GLM-5.3：中国の研究所はどうやって最前線に追いつくのか

本日、Z.ai は GLM-5.3 を発表した。現在はコーディングプランでのみ利用でき、まもなく API で提供され、2週間後には Hugging Face にオープンウェイトで公開される。このモデルは非常に優れた結果を示しており、多くのベンチマークで Moonshot AI の Kimi K3 を上回り、一部では Claude Fable 5 や GPT-5.6-Sol をも超えている。特筆すべきは、パラメータ数が約7500億と Kimi K3 の3分の1程度でありながら、エージェント型コーディングのベンチマークで最前線に位置していることだ。Z.ai のブログは簡潔で、GLM-5.3 は GLM-5.2 と同じベースモデルを使い、後処理を大幅に拡張しただけだと述べている。事前学習に強みを持つ Kimi と比べると、Z.ai は後処理に強みがあるように見える。

中国の研究室がどうしてこれほど追いついているのかについて、最も単純な説明は蒸留ではない。Z.ai のブログは、より多くの環境、より多様なタスク、より多くの計算リソースを後処理に投入したと強調している。RL環境やそれを大規模に実行するインフラ、アルゴリズムを蒸留するのは簡単ではない。筆者は、最大の要因はリリースサイクルにあると考える。Z.ai はモデル完成から公開まで数日しかかけないが、OpenAI や Anthropic は数ヶ月かけることが多い。中国の研究室はこの時間差を利用してベンチマークを継続的に改善できる。また、Z.ai は OpenAI や Anthropic よりも公開ベンチマークを重視している。それは資金調達やチームの士気に直接影響するからだ。

しかし、GLM-5.3 がベンチマークだけを追いかけたモデルというわけではない。現在、すべての研究所が RL のスケーリングに伴う課題を抱えており、Anthropic の Opus 5 や Sonnet 5 も素晴らしいスコアを出しながら評判はまちまちだ。GLM-5.3 は Claude Fable や GPT Sol よりも対象を絞ったモデルである可能性が高く、旗艦モデルには画像認識機能がない。テキスト専用にすることで競争力のあるスコアを出しやすくなっているが、利用範囲も限定される。Z.ai はオンプレミス展開の好調により年間経常収益10億ドルに達したと報じられている。

さらに、中国では RL データ産業が急速に成長している。米国のデータ企業が中国のモデル研究所にデータを販売し、中国側は同じRL環境を使ってモデルをより早くリリースする、という構図が見られる。Z.ai は清華大学と密接な関係にあり、優秀なコンピュータ科学者を多く擁していることも成功の一因だ。最後に、Z.ai は GLM-5.3 がサイバーセキュリティタスクで非常に高い能力を持ち、デュアルユースのリスクがあることを認め、段階的なリリースを取っている。まず選ばれたセキュリティパートナーが管理環境で評価し、その後 API 公開、最後に完全なウェイトを公開するという流れだ。しかし筆者は、真のオープンウェイトが来たときにはこうした安全対策の効果は限定的であり、ソフトウェア全体の移行に備えるための産業規模のガイダンスが必要だと指摘している。