FastMetal

Z.ai GLMのAPIモデル䞀芧ず円建お料金

FastMetalでは、Z.ai GLMのモデル9件を、1぀のAPIキヌず円建おの埓量課金で利甚できたす。OpenAI互換のAPIなので、ベヌスURLずキヌを差し替えるだけで既存のコヌドから呌び出せたす。䞀芧には、ただ提䟛しおいないZ.ai GLMのモデルも茉せおいたす。

䞊び替え:

17件のモデル

GLM 5.3 FlashX

glm-5.3-flashx
ZDR

GLM-5.3-FlashXはZ.aiのGLM-5.3-Flashの高速バリアントであり、最倧200トヌクン/秒の掚論速床を実珟するネむティブマルチモヌダルモデルです。同じハむブリッドスパヌスおよび線圢泚意アヌキテクチャに基づいお構築されおいたす...

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥66.119 · 出力 Â¥223.375 / 100䞇トヌクン
コンテキスト:1.0M tokens

GLM 5.3 Flash

glm-5.3-flash

GLM-5.3-Flashは、Z.aiのネむティブマルチモヌダルモデルです。効率的なコヌディングず長期的な゚ヌゞェントタスクに適しおいたす。ハむブリッドスパヌスおよび線圢泚意アヌキテクチャにより、正確な長文脈動䜜を維持しながら...

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥25.2 · 出力 Â¥84 / 100䞇トヌクン
コンテキスト:1.3M tokens
テキスト総合
#41

GLM 5.3

glm-5.3
方針䞍明

GLM-5.3はZ.aiの倧芏暡掚論モデルで、耇雑な゜フトりェア゚ンゞニアリングず長期的な゚ヌゞェントタスク向けに構築されおいたす。テキスト入力ず出力をサポヌトし、100䞇トヌクンのコンテキストりィンドりを備えおおり、改善されおいたす...

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥235.2 · 出力 Â¥739.2 / 100䞇トヌクン
コンテキスト:1.0M tokens

GLM 5.2

glm-5.2
方針䞍明

GLM 5.2はZ.aiの倧芏暡掚論モデルです。テキスト入力・出力に察応し、100䞇トヌクンのコンテキストりィンドりを備えおおり、長期的な゚ヌゞェントワヌクフロヌ、プロゞェクトレベルの゜フトりェア゚ンゞニアリングなどに適しおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥235.2 · 出力 Â¥739.2 / 100䞇トヌクン
コンテキスト:1.0M tokens

GLM 5.1

glm-5.1
方針䞍明

GLM-5.1は、コヌディング胜力においお倧きな飛躍をもたらし、特に長期的なタスク凊理においお顕著な改善を実珟しおいたす。分単䜍のむンタラクションを䞭心に構築された埓来のモデルずは異なり、GLM-5.1は独立しお継続的に䜜業するこずができたす...

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥235.2 · 出力 Â¥739.2 / 100䞇トヌクン
コンテキスト:205K tokens
テキスト総合
#55

GLM 5V Turbo

z-ai/glm-5v-turbo

GLM-5V-Turboは、Z.aiの最初のネむティブマルチモヌダル゚ヌゞェント基盀モデルであり、ビゞョンベヌスのコヌディングず゚ヌゞェント駆動タスク向けに構築されおいたす。画像、ビデオ、テキスト入力をネむティブに凊理し、長期的な蚈画立案や耇雑なコヌディングに優れおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:203K tokens
テキスト総合
#108

GLM 5 Turbo

z-ai/glm-5-turbo

GLM-5 Turboは、Z.aiが開発した新しいモデルで、高速掚論ずOpenClawシナリオなどの゚ヌゞェント駆動環境での匷力なパフォヌマンスのために蚭蚈されおいたす。長い実行チェヌンを含む実䞖界の゚ヌゞェントワヌクフロヌに深く最適化されおおり、耇雑な呜什分解の改善、ツヌル䜿甚、スケゞュヌル蚭定ず氞続的な実行、および拡匵タスク党䜓での党䜓的な安定性を備えおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:203K tokens

GLM 5

glm-5
方針䞍明

GLM-5はZ.aiのフラッグシップオヌプン゜ヌス基盀モデルであり、耇雑なシステム蚭蚈ず長期的な゚ヌゞェントワヌクフロヌ向けに蚭蚈されおいたす。゚キスパヌト開発者向けに構築されおおり、倧芏暡プログラミングタスクで本番環境レベルのパフォヌマンスを提䟛し、䞻芁なクロヌズド゜ヌスモデルに匹敵したす。高床な゚ヌゞェント蚈画、深いバック゚ンド掚論、反埩的な自己修正により、GLM-5はコヌド生成を超えお、完党なシステム構築ず自埋実行ぞず進化したす。

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥168 · 出力 Â¥537.6 / 100䞇トヌクン
コンテキスト:205K tokens
テキスト総合
#63

GLM 4.7 Flash

glm-4.7-flash

30Bクラスの最先端モデルずしお、GLM-4.7-Flashはパフォヌマンスず効率のバランスを取った新しい遞択肢を提䟛したす。゚ヌゞェント型コヌディングのナヌスケヌスに向けおさらに最適化され、コヌディング機胜、長期的なタスク蚈画、ツヌル連携を匷化しおおり、珟圚の耇数の公開ベンチマヌクリヌダヌボヌドで同芏暡のオヌプン゜ヌスモデルの䞭で最高氎準のパフォヌマンスを達成しおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥10.722 · 出力 Â¥71.48 / 100䞇トヌクン
コンテキスト:203K tokens
テキスト総合
#198

GLM 4.7

glm-4.7

GLM-4.7はZ.aiの最新フラッグシップモデルであり、2぀の䞻芁分野でのアップグレヌドを特城ずしおいたすプログラミング機胜の匷化ず、より安定した倚段階掚論・実行です。耇雑な゚ヌゞェントタスクの実行においお倧幅な改善を瀺しおおり、より自然な䌚話䜓隓ず優れたフロント゚ンド矎孊を提䟛したす。

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥67.2 · 出力 Â¥294 / 100䞇トヌクン
コンテキスト:203K tokens
テキスト総合
#93

GLM 4.6V

glm-4.6v
ZDR

GLM-4.6Vは、画像、ドキュメント、混合メディア党䜓にわたっお高忠実床の芖芚理解ず長文脈掚論のために蚭蚈された倧芏暡マルチモヌダルモデルです。最倧128Kトヌクンをサポヌトし、耇雑なペヌゞレむアりトずチャヌトを芖芚入力ずしお盎接凊理し、知芚ずダりンストリヌムツヌル実行を接続するネむティブマルチモヌダル関数呌び出しを統合しおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:入力 Â¥53.61 · 出力 Â¥160.83 / 100䞇トヌクン
コンテキスト:131K tokens
テキスト総合
#187

GLM 4.6

z-ai/glm-4.6

GLM-4.5ず比范しお、今䞖代は以䞋のような重芁な改善をもたらしたす より長いコンテキストりィンドりコンテキストりィンドりが128Kから200Kトヌクンに拡匵され、より耇雑な゚ヌゞェントタスクを凊理できるようになりたした。 優れたコヌディング性胜コヌドベンチマヌクでより高いスコアを達成し、Claude Code、Cline、Roo Code、Kilo Codeなどのアプリケヌションでより優れた実䞖界のパフォヌマンスを実蚌しおおり、芖芚的に掗緎されたフロント゚ンドペヌゞ 

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:203K tokens
テキスト総合
#123

GLM 4.6 (exacto)

z-ai/glm-4.6:exacto

GLM-4.5ず比范しお、今䞖代は以䞋のような重芁な改善をもたらしたす より長いコンテキストりィンドりコンテキストりィンドりが128Kから200Kトヌクンに拡匵され、モデルがより耇雑な゚ヌゞェントタスクを凊理できるようになりたした。 優れたコヌディング性胜コヌドベンチマヌクでより高いスコアを達成し、Claude Code、Cline、Roo Code、Kilo Codeなどのアプリケヌションでより優れた実䞖界のパフォヌマンスを実蚌しおおり、芖芚的に掗緎されたフロント゚ン 

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:205K tokens

GLM 4.5V

z-ai/glm-4.5v

GLM-4.5Vは、マルチモヌダル゚ヌゞェントアプリケヌション向けのビゞョン蚀語基盀モデルです。106Bパラメヌタず12Bの掻性化パラメヌタを備えたMixture-of-ExpertsMoEアヌキテクチャに基づいおおり、ビデオ理解、画像Q&A、OCR、ドキュメント解析で最先端の結果を達成し、フロント゚ンドりェブコヌディング、グラりンディング、空間掚論で倧幅な改善を実珟しおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:66K tokens
テキスト総合
#211

GLM 4.5

z-ai/glm-4.5

GLM-4.5は、゚ヌゞェントベヌスのアプリケヌション向けに特別に蚭蚈された最新のフラッグシップ基盀モデルです。Mixture-of-ExpertsMoEアヌキテクチャを掻甚し、最倧128kトヌクンのコンテキスト長をサポヌトしおいたす。GLM-4.5は、掚論、コヌド生成、゚ヌゞェント敎合性においお倧幅に匷化された機胜を提䟛したす。

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens
テキスト総合
#146

GLM 4.5 Air

z-ai/glm-4.5-air

GLM-4.5-Airは、最新フラグシップモデルファミリヌの軜量バリアントであり、゚ヌゞェント䞭心のアプリケヌション向けに特別に蚭蚈されおいたす。GLM-4.5ず同様に、Mixture-of-ExpertsMoEアヌキテクチャを採甚しおいたすが、より小さなパラメヌタサむズです。GLM-4.5-Airはハむブリッド掚論モヌドもサポヌトしおおり、高床な掚論ずツヌル䜿甚のための「思考モヌド」ず、リアルタむム盞互䜜甚のための「非思考モヌド」を提䟛したす。

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens
テキスト総合
#193

GLM 4.5 Air (free)

glm-4.5-air-free

GLM-4.5-Airは、最新のフラグシップモデルファミリヌの軜量バリアントであり、゚ヌゞェント䞭心のアプリケヌション向けに特別に蚭蚈されおいたす。GLM-4.5ず同様に、Mixture-of-ExpertsMoEアヌキテクチャを採甚しおいたすが、より小さなパラメヌタサむズになっおいたす。GLM-4.5-Airは、ハむブリッド掚論モヌドもサポヌトしおおり、高床な掚論ずツヌル䜿甚のための「思考モヌド」ず、リアルタむムむンタラクション甚の「非思考モヌド」を提䟛しおいたす。

プロバむダヌ:z-ai logoz-ai
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens

Z.ai GLMに関する蚘事

新モデル

Z.ai の GLM 5.3 FlashX が利甚可胜にGLM 5.3 Flash の玄3倍の出力速床

GLM 5.3 Flash の高速版、GLM 5.3 FlashX が FastMetal に加わりたした。同じ日本語の回答で毎秒141〜176トヌクンを蚈枬し、Flash の玄3倍の速さでした。単䟡は Flash の玄2.5倍です。

コラム

回答の長さは同じ、トヌクンは12倍 — DeepSeek V4.1 Flash ず GLM 5.3 Flash

同じ43本のプロンプトを䞡モデルに流し、出力トヌクンず所芁時間を蚘録したした。芋える回答の量はほが同じなのに、支払いは4倍違いたす。差はすべお「考えおいる時間」から来おいたす。

新モデル

Z.ai の GLM 5.3 Flash が利甚可胜になりたした

131䞇トヌクンずいう圓サヌビス最倧の文脈長を、最も安い䟡栌垯で䜿える GLM 5.3 Flash が FastMetal に加わりたした。長い資料をたずめお読たせる甚途に向きたす。

新モデル

GLM-5.3 が利甚可胜になりたした

Z.ai の最新モデル GLM-5.3 が FastMetal で利甚可胜に。耇雑な゜フトりェア゚ンゞニアリングず長時間の゚ヌゞェントタスク向けに構築された倧芏暡掚論モデルです。

レビュヌ

GLM-4.6V レビュヌ日本語のレシヌトを少ないトヌクンで正確に読むビゞョンモデル

Z.ai のビゞョン蚀語モデル GLM-4.6V を、日本語の5タスクずレシヌト画像の読み取りで怜蚌。画像は647トヌクンで党項目を正確に抜出し、敬語や算数も正解でした。ただし掚論が長く、応答は20秒〜2分かかりたす。

コラム

GLM-5.2 vs Claude Opus 4.8コヌディングでオヌプンはどこたで旗艊に迫ったか

MITラむセンスの GLM-5.2 ず、Anthropic の Claude Opus 4.8 を比范。コヌディングでクロヌズド旗艊に迫るオヌプンモデルは、実務でどこたで通甚するかを解説したす。

党モデルの料金を芋る