GLM-5.3 vs Grok 4.6

今週の集計にこのモデルのデータはありません。

ポジ 13 ／ ネガ 6 ／ 中立 3

中国の Z.ai が 2026-08-18 に公開した同社の旗艦モデル（API のモデル名は glm-5.3）。 土台は前世代 GLM-5.2 と同じで、公開後の追加学習だけで性能を伸ばしたと公式が明記しています。 考える機能は常にオンで、考える量は low / high / max の3段階（指定しない場合は max）。 入力はテキストのみで、画像・音声には対応しません。一度に読める量は100万トークン、 一度に書ける量は最大12万8千トークン（2026-08-28 に公式ドキュメントで確認）。 第三者測定の Artificial Analysis Intelligence Index は 60（v4.1.1・max 設定）で、本表では Kimi K3 と同点。 コードを直す力は、誰でも見られる DeepSWE v1.1 の公式ランキング（113課題・ハーネスは mini-swe-agent・ max 設定／2026-08-26 更新）で 69%（誤差 ±3）・掲載25モデル中5位。Kimi K3（68.5%）・Grok 4.6（67.5%）・ DeepSeek V4-Pro（62.8%）を上回り、Claude Opus 5（73.6%）と GPT-5.6 Sol（72.7%）には届いていません。 1課題あたりの平均費用は $3.99 で、Opus 5 の $11.84 の約3分の1です。 Z.ai 自身の発表値は同じベンチで 66.9 ですが、公式ランキングの 69%（誤差 ±3）の範囲に収まっています。 同社が公表している他のベンチは Terminal Bench 3.0 が 28.3、Agents' Last Exam が 28.5、 ソフトウェアの弱点を見つける CyberGym が 84.5%。Z.ai Code Bench（max 設定で 34.5%、前世代比 50%向上）は 名前に自社名が入る自社製のテストなので参考程度に見てください。 SWE-bench Verified・MMLU・GPQA・AIME は公式・第三者とも数値を公表しておらず本表では「—」です （名前の似た別のテストの値では埋めていません）。 【重みの公開について】Z.ai は発表文で「公開されているモデルの中では最高水準」と書いていますが、 Hugging Face の zai-org には廉価版 GLM-5.3-Flash（MIT ライセンス）はあっても GLM-5.3 の公開リポジトリは無く、 Artificial Analysis も proprietary（非公開）と分類しています（2026-08-28 確認）。 【廉価版について】GLM-5.3-Flash（2026-08-26 公開・MIT ライセンス・AA Index 57）は 2026-09-09 まで50%オフの割引価格（入力 $0.075 / 出力 $0.25、定価は $0.15 / $0.50）で提供中です。 値段が確定する 2026-09-10 以降に、本表へ別行として追加するかを判断します。 中国製のため業務利用は規約とデータの取り扱いを確認してください。

2026-08-12 公開、Grok 4.5 の後継。長時間動き続けるエージェント用途と、見た目をともなう作業（画面や画像を作る仕事）に力を入れた世代で、Grok 4.5 より長く追加学習を行い、手本データの一部は Grok 4.5 自身に作り直させている。料金は $2/$6・コンテキスト 50万トークン・知識は2026年2月1日までと、いずれも Grok 4.5 から据え置き。ただし料金には段差があり、プロンプトが20万トークンに達したリクエストは、そのリクエストの全トークンが倍額（入力 $4／出力 $12）になる。本表の $2/$6 は20万トークン以下のときの値。読み込んだ内容の使い回し料金だけは $0.30 → $0.50 に上がった。公式が出したのは新世代のベンチのみで、Artificial Analysis Intelligence Index 61（v4.1.1・high 設定／Grok 4.5 は 56）・GDPVal-AA v2 1753・CursorBench v3.2 69.9%・DeepSWE v1.1 65.9%・FrontierCode v1.1 (Extended) 61.3%・APEX-Agents 57.5%・APEX-SWE 56.4%・AA-Briefcase 1577・Harvey LAB (Vals) 15.8%。一方 Terminal-Bench v3.0 は 26% で、公式が横に並べた GPT-5.6 Sol Max（34.6%）・Claude Fable 5 Max（34.1%）に大きく届かない唯一の項目。本表の SWE-bench Verified・MMLU・GPQA・AIME・HLE は公式も第三者も数値を出しておらず「—」（DeepSWE v1.1 や APEX-SWE は名前が似ているだけの別のテストなので流用しません。前世代 Grok 4.5 の値も流用しません）。知能スコア 61 は本表で Claude Opus 5（63）・Claude Fable 5（62）に次ぐ位置で、GPT-5.6 Sol（61）と同点。ただし Opus 5 と Sol が考える量を最大にした設定での測定なのに対し、Grok 4.6 はその一段下（high）での測定という違いがある。Artificial Analysis の実測では文章を書き出す速さが毎秒 56.9 → 77.6 トークンに上がった一方、最初の1文字が返ってくるまでの時間は 9.32秒 → 42.09秒 と大きく延びており、「全面的に速くなった」わけではない点に注意。本表の50万トークンは xAI 公式ドキュメントのモデル表の Context 列の値で、入力と出力の内訳は公表されていない（2026-08-18 確認）。

• → Z.ai 公式ドキュメント：GLM-5.3（仕様・考える量の3段階・100万トークン・出力12万8千トークン）
• → Z.ai 公式リリースノート（GLM-5.3 は 2026-08-18 公開）
• → Z.ai 公式料金ページ（GLM-5.3 は入力 $1.4 / 出力 $4.4）
• → DeepSWE 公式ランキング v1.1（glm-5.3 は 69%・25モデル中5位・1課題あたり $3.99）
• → Artificial Analysis：GLM-5.3（Intelligence Index v4.1.1 で 60・max 設定）

• → SpaceXAI：Grok 4.6 発表（2026-08-12・公式ベンチ表）
• → xAI Docs：Grok 4.6（仕様・知識カットオフ）
• → xAI Docs：Models
• → xAI Docs：料金（20万トークン超で倍額の段差料金）
• → Artificial Analysis：Grok 4.6（Intelligence Index v4.1.1 で 61）
• → OpenRouter：Grok 4.6（料金・提供状況）