Z.ai、低コスト推論向け GLM-5.3 Flash を公開し中国製チップで動作

直近数日で OpenRouter 上で最も人気を集めた「Ox-alpha」というステルスモデルは、実は Z.ai が開発した GLM-5.3 Flash です。これは推論コストを極限まで抑えることを目的に特別に訓練されたハイブリッドモデルで、パラメータ数は 3,200 億個（アクティブパラメータは 180 億個）です。

水曜日、Z.ai はこのステルスモデルの正体を明かすと同時に、その重みデータを MIT ライセンスの下で Hugging Face で公開しました。

すでに OpenRouter を含む複数の推論プラットフォームでも利用可能になっており、現在は入力トークン 100 万個あたり 0.075 ドル、出力トークン 100 万個あたり 0.25 ドルという価格で提供されています（ただし、これは 50% オフの割引価格です）。

ベンチマーク結果：性能は良いが「Fable」には届かない

初期の話題では、このモデルを Anthropic の Claude Fable 5 と同等のレベルに位置づける声もありましたが、実際のベンチマーク結果はその評価を裏付けていません。ただし、最大限の推論モードに設定すれば、Claude Opus 4.8 や OpenAI の GPT-5.6 Terra に匹敵する性能を発揮します。

Artificial Analysis Intelligence Index では、GLM-5.3 Flash は 57 ポイントを獲得。これは GPT-5.6 Terra、Google の Gemini 3.7 Flash、Meta の Muse Spark 1.2、そして Qwen 3.8 2.4T A95B と同程度のスコアです。

AI エージェントの制御におけるパフォーマンスという観点では、実運用での性能をより正確に示す指標となるため、競合他社よりもさらに優れた結果を出しています。

このモデルは、画像や動画、ファイルといった多様な入力形式を理解できます。Z.ai は特に、プレゼンテーションやウェブサイトの構築といった視覚的なタスクにおいて、またドキュメントやスプレッドシート、ダッシュボードの操作といった標準的な知識労働タスクにおいても、従来よりも高いパフォーマンスを発揮するようにトレーニングしたと強調しています。これらの分野すべてが、モデルの向上した視覚能力によって恩恵を受けています。

imageCredit: Z.ai.

ただし一つ注意点があります。このモデルは非常に話し好きで、多くのトークンを消費します。これは、同様の性能を達成するために推論ステップを増やさなければならない小規模モデルでは珍しくない現象です。しかし、推論コストが極めて低いため、この点は大きな問題にはなりません。

中国製チップによる安価な推論

競合するどのモデルも、Z.ai の価格設定に近づいていません。これが今回の発表における最も重要なポイントと言えるでしょう。アリババ、Deepseek、Moonshot（Kimi）といった中国発のオープンウェイトモデルは、米国の最先端研究所が実現している性能に徐々に肉薄しています。そして、それらを非常に低コストで提供し、場合によっては自前でハードウェアを保有するユーザーには無料で利用可能にしています。

imageCredit: Z.ai.

Z.ai の GLM-5.3 Flash は安価で高性能、しかも中国製 AI チップ上で動作しています。

このモデルを開発した研究所が 1 日あたり 100 兆トークンを無料で提供できるという事実は、初期の ox-alpha ユーザーを驚かせました。OpenCode の報告によると、これほど大量の処理を捌けるインフラプロバイダーは極めて少ないのが実情です。しかし実際には、Z.ai は中国製の AI チップ上でこれをすべて実現しました。同社は発表においてこの点を強く強調しています。

「同じハードウェア上の初期ベースラインと比較して、エンドツーエンドの推論性能が 3 倍向上し、ハードウェア効率とトークンあたりのコストは主流の NVIDIA GPU に匹敵するレベルに達しました」と Z.ai は述べています。「これは、中国製チップでも大規模かつ効率的・経済的に最先端モデルの推論が可能であることを示しています」。

imageCredit: Z.ai.

線形アテンションとスパースアテンション

同社は具体的な技術詳細については明言していませんが、個々のチップは計算能力やメモリ容量に限界があることを認めています。そこで Z.ai は、この推論スタックのために SGLang をベースに独自に推論エンジンを構築しました。その中心には、同社のフラッグシップモデルである GLM-5.3 がインフラエージェントとして機能し、「モデル自身がシステムを最適化するフィードバックループ」を実現したと説明しています。

Z.ai はこのモデルがどのチップで学習されたかについては言及していませんが、30 兆トークン規模のマルチモーダル事前学習コーパスを用いたこと、そして線形アテンションとスパース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を採用したことは明らかにしています。

imageCredit: Z.ai.

「線形アテンションは状態モデル化を通じて局所的な依存関係を捉え、スパース・アテンションは軽量インデクサを介して関連するグローバル文脈を取得します」と研究チームは説明しています。さらに、完全版の GLM 5.3 モデルと比較して、GLM 5.3 Flash のアーキテクチャでは計算量が約 3 分の 1 に、KV キャッシュサイズも約 4.4 分の 1 に削減されていると指摘しています。

このモデルは 100 万トークンのコンテキストウィンドウをサポートしており、KV キャッシュの大幅な削減が実用上大きな意味を持ちます。

開発者にとっての計算式は非常にシンプルです。エージェント向けに重要なベンチマークで Opus 4.8 に匹敵する性能を持ちながら、価格はその 10 分の 1 というモデルを無視するのは難しいでしょう。米国の研究機関にとっては、中国のラボがこれほどの規模でサービスを提供できるようになった今、今後どうなるかがより大きな課題となっています。

Z.ai の GLM-5.3 Flash は安価かつ高性能であり、中国製チップ上で提供されていますという記事は、The New Stack に掲載されました。