中国Z.ai「GLM-5.3-Flash」公開　3200億パラメータ級

Updated
中国Z.ai「GLM-5.3-Flash」公開　3200億パラメータ級

何が起きた？

中国のAI企業Z.aiは2026年8月26日、新しい大規模AIモデル「GLM-5.3-Flash」を公開しました。

GLM-5.3-Flashは、モデル全体では約3200億個のパラメータを持つ巨大AIです。しかし、1つのトークンを処理するときに実際に使われるのは約180億パラメータです。

モデルの重みもHugging Faceで公開されており、MITライセンスで利用できます。

正式公開前には「Ox Alpha」という名前を伏せたモデルとしてOpenRouterなどで試験提供され、コーディング性能などから注目を集めていました。その後、Z.aiがGLM-5.3-Flashだったことを明らかにしました。

Z.aiは、コーディングやAIエージェント向けの評価で前世代のGLM-5.2を上回り、Claude Opus 4.8に近い性能だとしています。

ただし、これはZ.ai自身によるベンチマークを含みます。

外部評価サービスArtificial Analysisでも、GLM-5.3-FlashはIntelligence Indexで57点を記録しています。同サービス上では、現在のオープンウェイトモデルの中でも上位水準です。

簡単にいうと

GLM-5.3-Flashは、巨大な図書館から、その質問に必要な本だけを選んで読むAIと考えると分かりやすいです。

図書館全体には約3200億パラメータがあります。

しかし、一度に全部を使うのではなく、1トークンを処理するときに働くのは約180億パラメータ。全体の約6％です。

これは「Mixture of Experts（MoE）」と呼ばれる仕組みです。

毎回3200億パラメータすべてを計算しなくてよいため、巨大なモデルでも計算量を抑えられます。

さらにGLM-5.3-Flashでは、通常の注意機構と、長い文章を効率的に処理する仕組みを組み合わせています。

ただし、ここに落とし穴があります。

今回使わない本だからといって、図書館から捨ててよいわけではありません。

180億パラメータしか計算しなくても、約3200億パラメータ分のモデルデータそのものは、どこかに置いておく必要があります。

これが、自宅PCで動かすときの大きな壁になります。

それで何が変わる？

注目したいのは、AI競争が「最も賢いモデルを作る」だけでなく、十分に高性能なAIをどれだけ安く使えるかという方向にも進んでいることです。

Z.aiはGLM-5.3-Flashについて、前世代のGLM-5.2を上回る性能を持ちながら、価格は約10分の1だとしています。これはZ.ai自身による比較です。

Artificial Analysisが確認しているZ.ai APIの料金は、100万トークンあたり、

入力：0.15ドル

出力：0.50ドル

です。

大量の文章を処理する企業や、AIエージェントにプログラミングや事務作業を何度も実行させる用途では、1回あたりの小さな料金差でも、積み重なると大きなコスト差になります。

そのため今後は、

「一番性能が高いAI」

だけでなく、

「必要十分に賢く、圧倒的に安いAI」

を選ぶ競争もさらに激しくなりそうです。

また、GLM-5.3-Flashは重み自体をダウンロードできるため、Z.aiのAPIを使わず、自分で用意したサーバーやPCで動かすことも可能です。

問題は、そのハードウェアです。

なぜ180億しか使わないのに巨大メモリが必要？

普通の大規模AIでは、多くの場合、回答を作るたびにモデルの大部分を計算します。

一方、GLM-5.3-FlashのようなMoEモデルでは、多数の専門部分の中から、そのトークンに必要な部分だけを選んで使います。

そのため、

モデル全体は巨大

でも、

1回の計算は比較的小さい

ということができます。

GLM-5.3-Flashでは約3200億パラメータのうち、トークンごとに約180億が有効になります。

しかし、

「計算に使わない」ことと「メモリに置かなくていい」ことは別です。

必要になった専門部分を呼び出せるよう、モデル全体の重みをRAM、VRAM、ストレージなどに保持しておく必要があります。

公式FP8モデルの重みだけでも約306GiBあります。

KTransformersのGLM-5.3-Flash向け手順では、公式FP8版をCPUとGPUで分担して動かす場合、少なくとも350GBの空きシステムメモリを用意するよう案内されています。

つまり、一般的な16GB、32GB、64GBのPCとはまったく違う世界です。

自宅PCで動かすにはいくら必要？

まず、公式FP8版をそのまま動かす場合です。

モデルだけで約306GiBあるため、KTransformersの参考構成では350GB以上の空きシステムメモリが必要です。

128GBや256GB RAMの一般的な高性能PCでも、この公式FP8構成には足りません。

ただし、「量子化」と呼ばれる圧縮を使えば、必要容量を大幅に減らせます。

Unslothが公開しているGGUF版では、おおよそ次のサイズです。

量子化モデル容量
1bit約93～98GB
2bit約102～109GB
3bit約120～148GB
4bit約157～200GB
5bit約240GB
8bit約341GB

強く圧縮するほど少ないメモリで動かせる一方、元のモデルとの差が大きくなる可能性があります。

このため、「とにかくローカルで起動してみる」なら100GB超のメモリを持つPCから現実味が出てくると言えます。

ただし、モデルファイルと同じ容量のRAMがあれば十分というわけではありません。OS、AI実行ソフト、処理中のデータなどにもメモリが必要です。

Macで狙うなら？

Appleは2026年8月25日、M5 Ultra搭載の新しいMac Studioを発表しました。

M5 Ultraモデルでは最大512GBのユニファイドメモリを選べます。発売は9月22日で、512GB構成は10月下旬から提供予定です。

たとえば、

M5 Ultra / 30コアCPU / 64コアGPU / 256GBメモリ / 1TB SSD

の構成は、Apple公式で166万9,800円（税込）です。

256GBあれば、157GB級など一部の4bit量子化モデルは容量だけを見れば射程に入ります。

ただし、200GB級になるとOSや実行時メモリの余裕が小さくなるため、「256GBなら4bit版を何でも快適に動かせる」とまでは言えません。

さらに、モデルがメモリに入ることと、高速に生成できることも別問題です。

ソフトウェア側の対応や、実際の生成速度を確認する必要があります。

NVIDIA GPUだけに載せるなら？

NVIDIA RTX PRO 6000 Blackwellシリーズには、1枚で96GBのVRAMを搭載するモデルがあります。

2026年8月30日時点で、価格.comに掲載されているRTX PRO 6000 Blackwell Max-Q 96GBモデルの最安価格は約200万円です。

4bit量子化モデルが157～200GBあるため、単純な容量計算でも96GBを1枚では足りません。

200GB級のモデルと実行時の余裕をすべてGPU側に確保するなら、96GBカードを3枚使うような構成が候補になります。

3枚ならGPUだけで約600万円です。

ただし、

「96GB×3＝288GBあるから必ず動く」わけではありません。

複数GPUへモデルを分割できる実行環境やマザーボード、電源、CPU、メインメモリなども必要です。

公式FP8版は約306GiBなので、すべてをVRAMへ載せるなら、単純な容量だけでも96GBカード3枚では足りません。

一方、KTransformersのようにモデルの大部分を巨大なシステムRAM側へ置き、GPUとCPUで処理を分担する方法もあります。

この場合は数百GBのVRAMを買わずに済みますが、その代わり速度とのトレードオフになります。

つまりGLM-5.3-Flashは、

「モデルの重みは無料でダウンロードできるが、ローカルで動かすハードウェアはまったく無料ではない」

という分かりやすい例です。

強い量子化を使えば100GB前後まで小さくできるため、必ず数百万円のPCが必要というわけではありません。

しかし、公式FP8版を余裕を持って動かしたり、量子化版を高速に実行したりしようとすると、ワークステーションクラスのハードウェアが必要になります。

一般利用者にとっては、自宅に巨大なPCを用意するより、Z.aiなどのAPIを必要な分だけ使う方が現実的でしょう。

強く量子化したモデルなら個人でもローカル実行を試せますが、100GBを超えるメモリが必要になる場合があり、一般的なゲーミングPC向けのモデルとは言えません。

一方、現時点でGLM-5.3-Flashをより現実的に検討できるのは、大量のAI処理を行う企業、AIサービス事業者、研究機関などです。

APIなら比較的低い料金で高性能なモデルを利用できます。さらにモデルの重みが公開されているため、十分な設備を持つ組織なら、自社サーバーなどで動かしてデータやシステムを自分たちで管理する選択肢もあります。

つまりGLM-5.3-Flashの特徴は、「3200億パラメータの巨大AIを家庭用PCで手軽に動かせること」ではありません。

高性能な巨大モデルを低価格なAPIで使え、必要なら企業や研究機関が自前の環境でも運用できることにあります。

個人向けローカルLLMとして見るとまだかなり重いモデルですが、法人や研究用途では、「高性能なAIをどこまで安く運用できるか」という競争をさらに進めるモデルの一つになりそうです。

情報源