GLM-5.3-FlashX: その正体、実行速度、そしてコスト

GLM-5.3-FlashXは、ZhipuによるGLM-5.3-Flashの高速サービングティアで、2026年9月18日に最大200トークン/秒でリリースされました。確認済みのモデルID、料金、コンテキストウィンドウ、ベンチマーク、および呼び出し方法をまとめます。

GLM-5.3-FlashXGLM-5.3-FlashGLM APIZ.aiZhipuinference speedAI pricingAPIMaster

公開 2026-09-18 · 更新 2026-09-23

クイック回答

GLM-5.3-FlashXは、ZhipuによるGLM-5.3-Flashの高速サービングティアで、2026年9月18日にリリースされ、公表されているピーク推論速度は200トークン/秒です。 これは新しいモデルではありません。同じGLM-5.3-Flashシステム — 総パラメータ320B、アクティブ18B、100万トークンのコンテキストウィンドウ、最大128,000出力トークン、ネイティブの画像・動画・ファイル・テキスト入力 — を、より高速な推論構成で提供するものです。

APIモデルIDは**glm-5.3-flashxで、glm-5.3-flashの隣に位置します。トレードオフは単純です。FlashXはFlashよりもトークンあたりのコストが高く（Zhipuの表示は100万トークンあたり入力$0.37 / 出力$1.25で、Flashの$0.15 / $0.50**に対して）、その代わり応答が速くなります。Flashはまた、オープンウェイトを持つティアであり、GLM Coding Planに含まれるティアでもあり、そこではFlashがGLM-5.3の3倍のクォータを取得します。

APIMasterでは、GLM-5.3-FlashXはモデルID glm-5.3-flashx で、100万トークンあたり入力$0.32 / 出力$1.12から利用可能です — Zhipuの定価より約13%安価です。GLMファミリーの他のモデルはさらに深く割引されています。glm-5.3-flashは**$0.105 / $0.35から（定価より約30%オフ）、glm-5.3は$0.69 / $2.17から（約51%オフ）、glm-5.2は$0.84 / $2.64**から（約40%オフ）。GLM-5.3-FlashXカードで本日のルート価格を確認する。

APIMaster price check, 2026-09-24: The table compares the official list price, current APIMaster price, active routes, and model card. Prices change; use the live marketplace card as the source of truth.

モデル ID	公式価格（1M 入力 / 出力）	APIMaster 現在価格	稼働ルート	割引	モデルカード
`glm-5.3-flashx`	`$0.37 / $1.25`	`$0.3213 / $1.1247`	3	13% off	割引を見る

スループット、インタラクティブなレイテンシ、あるいは多数の短いターンを実行するエージェントループが必要なら、FlashXはそのために設計されたティアです。完了したタスクあたりのコストを最適化していて、待つことができるなら、同一の作業に対してFlashの方が安価です。

GLM-5.3-FlashXとは何か？

GLM-5.3-FlashXは、GLM-5.3-Flashファミリーの速度最適化エンドポイントです。Zhipuは2026年9月18日にこれを発表し、企業と開発者にとってより高速でスムーズであると説明し、APIと公式体験センターの両方がローンチ時にオープンしました。

分けて考えるべき点が2つあります。

モデル — GLM-5.3-Flash。Zhipuが2026年8月26日にオープンソース化した320B-A18Bのネイティブマルチモーダルモデルです。アーキテクチャ、ウェイト、コンテキスト長、機能は共通です。
サービングティア — FlashX。スループットにチューニングされた推論構成です。Zhipuは最大200トークン/秒の速度を報告し、その向上は別のチェックポイントではなくインフラストラクチャの取り組みによるものだとしています。

この区別は評価する際に重要です。GLM-5.3-Flashについて説明されているベンチマーク、コンテキスト制限、マルチモーダル動作は、同じモデルであるためFlashXにも当てはまります。レイテンシと価格は当てはまりません。これらはサービングティアによって変わります。

モデル仕様の概要

仕様	GLM-5.3-FlashX
APIモデルID	`glm-5.3-flashx`
姉妹モデルID	`glm-5.3-flash`
リリース	2026年9月18日
総パラメータ / アクティブパラメータ	320B / 18B
レイヤー数	45
コンテキストウィンドウ	100万トークン
最大出力トークン	128K
入力モダリティ	動画、画像、テキスト、ファイル
出力モダリティ	テキスト
公表ピーク速度	200トークン/秒
思考モード	`thinking.type: enabled` のみ。無効化はできません
主要API機能	ストリーミング、関数呼び出し、コンテキストキャッシュ、構造化出力、ツールストリーミング

Zhipuはtemperature: 1、top_p: 0.95、reasoning_effort: maxを推奨しています。マルチターンの作業では、思考履歴をクリアせずに保持すること（clear_thinking: false）を推奨し、ストリーミングリクエストではstream: trueとtool_stream: trueの両方を有効にすることを推奨しています。

GLM-5.3-FlashX vs GLM-5.3-Flash

項目	GLM-5.3-Flash	GLM-5.3-FlashX
基盤モデル	GLM-5.3-Flash	GLM-5.3-Flash
公表ピーク速度	標準ティア	最大200トークン/秒
定価入力 / 100万	$0.15	$0.37
定価出力 / 100万	$0.50	$1.25
コンテキストと出力の上限	100万 / 128K	100万 / 128K
マルチモーダル入力	あり	あり
オープンウェイト	あり（2026年8月26日以降）	同じベースモデル
GLM Coding Plan	含まれる、GLM-5.3の3倍のクォータ	ローンチ時点では含まれない

リクエスト形式は同一です。一方のティアから他方への移行はmodelフィールドの変更であり、統合の書き直しではありません — これによりFlashXは、ターンあたりの時間がボトルネックとなるワークロードにとって妥当なA/B候補となります。

「200トークン/秒」が示すものと示さないもの

Zhipuは200トークン/秒を最大値として公表しています。これは生成速度の上限として読み取るべきであり、あなたのワークロードに関する約束ではありません。

これはピーク値です。 実際のスループットはプロンプト長、キャッシュヒット、並行性、選択したプロバイダーに依存します。
これは最初のトークンまでの時間ではありません。 デコード速度が速くても、モデルが何も出力する前に数秒間思考すれば、遅く感じられます。インタラクティブな製品では両方を測定してください。
これはタスク全体のレイテンシではありません。 3つのツールを呼び出すエージェントのターンは、トークン速度ではなくツール実行によって制約されます。
長いコンテキストは状況を変えます。 100万トークンでは、プリフィルとKVキャッシュの挙動が支配的になります。これはまさにFlashアーキテクチャが対象としているものです。

実用的なルール：FlashとFlashXを自分のプロンプトでベンチマークし、単一の速度数値ではなく、最初のトークンまでの時間、毎秒の出力トークン数、完了したタスクあたりのコストを比較してください。

速度はどこから来るのか

Zhipuは、FlashXの高速化を新しいアーキテクチャではなくインフラストラクチャへの投資によるものとしており、すでにGLM-5.3-Flashのトラフィックを処理している10万基の国内AIアクセラレータ上に構築されています。

SGLang上の専用推論エンジン。汎用スタックから適応させたものではなく、このアーキテクチャのために書かれたものです。
100万トークンコンテキストのためのメモリ最適化。ReplaySSM、W8A8量子化、ハイブリッドINT8/FP8/BF16キャッシュ量子化、Layer Splitを含みます。
Encode–Prefill–Decode（EPD）分離サービングアーキテクチャ。マルチモーダルエンコード、プロンプトプリフィル、トークンごとのデコードを独立してスケジュールされるワーカープールに分離し、各ステージが独自にスケールできるようにします。
同じハードウェア上での初期ベースラインに対する3倍のエンドツーエンドサービング改善。これにより、Zhipuはトークンあたりのコストが主流のNVIDIA GPUに匹敵する水準になると述べています。

この取り組みから特筆すべき詳細が1つあります。Zhipuは、GLM-5.3を搭載したインフラストラクチャエージェントが、エンジニアによるカーネルの最適化、ボトルネックの診断、サービングスタックの改善を支援したと述べています — モデルが、自身を提供するシステムに参加しているのです。

ベンチマーク：Zhipuがベースモデルについて報告する内容

以下の数値はすべて、ZhipuがGLM-5.3-Flashについて公表したものであり、モデルが同じであるためFlashXにも当てはまります。これらはベンダー報告の結果であり、独立した再現ではありません。

ベンチマーク	GLM-5.3-Flash	GLM-5.2
DeepSWE v1.1	63.4	46.2
AutomationBench	48.8	26.2
Z.ai Code Bench v1.0、max effort	29.0	Claude Opus 4.8: 29.5

Zhipuはまた、GLM-5.3-Flashが割引価格の下でArtificial Analysis Intelligence Index v4.1.1においてタスクあたり$0.045で57を記録すること — これは以前は約10倍のコストでのみ利用可能だった水準だと同社は述べています — そして、そのコーディング性能は同社の内部Z.ai Code BenchにおいてClaude Opus 4.8に匹敵すると報告しています。

これらは保証ではなく方向性として扱ってください。ベンダーのベンチマークは通常、ベンダーに有利なハーネスのバージョンで実行されます。上記のZ.ai Code Benchの数値はClaude Code 2.1.207で測定されました。本番トラフィックを移行する前に、独自の評価を再実行してください。

アーキテクチャ：Flashティアの実行コストが低い理由

FlashXは、Flashを安価に提供できるようにした設計を継承しており、これがフラッグシップ級への価格跳ね上がりなしに高速ティアが存在できる理由です。

ハイブリッドなスパースアテンションと線形アテンション。 Zhipuはこれを、両者を組み合わせた初のオープンソースフロンティアモデルと説明しています。線形アテンションは状態モデリング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なインデクサーを通じて関連するグローバルコンテキストを取得します。
IndexPool。 4つのインデクサーキーベクトルが重み付きプーリングによって1つに圧縮され、100万トークンのコンテキストにおいてインデクサーのレイテンシとメモリオーバーヘッドを削減します。
Manifold-Constrained Hyper-Connections（mHC） によるスケーリング効率の向上。
GLM-5.3よりも低いトークンあたりコスト。 Zhipuは、GLM-5.3と比較してアテンション計算量が3.01倍少なく、KVキャッシュが4.44倍小さいと報告しています。GLM-5.3に対して、アクティブパラメータ数は32Bから18Bに、レイヤー数は92から45に減少します。
30兆トークンのマルチモーダル事前学習コーパス。

Zhipuは、KVキャッシュが依然としてKimi-K3やDeepSeek-V4-Flashよりもわずかに大きいことを率直に認め、これを今後の課題の方向性と呼んでいます — アーキテクチャの比較は単一のランキングではなく次元ごとであるという有用なリマインダーです。

Ox-Alpha：公開の場でテストされた匿名モデル

Flashのローンチ前に、ZhipuはGLM-5.3-FlashをOx-AlphaとしてOpenCodeとOpenRouter上で匿名で運用しました。Zhipuによれば、それはその週で最も人気のあるモデルとなり、両プラットフォームで利用記録を樹立し、そのすべてのトラフィックが中国のAIチップ上で処理されました。

開発者にとって興味深いのは、リーダーボードの順位ではなく検証方法です。実際のトラフィック、実際のコーディングエージェント、未知のモデル名、そしてブランドの牽引力なし。これはベンチマーク表よりも強いシグナルですが、それでも公表された方法論のないベンダー管理のロールアウトです。

ネイティブマルチモーダルとビジュアルコーディング

GLM-5.3-Flashは、最初からマルチモーダルとして構築された初のGLM-5シリーズモデルであり、FlashXもそれを維持しています。画像はmessages[].content[]内のtype: image_urlを持つコンテンツブロックとして渡され、URLまたはBase64データURLのいずれかを使用し、複数のブロックを1つのメッセージに組み合わせることができます。動画とファイル入力は、画像とテキストとともに文書化されています。

実用上最も重要な機能はビジュアルコーディングです。モデルはレンダリングされたインターフェースを検査し、ターゲットと比較し、反復します。Zhipuは、スクリーンショットや録画からアプリケーションを再構築する、Blenderシーンを構築する、Godotゲームプロトタイプを作成する、ブラウザおよびコンピュータ使用エージェントを実行する、CAD部品を再現するワークフローを文書化しています — いずれも、コードを生成するだけでなく、モデルが自身のレンダリング出力を確認します。

同じループはドキュメント作業にも及びます。Zhipuは、PPTX、PDF、DOCX、XLSXの成果物、追跡可能な出典を伴う財務調査、追跡された注釈を伴う契約レビュー、法的文書作成を実演しており、モデルは自身の出力をレンダリングして、オーバーフロー、位置ずれ、一貫性のないスタイリングを視覚的に検査します。

Zhipuが挙げる一例は異例なほど具体的です。外部アセットなしで、GLM-5.3-Flashは約400 m²のシェフの住居とテストキッチンをBlenderシーンとして構築するために、16時間自律的に稼働しました。

料金：FlashXのコスト

Zhipuの料金ページからの100万トークンあたりの公式定価（2026年9月18日確認）：

トークン種別	GLM-5.3-FlashX	GLM-5.3-Flash	GLM-5.3
入力（USD）	$0.37	$0.15	$1.40
キャッシュ入力（USD）	$0.075	$0.03	$0.26
出力（USD）	$1.25	$0.50	$4.40

キャッシュ入力の保存は、3つのティアすべてで期間限定無料と記載されています。

コスト例。 1000万の非キャッシュ入力トークンと100万の出力トークンの場合、定価では次のようになります。

ワークロード	GLM-5.3-FlashX	GLM-5.3-Flash	GLM-5.3
1000万入力 + 100万出力	$4.95	$2.00	$18.40
同じボリューム、すべてキャッシュからの入力	$2.00	$0.80	$6.60

FlashXは入力と出力でFlashの約2.5倍であり、それでもGLM-5.3をはるかに下回っています。それが価値があるかどうかは、遅いターンがあなたにいくらかかるかによって完全に決まります — バッチパイプラインではめったにそうではなく、インタラクティブなエージェントではしばしばそうです。

APIMasterでのGLM料金

Zhipuの定価は、Zhipu自身のプラットフォームでのモデルのコストです。APIMasterのルート価格は、マーケットプレイスを通じて同じモデルに対して支払う金額であり、現在すべてのGLMティアが定価を下回って販売されています。

モデルID	Zhipu定価 / 100万	APIMaster 最安 / 100万	定価より下
`glm-5.3-flashx`	$0.37 / $1.25	$0.32 / $1.12	≈13%
`glm-5.3-flash`	$0.15 / $0.50	$0.105 / $0.35	≈30%
`glm-5.3`	$1.40 / $4.40	$0.69 / $2.17	≈51%
`glm-5.2`	$1.40 / $4.40	$0.84 / $2.64	≈40%

入力 / 出力、100万トークンあたりUSD、2026年9月20日にライブマーケットプレイスで確認。「最安」は確認時点でそのモデルを販売している最も安価なルートです。マーケットプレイスのカードがリクエスト時の信頼できる情報源です。

この表を読む際に重要な2つの詳細があります。

「最安」はルート価格です。 各モデルは異なる価格の複数のルートによって提供されています。FlashXには現在2つあり、最も安いものが$0.32、もう1つがZhipuの定価$0.37です。支払う金額はリクエストが処理されるルートによって異なるため、本番トラフィックを移行する前にカードを確認してください。
最新ティアの割引が最も小さい。 FlashXは新しい高速構成であるため定価より約13%下に位置します。より深い割引はその下のティアにあります — glm-5.3-flashは約30%、glm-5.3 / glm-5.2は40〜51%です。FlashXのレイテンシプロファイルが必要ないなら、価格優位性はその下で最大になります。

ルート価格で計算すると、上記の1000万入力 / 100万出力のワークロードは、最も安いFlashXルートで$4.34、最も安いFlashルートで$1.40、最も安いGLM-5.3ルートで$9.09かかります — 定価の$4.95 / $2.00 / $18.40に対して。

キャッシュ入力とGLM Coding Planはルートではなくプロバイダーによって価格設定されるため、上記のキャッシュ料金とプランのクォータは変わりません。

4つのティアのライブカード：GLM-5.3-FlashX · GLM-5.3-Flash · GLM-5.3 · GLM-5.2。各カードには、そのモデルを現在販売しているルート、それらの入力・出力料金、および可用性が表示されます。これらの料金でFlashXを呼び出すには、APIMasterアカウントを作成し、クレジットを追加し、glm-5.3-flashxモデルIDを使用します — すでにお持ちの同じOpenAI互換クライアントで。

GLM-5.3-FlashXの呼び出し方法

FlashXはFlashと同じチャット補完インターフェースを使用するため、移行は1行の変更です。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_APIMASTER_KEY",
    base_url="https://apimaster.ai/v1",
)

response = client.chat.completions.create(
    model="glm-5.3-flashx",
    messages=[
        {
            "role": "user",
            "content": "Refactor this module for testability and show the diff.",
        }
    ],
    temperature=1,
    top_p=0.95,
    extra_body={
        "reasoning_effort": "max",
        "thinking": {"type": "enabled", "clear_thinking": False},
    },
)

print(response.choices[0].message.content)

ストリーミングには、Zhipuが推奨するようにstream: trueとtool_stream: trueを追加します。このモデルでは思考をオフにできないため、コスト見積もりとクライアントのタイムアウトにおいて推論トークン分を考慮に入れてください。

実用的な移行パス：モデルIDを設定可能に保ち、本番トラフィックの代表的なスライスをglm-5.3-flashとglm-5.3-flashxの両方に送り、ワークロードを切り替える前に完了率、最初のトークンまでの時間、完了したタスクあたりのコストを比較してください。

FlashX、Flash、GLM-5.3の選択

FlashXを選ぶのは、インタラクティブな製品、IDE側の補完、多数の短いターンを持つエージェントループで、ターンあたりの実時間が制約であり、ワークロードがまだFlashクラスの能力に収まる場合です。
Flashを選ぶのは、バッチ処理、オフライン生成、タスクあたりのコストがレイテンシよりも重要な大量パイプライン — そしてオープンウェイトまたはセルフホストのデプロイの場合です。Flashは公開されたウェイトを持つティアだからです。
GLM-5.3を選ぶのは、Flashティアのコストプロファイルではなくフラッグシップの上限が必要な場合です。
速度向上が均等に適用されると仮定しないでください。 プリフィル重視の長いコンテキストのリクエストやツールに制約されたエージェントのターンは、短い生成タスクよりもはるかに少ない恩恵しか受けない可能性があります。実際に実行するワークロードを測定してください。

APIMaster.aiでGLMファミリーを始める

APIMasterは、Claude、GPT、DeepSeek、Qwen、Gemini、Kimi、その他のモデルと並んでGLMファミリー用の単一のOpenAI互換キーを提供します — 従量課金制で**$1から、選択されたルートでは公式料金から最大70%オフ**。GLMのルート価格は現在、glm-5.3-flashが100万トークンあたり**$0.105 / $0.35から、glm-5.3-flashxが$0.32 / $1.12**からです。

FlashXはFlashと同じリクエスト形式を維持するため、APIMasterを通じてすでにGLMを呼び出しているチームは、モデルID以外の統合に触れることなく、より高速なティアを評価できます。

APIMasterアカウントを作成。
$1から始まる従量課金制のクレジットを追加。
**APIMasterコンソール**でAPIキーを作成。
OpenAI互換クライアントをhttps://apimaster.ai/v1に向け、評価したいモデルIDを設定。

APIMasterに登録 · モデルマーケットプレイスを探索 · モデル識別をテスト

FAQ

GLM-5.3-FlashXは新しいモデルですか？ いいえ。GLM-5.3-Flashの高速サービングティアです。同じモデル、同じコンテキストウィンドウ、同じマルチモーダル入力 — より高速な推論構成と異なる価格です。

GLM-5.3-FlashXのモデルIDは何ですか？ glm-5.3-flashxです。標準ティアはglm-5.3-flashです。

GLM-5.3-FlashXはどのくらい速いですか？ Zhipuは最大200トークン/秒を公表しています。これはピーク値です。自分のプロンプトで最初のトークンまでの時間と持続スループットを測定してください。

GLM-5.3-FlashXのコストはいくらですか？ Zhipuは100万入力トークンあたり$0.37、100万出力トークンあたり$1.25、100万キャッシュ入力トークンあたり$0.075を表示しています — 入力と出力でGLM-5.3-Flashの約2.5倍の価格です。APIMasterでは、glm-5.3-flashxのルートは100万トークンあたり**$0.32 / $1.12**からで、Zhipuの定価より約13%下です。

コンテキストウィンドウはどのくらいですか？ 100万トークンで、最大128,000出力トークン、GLM-5.3-Flashと同じです。

GLM-5.3-FlashXは画像と動画を受け付けますか？ はい。動画、画像、テキスト、ファイル入力を受け付け、テキストを返します。画像はimage_urlコンテンツブロックとして、URLまたはBase64データURLで送信されます。

GLM-5.3-FlashXはGLM Coding Planに含まれますか？ ローンチ時点では含まれません。GLM-5.3-FlashはGLM-5.3の3倍のクォータでプランに完全に含まれており、週末全体を含むオフピークの呼び出しは標準ポイントの50%を消費します。

トークンを節約するために思考をオフにできますか？ いいえ。thinking.typeはenabledのみをサポートします。Zhipuはマルチターンの作業では思考履歴を保持すること（clear_thinking: false）を推奨しています。

ベンチマークの数値は独立していますか？ いいえ。それらはZhipuによって公表されています。方向性として扱い、本番トラフィックをコミットする前に独自の評価を再実行してください。

出典と参考資料

Z.ai — GLM-5.3-Flash/FlashXモデルドキュメント — モデルID、パラメータ、機能、推奨設定、ベンチマーク、サービングの詳細
Z.ai — 料金 — 公式の100万トークンあたり定価
Z.ai — GLM-5.3-Flash技術ブログ — アーキテクチャ、効率比較、評価表
Hugging Face — zai-org/GLM-5.3-Flash — ベースモデルのオープンウェイト
PANews — ZhipuがGLM-5.3-FlashXを発表 — ローンチレポートとOx-Alphaの背景

すべての出典は2026年9月18日に確認されました。価格と可用性は変わります。大規模なワークロードをコミットする前に現在の条件を確認してください。

ブログに戻る