この記事のポイント
- GLM-5.3は753B規模で、GLM-5.2と同じ土台に追加学習を行ったモデルです。
- GLM-5.3-Flashは321BのMoE型で、モデルカードでは画像・テキスト入力に対応します。
- ベンチマークは開発元の評価です。実行資源・ライセンス・自社用途の品質を別に確かめます。
公式モデルカードから、公開されたGLMモデル群を紹介します。構成・ライセンス・実行基盤を整理します。
GLM-5.3とは——GLM-5.2と同じベースをさらに鍛えたモデル
Hugging Face公式のモデルカードによると、GLM-5.3は約753Bパラメータ(7,530億パラメータ)のモデルで、「GLM-5.2と同じベースモデルを使用しており、性能の向上はすべて事後学習(post-training)によるもの」と説明されています。つまり土台のモデル自体を作り直したのではなく、追加の学習によって能力を伸ばしたモデル、という位置づけです。
公式が強調する強化ポイントは主に2つです。1つは「コーディング能力」で、開発元のベンチマーク「Z.ai Code Bench」においてGLM-5.2から大幅な改善があったとしています。もう1つは「サイバーセキュリティ関連の能力」で、脆弱性発見のベンチマーク「CyberGym」でGLM-5.2の2倍以上のスコアを記録したとされています。ただし、これらはいずれも開発元自身が計測したベンチマーク結果である点には留意しておきたいところです(第三者機関による独立した検証結果ではありません)。
軽量版「GLM-5.3-Flash」はMITライセンスでさらに手が出しやすい
あわせて公開されたのが、軽量版のGLM-5.3-Flashです。総パラメータ数320B(3,200億)のうち、実際に計算に使われる「活性化パラメータ」は18B(180億)に抑えられたMoE(専門家混合)型の構成で、公式モデルカードでは「GLM-5シリーズで初めてネイティブにマルチモーダル対応したモデル」と説明されています。ライセンスはMITで、GLM-5.2よりも低いコストで、ベンチマーク・実運用の両方で上回る性能を発揮するとされています。
GLM-5.3は、vLLM・SGLang・Transformersといった主要な推論フレームワークに対応する形で公開されており、開発者が自前のサーバーやクラウド環境で動かすことを想定した設計です。無料でダウンロードして使えるオープンウェイトモデルの領域では、コーディング・エージェント用途に強いモデルの発表が続いており、GLM-5.3もその競争に加わった形です。実際に手元で試す場合は、モデルサイズが大きいため、GPUメモリなどの実行環境を事前に確認しておく必要があります。
まとめ: 実行環境と運用費まで比較する
公開されたモデルを検討する開発チームには、実行環境・ライセンス・用途別の結果が判断材料になります。重みの入手費用と運用費用は別です。手元の計算資源で動かした場合の速度や修正量を比べると、クラウド利用と比較する基準を作れます。
※本記事は2026年8月30日時点のHugging Face公式モデルカードの掲載内容に基づいています。ベンチマーク数値は開発元発表のものであり、モデルの更新やライセンス条件は変更される可能性があるため、最新情報は公式ページで確認するとよいでしょう。
オープンウェイトモデルの動向としては、Reflection AIが「Beam」発表、総501Bのモデルを10月公開へもあわせてご確認ください。
