3-Flash: Frontier Intelligence, Flash Cost」とHugging Face、Xで同時公開。Hugging Face上の lastModified は 2026-08-27T10:33:43.000Z。
  • 位置づけ: GLM-5シリーズで初めてネイティブにマルチモーダル（image-text-to-text）を統合したモデル。新たに学習し直したベースモデルから出発し、GLM-5.2からの刷新と説明される。
  • 規模: 総パラメータ約320B（Hugging Faceの safetensors.total は321,323,031,390）、アクティブ18BのMoE。pipeline_tag: text-generation / glm5_next、license: mit。
  • コンテキスト: 1Mトークンの長文コンテキストウィンドウをネイティブ対応と説明（X告知、HF README）。
  • ライセンスと提供: MITライセンスでオープンウェイト公開。zai-org/GLM-5.3-Flash からダウンロード可能。SGLang、vLLM、TokenSpeed、Transformers、KTransformers、Unslothでのデプロイガイドが案内される。
  • “Ox Alpha”: 事前に「Ox Alpha」としてコミュニティでテストされていたモデルの正式名称がGLM-5.3-Flashで、中国製AIチップのみで学習・推論を行った点も告知で強調された（二次報道の要約。一次情報のHF README自体にチップ言及は直接ない）。

アーキテクチャの核 — 長文コストを削る2つの変更

Z.aiが強調する技術的差分は次の2点だ。

  • ハイブリッドAttention（スパース＋リニア）: 従来のAttentionにリニアAttentionを組み合わせたハイブリッド構成と説明。長文でのサービングコストを大幅に削減しつつ、精密な長文能力を維持するとする。詳細なヘッド数やレイヤー構成の数値はHF READMEでは未公開で、技術レポート（arXiv:2602.15763のGLM-5報告書）に委ねられている。
  • Manifold-Constrained Hyper-Connections (mHC): スケーリング効率を高めるための接続構造。パラメータ効率と学習安定性の向上を狙ったものと位置づけられる。
  • 30Tトークンのマルチモーダル事前学習コーパス: 最新の30兆トークン規模の事前学習データで学習したと説明。「より少ない計算でより多くの知能」を実現する基盤としている。

使い方と推論制御

  • Hugging Face: zai-org/GLM-5.3-Flash で62シャードのsafetensors（総容量約328GB）として提供。AutoModelForMultimodalLM / AutoProcessor でのロード、Chat Completions互換APIでの利用が案内される。
  • 推論エンジン: SGLangクックブック、vLLMレシピ、TokenSpeedレシピ、Transformersドキュメント、KTransformersチュートリアルがそれぞれ公開。
  • 思考制御: reasoning_effort パラメータで思考バジェットを制御（low / high / max、既定は max）。チャットテンプレートでは clear_thinking が既定 false で、チャット用途では clear_thinking=true を明示することが推奨される。再現評価時は既定の max を使うよう指示がある。
  • API: Z.ai API Platform（docs.z.ai）でマネージド提供。推論プロバイダとしてZ.ai、Together、Novita、BasetenがHugging Face Inferenceで live と表示される。

ベンチマーク — ベンダー公称値の整理

Hugging FaceモデルカードのREADMEと埋め込み画像 bench_53.png に基づくベンダー公称値だ。いずれも自己評価であり、独立した再現評価や同一条件での公平な比較は今後の検証が必要だ。

  • Terminal-Bench 2.1: 84.3（Claude Code 2.1.207、temperature=1.0で評価、6時間タイムアウト）
  • DeepSWE (v1.1): 63.4（mini-swe-agent harness、temperature=0.95、400Kコンテキスト）
  • HLE (Humanity’s Last Exam) with tools（full set）: 55.3（temperature=1.0 / top_p=0.95、最大163,840トークン生成、300Kコンテキスト管理、判定はGPT-5.6-luna medium）
  • 主張: READMEでは「GLM-5.2をベンチマークと実ワークロードで上回り、Claude Opus 4.8のコーディング／エージェント性能に迫りつつ価格は10分の1」と説明。詳細な比較表は bench_53.png に集約される。
  • その他: NL2Repo、Terminal-Bench 2.1、Agent’s Last Exam、Toolathlon Verified、AutomationBench v1.0.6、GDPval-AA v2、BabyVisionなどの評価条件が脚注で明記される。NL2Repoは1Mコンテキスト・64k生成・ルール＋LLM判定でハッキング対策を実施。

ベンダー画像では横軸にモデル、縦軸にスコアを取った比較チャートが示され、GLM-5.3-Flashが上位に位置する。ただし評価プロトコル、温度、コンテキスト長、判定モデルがベンチマークごとに異なるため、数値の単純比較には留意が必要だ。

位置づけと留意点

  • コスト効率の訴求: 320B/18Bという大規模MoEでありながらアクティブ18Bに抑え、ハイブリッドAttentionで長文コストを下げる設計は、エージェント的な長時間ワークロードでの実効コストを狙ったものだ。MITライセンスでの提供は商用利用のハードルを下げる。
  • 検証待ちの点: ベンダー公称の比較チャートは一次情報として貴重だが、独立した第三者評価、同一ハーネス・同一コンテキストでの再現、1Mコンテキスト時の実測レイテンシやメモリ要件（全量328GB）は今後の検証が必要だ。
  • 系列との関係: GLM-5本体の技術レポートはarXiv:2602.15763として参照され、Flashはその効率重視の派生と位置づけられる。中国製チップでの学習・推論という点は、サプライチェーンやエコシステムの観点でも注目される。

出典

KEEP READING

全記事を見る