GLM-5.3 Primeは新しいモデルではありません。GLM-5.3と同じ重みを、より高速なサービングモードで実行します。これはAlibaba Cloud Model StudioのPrimeモードで、標準APIと比べて出力速度が1.5～2倍になるとされています。回答の品質は同じはずです。追加料金で得られるのは、1秒あたりのトークン数です。
AIHubMixでは、glm-5.3-primeの料金は入力トークン100万個あたり$2.35、出力トークン100万個あたり$8.23で、現在のGLM-5.3のおよそ2.1倍です。結論を先に言うと：
- 長い出力を人やエージェントのループが待っている場面、つまり対話型コーディング、ストリーミングでのコード生成、複数ステップのエージェントなら、導入する価値があります。
- バッチ処理、短い応答、コスト重視のパイプラインには、導入する価値はありません。GLM-5.3なら同じ処理を半額で実行できます。
- まずは測定しましょう。これまでに示された独立した測定値はいずれも、1.5～2倍という主張を下回っており、最初のトークンが届く時間も短縮されません。
- 低い推論負荷と組み合わせましょう。AIHubMixのテストでは、Prime単体はGLM-5.3より速く回答できませんでした。Primeを
reasoning_effort: "low"に設定すると速度が上がり、回答あたり約100秒に対して約71秒でした。
GLM-5.3 Primeとは何か、何ではないのか
Alibaba Cloudのドキュメントでは、Primeモードについて3点を説明しています。出力速度を重視する用途向けの高いTPS、標準APIのロジックに沿った課金、そして「追加パラメーターなし」――モデルIDを変更するだけで切り替えられます。同じページには、Primeモデルの機能と利用制限は元のモデルと同じとも記載されています。Primeモードにはglm-5.2-fast-preview（旧名称のまま提供されているGLM-5.2の高速モード）と動画モデルも含まれます。
ZhipuのGLM-5.3ドキュメントに記載されているモデルIDはglm-5.3だけです。Z.aiにはPrimeのモデルIDも料金表もなく、Primeを提供している上流プロバイダーはAlibaba Cloudだけです。名前が似ている次の2モデルとは混同しやすいため、注意してください。
| モデル | 重み | 提供元 | 利用方法 |
|---|---|---|---|
| GLM-5.3 | GLM-5.3 | 複数のプロバイダー | API |
| GLM-5.3 Prime | GLM-5.3 | Alibaba Cloudのみ | API |
| GLM-5.3-FlashX | GLM-5.3-Flash | Z.ai | API |
| GLM-5.3 HighSpeed | GLM-5.3 | Z.ai | ZCodeのベータ版のみ |
FlashXは小型のFlashモデルを高速化したもので、画像と動画の入力に対応し、最大200 tokens per secondをうたっています。HighSpeedは、フラッグシップモデル向けにZhipuが独自に提供する高速モードです。ZhipuのコーディングアプリZCode内での段階的なテストに登場し、ブロガーの1人が490 tokens per second超を報告しています（Zhidongxi、2026年10月12日）。公開APIも料金もまだありません。
重みが変更されていないため、Primeは独自のベンチマーク結果を持つのではなく、GLM-5.3の結果を引き継ぎます。ZhipuがGLM-5.3について公表した数値では、Terminal-Bench 3.0はGLM-5.2の4.6から28.3に、DeepSWE v1.1は46.2から66.9に向上し、CyberGymでは84.5%を記録しています。Prime固有のベンチマークは、まだ公開されていません。
価格：項目ごとに2倍
AIHubMixのトークン100万個あたりの料金（2026年10月21日確認）：
| モデル | 入力 | 出力 | キャッシュ読み取り |
|---|---|---|---|
| GLM-5.3 Prime | $2.35 | $8.23 | $0.59 |
| GLM-5.3 | $1.1268 | $3.9438 | $0.2817 |
| GLM-5.3-FlashX | $0.282 | $0.987 | $0.0804 |
どの経路でも、Primeの料金はおよそ2倍です。Alibaba Cloudは北京リージョンのglm-5.3-primeを入力¥16、出力¥56（いずれもトークン100万個あたり）で提供しており、標準のglm-5.3の入力¥8、出力¥28に対して、ちょうど2倍です。OpenRouterでは、Primeが$2.80と$8.80、GLM-5.3が$1.40と$4.40です。キャッシュ読み取り料金も2倍になるため、キャッシュを十分に活用する長時間のエージェントセッションでも、割増料金は避けられません。
どのくらい速いのか？現時点での測定値
このセクションの数値は、AIHubMixのモデルページ、2026年10月21日に実施されたAIHubMix独自のテスト、OpenRouter、ZenMux、Artificial Analysis（Coderseraによる集計）、DataLLM Labから取得しています。サードパーティの数値はいずれも同じ条件で測定されたものではないため、順位ではなく範囲として捉えてください。
| 測定元 | GLM-5.3 | GLM-5.3 Prime | PrimeとGLM-5.3の比較 |
|---|---|---|---|
| Alibaba Cloud（公称値） | – | – | 1.5–2× |
| AIHubMixのモデルページ | 33.4 tok/s | 48.6 tok/s | 1.46× |
| AIHubMixのテスト | 84.7 tok/s | 98.2 tok/s | 1.16× |
| サードパーティのモニタリング | 61～72 tok/s | 60～80 tok/s | 範囲が重なる |
AIHubMixのテストでは、スレッドセーフなトークンバケット型レートリミッターと5つのpytestテストを作成するコーディングプロンプトを各モデルに3回送り、交互に実行しました。reasoning_effort: "high"に設定し、ストリーミングを有効にしています。tokens per secondは、最初にストリーミングされたトークンから最後のトークンまでの時間で出力トークン数を割って算出しました。サードパーティの行には、異なるサービスと日付の数値がまとめられています。GLM-5.3は約61（OrcaRouter）と71.9（Artificial Analysis）、PrimeはOpenRouterで60～75、ZenMuxで72～80です。
AIHubMixのテストでは、Primeのデコード速度は約16%速かったものの、回答が早く届いたわけではありません。Primeは1回答あたり9,404出力トークンを書き出したのに対し、GLM-5.3は8,147で、そのほとんどが推論トークンでした。そのため、1リクエストあたりの平均所要時間はPrimeが102.1秒、GLM-5.3が99.9秒でした。最初のトークンも速くありません。中央値はPrimeで3.2秒、GLM-5.3で3.0秒で、Primeでは1回のリクエストで12秒かかりました。各モデル3回というのは少ないサンプル数です。また、AIHubMixはGLM-5.3を複数のプロバイダー経由で提供しているため、あくまである日の午後のスナップショットとして受け止めてください。
DataLLM Labは、OpenRouter経由で9つのPythonコーディングタスクを実行し、tokens per secondではなく回答全体の所要時間を測定しました。Primeは余分な速度を余分な思考に使ったため、回答あたりの平均時間はベースのGLM-5.3と同じ14.2秒でした。Primeの推論トークンは1回あたり1,215個で、GLM-5.3は631個でした。また、Primeのスコアは7/9で、ベースのGLM-5.3の9/9を下回りました。いずれも1回ずつの実行で、測定日も異なるため、品質に差があることの証明にはなりません。ただし、デコードが速くても回答が自動的に速くなるわけではないことは示しています。
理由は単純な計算です。待ち時間はおおむね、最初のトークンが届くまでの時間＋（推論トークン数＋回答トークン数）÷1秒あたりのトークン数＋ツールの処理時間です。Primeが変えるのは速度の項だけです。推論負荷はトークン数を変え、長いタスクでは結果に同じくらい大きく影響します。Zhipu社内のCode Benchでは、max設定のGLM-5.3はタスクあたり約75Kの出力トークンを使い、スコアは34.5%でした。highでは約50Kを使い、31.4%でした。推論負荷を1段階下げると出力が3分の1減り、1.5倍の速度向上による時間短縮とほぼ同じ効果が得られます。そのうえ、料金は下がり、倍にはなりません。
ただし、推論負荷の設定がモデルに反映される必要があります。AIHubMixのテストでは、Primeには明確に反映されていました。
| モデルと推論負荷 | 実行回数 | 出力トークン数 | 回答あたりの時間 | 回答あたりの料金 |
|---|---|---|---|---|
| GLM-5.3、high | 3 | 8,147 | 99.9 s | $0.032 |
| Prime、high | 3 | 9,404 | 102.1 s | $0.078 |
| Prime、low | 2 | 5,832 | 70.7 s | $0.048 |
同じプロンプトによる回答ごとの平均値。料金はAIHubMixの通常価格で算出。
Primeでは、lowにすると出力が38%減り、GLM-5.3より速く回答した唯一の設定になりました。回答あたりの料金はGLM-5.3の2倍ではなく1.5倍です。AIHubMixはGLM-5.3を複数のプロバイダー経由で提供しており、経路によっては推論負荷の設定や、以前の思考無効化フラグがドキュメントどおりに動作しないことがあります。どのモデルを使う場合も、usageブロック内のreasoning_tokensと、contentに回答だけが含まれていることを確認してください。
コーディングタスク1件のコスト試算
以下の前提に基づく、GLM-5.3での長時間のエージェント型コーディングセッション：
- 出力トークン75K。ZhipuのCode Benchで
max設定時に測定されたタスクあたりの数値。 - セッション全体の入力トークン1.2M（平均30Kトークンのコンテキストを使う約40ターン分）。その90%はキャッシュから処理。
- 上記の2つのAIHubMix測定値から算出したデコード速度。デコード時間のみを計上し（ツールの処理時間と最初のトークンが届くまでの時間は含まず）。
| コスト項目 | GLM-5.3 | GLM-5.3 Prime |
|---|---|---|
| キャッシュなしの入力（0.12M） | $0.135 | $0.282 |
| キャッシュされた入力（1.08M） | $0.304 | $0.637 |
| 出力（75K） | $0.296 | $0.617 |
| タスクあたりの合計 | $0.735 | $1.536 |
| デコード時間、テスト時の速度 | 14.8 min | 12.7 min |
| デコード時間、モデルページの速度 | 37.4 min | 25.7 min |
このタスクではPrimeにより約$0.80上乗せされます。AIHubMixの測定速度では、約2分短縮され、短縮1分あたりおよそ$0.40です。モデルページの速度では約12分短縮され、短縮1分あたりおよそ$0.07です。エンジニアがエージェントの作業を見守っているなら、悲観的な方の数値でも、その人の作業時間より安く済みます。誰も見守っていないなら、$0.80を払っても何も得られません。テストからもう1点、注意があります。同じプロンプトでもPrimeは約15%多くトークンを出力しました。これが実際のタスクでも当てはまる場合、時間短縮の大半が相殺されます。
Primeへの切り替え：コードで変わること
変更するのはモデルIDだけです。AIHubMixでは、PrimeはOpenAI Chat Completionsエンドポイントで提供されています。APIキーとベースURLについては、AIHubMixクイックスタートをご覧ください。
import os
from openai import OpenAI
client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
stream = client.chat.completions.create(
model="glm-5.3-prime", # was "glm-5.3"
reasoning_effort="high", # low | high | max (default max)
messages=[{"role": "user", "content": "Refactor this function to remove the global state: ..."}],
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="")
切り替え時に確認すべき点：
- 思考は常に有効です。GLM-5.3は推論なしでは動作せず、Primeも同様です。Zhipuのドキュメントによると、
thinking.type: "disabled"を引き続き送信するリクエストは、Z.ai独自のAPIでは失敗します。また、Alibaba Cloudによると、enable_thinking=falseを指定しても効果はありません。AIHubMix経由では、PrimeはこのフラグをHTTP 400で拒否します：InternalError.Algo.InvalidParameter: The value of the enable_thinking parameter is restricted to True.このフラグを削除し、代わりにreasoning_effort: "low"を使用してください。 - 推論負荷は3段階です。
reasoning_effortにはlow、high、maxを指定でき、デフォルトは最もコストの高いmaxです。AIHubMixのテストでは、Primeのlow設定で出力が38%減りました。 - glm-5.2-fast-previewから移行する場合このモデルは思考を無効にでき、
noneからmaxまで7段階の推論負荷に対応していました。GLM-5.3 Primeは3段階のみなので、none、minimal、medium、xhighを送信するリクエストは更新が必要です。Alibaba Cloudは未対応の値に対してinvalid_parameter_errorを返します。 - コンテキスト長はやや短くなります。Primeのコンテキスト長は1,000,000トークン、AIHubMixのGLM-5.3は1,048,576トークンです。GLM-5.3に収まるプロンプトでも、Primeでは上限を超えることがあります。最大出力は同じ131,072トークンです。
- 並列ツール呼び出しはテストする価値があります。OpenRouterのPrimeエンドポイントでは、対応パラメーターに
parallel_tool_callsが含まれていません。またCursorユーザーからは、GLM-5.3で1つのステップ内に複数のツール呼び出しを実行すると、引数が空の状態で届くことが報告されています。エージェントがツールを並列呼び出しする場合は、Primeを本番利用する前に何度かテストしてください。 - 上流プロバイダーは1社だけです。Primeの提供元はAlibaba Cloudのみです。AIHubMixではGLM-5.3を複数のプロバイダー経由で提供しているため、停止できない処理に備えて
glm-5.3をフォールバックとして残しておきましょう。 - コーディングツール。 AIHubMixではPrimeはChat Completionsでのみ提供されているため、Claude Code（Anthropic Messages）やCodex（Responses API）から直接利用することはできません。OpenAI互換エンドポイントに対応したツールなら利用できます。たとえばOpenCodeです。手早く確認するには、同じ小さなバグ修正を
glm-5.3とglm-5.3-primeに同じ労力で行わせ、実時間と差分を比較してみてください。
Primeが適さないケース
- バッチ処理や夜間ジョブ。待っている人はいないため、速度に価値はなく、料金だけが2倍になります。
- 短い回答。200トークンの回答では最初のトークンが届くまでの遅延が大きく影響しますが、上記の測定ではPrimeの初回トークンが速かったことはありません。
- 本当の問題が長い推論時間で、利用経路で努力レベルの設定が機能する場合。低い
reasoning_effortを設定すれば待ち時間が短くなり、料金も抑えられます。効果があったかどうかは、レスポンスのreasoning_tokensを確認してください。 - 最上位モデルより速度を優先する場合。GLM-5.3-FlashXは、Primeの出力料金の約8分の1で、最大200トークン/秒をうたっています。Artificial Analysisのインデックスで、FlashのベースモデルはGLM-5.3の44.8に対して41.8を記録しています。Primeに料金を払う前に、実際のタスクで試してみてください。
切り替えをおすすめする人
- 対話型コーディングツールやリアルタイムエージェントでGLM-5.3を使っていて、出力が常に数千トークンに達し、ご自身の測定でプロンプト上でも速度向上が確認できているなら、今すぐPrimeを使いましょう。まずは
lowの努力レベルから始め、品質が必要とする場合にのみ引き上げてください。 - 並列ツール呼び出しを行うエージェントや、1Mトークンの上限に近いプロンプトを使っているなら、まずテストしてください。
- バッチ処理、短い回答、待ち時間の短縮より料金が2倍になることのほうが問題となる用途では、GLM-5.3を使い続けましょう。
- 純粋な速度が目的なら、ZhipuのHighSpeedに注目しましょう。公称速度に近い性能でAPI経由でも利用できるなら、今回のどちらの選択肢よりも数倍速くなるでしょう。
どちらのモデルも同じAIHubMixキーで利用できます。GLM-5.3とGLM-5.3 Primeの比較ページでは両者を並べて確認でき、切り替えは1行の変更で済みます。
よくある質問
GLM-5.3 PrimeはGLM-5.3とは別のモデルですか？
いいえ。同じ重みをAlibaba CloudのPrimeサービングモードで実行するもので、出力速度を1.5〜2倍にすることを目指しています。品質はGLM-5.3と同等のはずで、Prime専用のベンチマークはありません。
GLM-5.3 Primeはどれくらい高くなりますか？
AIHubMixでは、100万トークンあたり入力$2.35、出力$8.23、キャッシュ読み取り$0.59で、GLM-5.3の約2.1倍の料金です。Alibaba CloudとOpenRouterでも、料金はおよそ2倍です。
Primeは本当に2倍速いのですか？
これまでの測定では、そうではありません。AIHubMix独自のテストではGLM-5.3の約1.16倍のトークン/秒が測定され、AIHubMixのモデルページでは約1.46倍とされています。テストではPrimeの出力トークン数が多く、回答が早く届いたわけではありません。また、最初のトークンも速くありませんでした。
GLM-5.3 Primeでは思考をオフにできますか？
いいえ。GLM-5.3と同様に常に推論を行い、thinking typeをdisabledに設定したリクエストはHTTP 400エラーになります。reasoning_effortはlowまたはhighに下げられます。デフォルトはmaxです。
GLM-5.3 PrimeとGLM-5.3-FlashXの違いは何ですか？
PrimeはフラッグシップのGLM-5.3の重みをより速く提供します。FlashXはより小型のGLM-5.3-Flashの重みをより速く提供し、画像と動画を受け付けます。また、出力料金はPrimeの約8分の1です。
Claude CodeやCodexでGLM-5.3 Primeを使えますか？
AIHubMix経由では直接使えません。PrimeはOpenAI Chat Completionsエンドポイントでのみ提供されている一方、Claude CodeはAnthropic Messagesを、CodexはResponses APIを使用します。OpenAI互換エンドポイントに対応したOpenCodeやClineなどのツールなら利用できます。
切り替えるにはコードのどこを変更すればよいですか？
モデル名をglm-5.3からglm-5.3-primeに変更するだけです。Primeでは思考を無効にするフラグが拒否されるため削除し、努力レベルはlow、high、maxのいずれかにしてください。
出典
- Primeモード — Alibaba Cloud Model Studio（Alibaba Cloud）
- GLM-5.3の概要（Z.ai）
- GLM 5.3 Primeのモデルページ（AIHubMix）
- GLM-5.3 Primeレビュー：1,000タスクあたり$11.52で7/9（DataLLM Lab）
- GLM-5.3 PrimeとFlashX：新モデルではなく速度別のモデル（Codersera）
