Z.aiとGLMモデル：どれがどれで、何に使うのか

目次

• 30秒で分かる地図
• 考えるモデル：テキスト系

  • GLM-5.3 — フラッグシップ
  • GLM-5.3-Flash — 実働馬
  • GLM-5.2 — MITオプション
  • GLM-4.7、4.6と仲間たち — 残った世代
• 見るモデル：ビジョンと文書

  • GLM-4.6V — 見たものを理解するモデル
  • GLM-OCR — 安い専門家
• 作るモデル：画像、動画、音声
• 正しい使い方：5つのルール

  • 1. バージョン番号ではなくタスクで選ぶ
  • 2. 目的に合ったチャネルを使う
  • 3. コンテキストは無料ではない（無害でもない）
  • 4. 汎用モデルより専門家
  • 5. エキゾチックな派生に深入りしない
• クイック意思決定ガイド
• Coding Planのティアで実際に変わるもの

30秒で分かる地図

モデル	種類	役割	API価格
GLM-5.3	テキスト	フラッグシップ：難しいコード、エージェント、長時間タスク	$1.40 / $4.40
GLM-5.3-Flash	テキスト + 画像	大量処理：チャット、抽出、分類	$0.15 / $0.50
GLM-5.2	テキスト	MITライセンスの代替。1Mコンテキスト無劣化	$1.40 / $4.40
GLM-4.7 / 4.6	テキスト	前世代。今でも堅実なオールラウンダー	$0.60 / $2.20
GLM-4.7-Flash	テキスト	API無料：試作と個人プロジェクト	$0
GLM-4.6V	ビジョン	スクリーンショット、文書、UI、ネイティブtool use	$0.30 / $0.90
GLM-4.6V-Flash	ビジョン	同じ発想の無料版	$0
GLM-OCR	OCR	スキャンとPDFをきれいなテキストに	$0.03 / $0.03
GLM-Image	画像	画像内のテキストが読める生成	約$0.015/枚
CogVideoX-3	動画	短いクリップ	約$0.20/本
GLM-ASR-2512	音声	音声の文字起こし	約$0.0024/分

この表から1つだけ持って帰るなら：「種類」の列はバージョン番号より重要です。テキストの5.3はスクリーンショットを読めませんし、4.6VをGLM-OCRの10分の1価格でできる仕事に使うべきでもありません。

---

考えるモデル：テキスト系

GLM-5.3 — フラッグシップ

ファミリー最上位（2026年8月）で、「一番良いやつ」と言われたときにデフォルトで答えるモデルです。コードとエージェントに最適化されており、Z.ai自社ベンチマークでGLM-5.2から約50%改善、ターミナルタスクや長いリファクタリングではオープン系の最先端をマークします。100万トークンのコンテキストと最大128Kの出力があり、エージェントが1回の実行で機能全体を書き上げるのに十分です。

ほとんど誰も見ない価格の詳細：キャッシュ済み入力は$1.40ではなく$0.26です。アプリが毎回同じシステムプロンプトを送るなら、繰り返し部分がほぼ自動的に80%割引になります。

用途： 複雑なリファクタリング、自律エージェント、大規模コードベースの分析、難しい推論。 避けるべき用途： チケット分類やメール要約。それはFlashの領域で、請求額は10倍違います。

GLM-5.3-Flash — 実働馬

経済版（2026年8月）：総パラメータ320B、アクティブ18B、キャッシュと計算コストを削ぐハイブリッドアーキテクチャ。テキストに加えて画像も受け付け、こちらも1Mコンテキスト。Z.aiチャットのデフォルトモデルです。

100万トークンあたり$0.15/$0.50は、同カテゴリで最安クラスです。実用的な判断基準：退屈なタスクはFlash、骨が折れるタスクは5.3フル版。

用途： チャットボット、構造化抽出、分類、要約、大量処理全般。 避けるべき用途： ソフトウェアアーキテクチャや本番が依存する判断。そこではフラッグシップの品質分は元を取れます。

GLM-5.2 — MITオプション

2026年6月、API価格は5.3と同じ。ではなぜ存在するのか？ ライセンスのためです。GLM-5.3は独自ライセンス（巨大AIサービス企業にはセキュリティレビューが義務付け）でウェイトを公開したのに対し、GLM-5.2は純粋なMITです。公開時点でおそらく最強のオープンウェイトモデルと評され、1Mコンテキスト無劣化（長時間タスクでのゴール忘れが少ない）を備えます。

用途： 弁護士と相談せずに企業でセルフホストしたい場合、またはポリシーでMIT/Apacheしか許されない場合。

GLM-4.7、4.6と仲間たち — 残った世代

GLM-4.7（2025年末）は今でも真面目なモデルです。SWE-bench Verified のスコアを公開した最後のモデル（73.8%）で、$0.60/$2.20。GLM-4.6もほぼ同価格。そしてGLM-4.7-FlashはAPIで無料：総パラメータ30B、アクティブ3B。ほとんど推論しないプロトタイプ、Webhook、自動化に最適です。

2025年半ばのGLM-4.5と4.5-Airはこの時代を切り開きましたが、今では歴史です。コンテキスト128Kで、上記のどれより能力も低い。古いチュートリアルが「GLM-4.5を使え」と言ったら、4.6以上に置き換えてください。

---

見るモデル：ビジョンと文書

GLM-4.6V — 見たものを理解するモデル

ビジョンモデル（106B、128Kコンテキスト）。スクリーンショット、レイアウト付き文書、製品写真、UIを理解します。特徴はネイティブなtool useで、インターフェースを見てその上にアクションを連鎖できます。視覚認識からオンラインアクションまで。$0.30/$0.90はテキスト系フラッグシップよりかなり安いです。

用途： インターフェースを操作するエージェント、文書レイアウトが重要な抽出、詳細な画像記述。 落とし穴： スキャンPDFのテキストだけが必要なら、GLM-OCRが$0.03でその仕事をします。

GLM-OCR — 安い専門家

小さなモデル（0.9B）がたった一つのことをします：スキャンをきれいなテキストに変換。正しいパターンはパイプラインの最初のステップとして使うこと。まずOCR、次にテキストモデル。こうして請求書500枚を処理するのは数セント、フラッグシップに画像入力で全部渡すとドル単位になります。

---

作るモデル：画像、動画、音声

• GLM-Image（2026年1月）：約$0.015/枚の画像生成。珍しい強みとして、画像内のテキストが読める（看板、表紙、モックアップ）。MITのオープンウェイト。
• CogView-4：同社の伝統的ジェネレーター。約$0.01/枚。よりシンプルでより安い。
• CogVideoX-3：約$0.20/クリップの短い動画。広告のラフやSNS素材向けで、最終制作向けではない。
• GLM-ASR-2512：音声→テキストが約$0.0024/分。字幕付けには馬鹿みたいに安い。
• GLM-TTS：逆方向のテキスト→音声。オープンウェイト。
• AutoGLM-Phone：スマートフォンを操作する実験的な9Bエージェント。今日は好奇心、しかし同社の方向性を示すシグナル。

---

正しい使い方：5つのルール

1. バージョン番号ではなくタスクで選ぶ

最も一般的な間違いは、カタログを「最新が最良」というはしごとして扱うことです。Flashは「劣ったGLM」ではなく、大量の単純タスク向けのGLMで、そうしたタスクでは品質で並びつつコストは10分の1です。正しい選択は水平です。まず種類（テキスト、ビジョン、OCR、画像）、次にグレード（フラッグシップかFlashか）、最後にようやくバージョンです。

2. 目的に合ったチャネルを使う

Z.aiには3つの扉があり、混ぜることが突然の請求の最大の原因です。

• chat.z.ai — 試してチャットする用。無料。コードを1行書く前に理想的。
• 従量課金API — アプリ用。OpenAI互換エンドポイント：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.z.ai/api/paas/v4",
)

response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "この請求書から名前と合計額を抽出して"}],
)

• GLM Coding Plan — コーディングツール（Claude Code、Cline、OpenCode、Rooなど）向けサブスクリプション。ここで焼ける落とし穴：プランは専用のコーディングエンドポイントと専用のAPIキーを使います。従量課金キーを汎用エンドポイントに設定すると、プランのクォータは減らず、別途請求されます。完全な手順は導入ガイドの記事にあります。

3. コンテキストは無料ではない（無害でもない）

100万トークンのウィンドウがあると、「入るから」とリポジトリ全体を貼りたくなります。問題は2つ。送ったトークンはすべて課金されることと、プロンプトが干草の山になるとモデルは劣化したりゴールを忘れたりすること。長いコンテキストは下手なRAGを置き換えるもので、上手なRAGを置き換えるものではありません。そしてプロンプトキャッシュを有効に：5.3のキャッシュ済み入力は$1.40ではなく$0.26。システムプロンプトが固定なら、この差は純粋な節約です。

4. 汎用モデルより専門家

パターンはカタログ全体で繰り返されます：安いパイプラインは高価な万能モデルに勝つ。スキャンPDF → GLM-OCR（$0.03）+ Flashであって、画像をにらむフラッグシップではない。UIのスクリーンショット → 4.6Vであってテキスト系ではない。ブログ用画像 → GLM-Image（$0.015）であってプレミアムツールではない。専門家は、1つのことを汎用モデルよりうまく、または100倍安くやるために存在します。

5. エキゾチックな派生に深入りしない

2026年8月、Z.aiはGLM-5-TurboとGLM-5V-Turboの派生を静かにAPIから引きました。ベースモデルとFlashラインは何年も安定していますが、実験は引退します。本番がモデル名をハードコードするなら主流のラインに。そしてフォールバックはコミットではなく環境変数で設定できるように。

---

クイック意思決定ガイド

• エージェントでコーディング（Claude Code、Cline、OpenCode） → GLM Coding Plan + GLM-5.3。ステップバイステップの導入方法。
• 日常チャット、学習、下書き → chat.z.ai無料（デフォルトで5.3-Flash）。
• 単純な呼び出しが大量にあるアプリ → APIのGLM-5.3-Flash。
• 本番での難しい推論 → GLM-5.3。
• ライセンス議論なしのセルフホスト → GLM-5.2（MIT）、または小型ハードならFlash系（Ollamaガイドはこちら）。
• 試作と些細な自動化 → GLM-4.7-Flash、APIで無料。
• PDFとスキャン → GLM-OCR + Flash。レイアウトが重要ならGLM-4.6V。
• スクリーンショット、UI、視覚文書の理解 → GLM-4.6V。
• 画像 → GLM-Image（読めるテキスト）またはCogView-4（より安い）。
• 短い動画 → CogVideoX-3。
• 文字起こし → GLM-ASR-2512。
• マシンから出せないデータ → 自前ハードでMITウェイト。

Coding Planのティアで実際に変わるもの

コーディングが主目的なら、サブスクリプションには3つのティアがあります。Lite（月$18、週10,000クレジット）、Pro（月$80、60,000）、Max（月$168、140,000）。3つとも同じモデルを使います。5.3含めて。変わるのはクォータだけ。あまり知られていない2つの倍率：四半期払いと年払いで20%と30%オフ、そしてピーク時間外（平日のシンガポール時間14:00–18:00以外）のリクエストはクレジット半分。ラテンアメリカの夜にコーディングするのは、文字通り半額です。

OpenCode Goとの詳細比較（どちらのサブスクがいつ得か）はこの記事、3ヶ月の実使用体験はレビューにあります。

---

掲載した価格と機能は2026年9月時点のもので、頻繁に変わります。重要な決定の前にdocs.z.aiで確認してください。

試してみたい？ この招待リンクならCoding Planの初回注文が10%オフになります。あなたは初回支払いを節約し、私はプラットフォームクレジットを受け取ります。

— Leandro Valencia