DatabricksがZ.ai（Zhipu AI）のGLM 5.3ファミリーを短期間で取り込めた理由は、モデルをゼロから移植・運用したというより、既存のホスト型モデルとFoundation Model APIの基盤に載せたためとみられる。GLM 5.3 Flashは2026年8月26日にDatabricksホスト型モデルとして掲載され、フル版GLM 5.3は8月28日に「day-zero」リリースとして案内された。314

公開されている資料からは、社内でのモデル変換、推論基盤の構築、具体的なデプロイ工程までは確認できない。ただし、企業がモデルの重みを自前で運用するのではなく、Databricksの管理された従量課金エンドポイントから呼び出せるようになった、という迅速な提供プロセスは読み取れる。

Databricksが実際に統合したもの

ここで重要なのは、モデル開発と企業向けの配信を分けて考えることだ。GLMシリーズを開発したのはZ.aiであり、Databricksは自社のModel ServingとFoundation Model APIの環境を通じてモデルを公開した。

Azure Databricksでは、GLM 5.3 FlashをADI Services経由で利用できる。エンドポイント名は databricks-glm-5-3-flash で、テキストと画像の入力に対応する。同じカタログにはGLM 5.2、Moonshot AIのKimi K3、DeepSeek V4 Flashなども掲載されている。5

Databricksのドキュメントは、AWSとGoogle CloudのモデルカタログにもGLM 5.3 Flashを掲載している。1718 利用者はDatabricksワークスペース内の従量課金エンドポイントからアクセスでき、Z.aiのAPIを個別に呼び出したり、モデルの重みを自社で運用したりすることが必須ではない。5

つまり今回の「迅速な統合」の実態は、新しいモデルを企業向けに届けるための配信レイヤーとアクセス方式をDatabricksがすでに持っていたことにある。

GLM 5.3 Flashの仕様と位置づけ

GLM 5.3 Flashは、2モデルのうち小型かつ低価格な位置づけだ。ただし、モデル全体の規模は依然として大きい。

• 総パラメーター数：3,200億
• 1トークン当たりのアクティブパラメーター数：180億
• Mixture of Experts（MoE）アーキテクチャ
• テキスト・画像を受け付けるネイティブなマルチモーダル入力
• 1,048,576トークンのコンテキストウィンドウ
• 推論、コーディング、エージェントによるツール利用向けの最適化 317

GLM 5.3 FlashはMITライセンスで公開されたと報告されており、自社ホスティングを検討する企業にとっても比較的扱いやすい。ただし、実際の導入ではライセンス本文、派生利用時の義務、セキュリティリスク、調達規則を個別に確認する必要がある。67

Databricksは、社内のOfficeQA Pro v2比較で、GLM 5.2より品質が約10％高く、コストは10分の1だったと説明している。これはDatabricksによる主張であり、今回確認した資料の範囲では、独立機関が公開した結果ではない。13

Flashの価格は提供事業者によって異なる

公開価格は事業者によって一致していない。ある公開料金表では、GLM 5.3 Flashは入力100万トークン当たり0.15ドル、出力100万トークン当たり0.50ドルとされている。9 一方、OpenRouterでは入力0.05ドル、出力0.1667ドルと掲載されている。12

いずれもDatabricksの企業向け契約価格を示すものではない。導入を検討する場合は、利用中のDatabricks環境で料金表、キャッシュ利用時の扱い、最低利用量、クォータ、請求方法を確認する必要がある。

フル版GLM 5.3は大規模な推論モデル

フル版GLM 5.3は、ファミリーの最上位モデルとして位置づけられている。公開資料では、GLM 5.2由来のMoEベースを維持し、総パラメーター数は約7,440億、アクティブパラメーター数は400億、コンテキストウィンドウは約100万トークンと説明されている。主な性能向上は、新しいベースアーキテクチャーではなく、強化学習を含む事後学習の拡張によるものと報告されている。1

公開されたAPI料金表では、入力100万トークン当たり1.40ドル、出力100万トークン当たり4.40ドルとされる。1 これも公開APIの参考価格であり、Databricksの企業向け料金を確認したものではない。

Z.ai関連の報告では、GLM 5.3はCyberGymで84.5％を記録し、コーディングやターミナル操作のベンチマークでも大幅な改善を示したとされる。ただし、今回確認した資料だけでは、関連テスト全体で独立検証された決定的な順位とはいえない。7

この点は企業のモデル選定で特に重要だ。ベンダーが選んだベンチマークや独自条件での高得点が、社内コード、規制対象文書、機密データ、本番のツール利用ワークフローでの性能を保証するわけではない。導入判断では、公開スコアだけでなく自社の業務に即した評価が必要になる。

クラウド対応とホスティング方式

Databricksのドキュメントによると、GLM 5.3 FlashはAWSとGoogle Cloudのモデルカタログで利用でき、Azure DatabricksではADI Servicesを通じて提供される。51718 アクセスにはDatabricksの従量課金型モデル提供インターフェースを使う。5

企業にとっての価値は、基盤モデルそのものを変更することよりも、利用方法を統一できる点にある。Databricksのホスト型エンドポイントなら、既存のワークスペース、API、請求、アクセス管理のプロセスに組み込みやすい。また、AzureのカタログではOpenAI、Google、Zhipu AI、Moonshot AI、DeepSeekなど複数の提供元のモデルを同じ環境で比較できる。5

一方で、Databricks経由で提供されるからといって、越境移転や規制上のリスクがなくなるという強い主張を裏付ける資料はない。顧客は少なくとも次の項目を確認する必要がある。

• モデルと重みのライセンス
• データ所在地とデータ移転要件
• 輸出管理規制
• 国家安全保障および調達に関する方針
• ベンダーとサブプロセッサーの契約条件
• セキュリティテストと不正利用対策
• エンドポイントの保存・ログ記録が社内規定を満たすかどうか

マネージドエンドポイントは導入時の運用負担を減らせる。しかし、それ自体が法務・コンプライアンス上の判断を意味するわけではない。

企業向けAIで重要になる理由

Databricksは今回の対応によって、急速に登場するオープンウエイトモデルやフロンティアモデルの配信レイヤーとしての立場を強めている。同社は、GLM 5.3 Flashが自社プラットフォームで利用できる30以上のオープンソース・フロンティアモデルに加わったと説明している。13

中国のAI研究機関が、長大なコンテキスト、コーディング、エージェント機能、比較的低い公開API価格を備えたモデルを相次いで投入するなか、この戦略は企業にとって無視しにくい。AzureのカタログにZhipu AI、Kimi K3、DeepSeekが含まれることは、個別のベンダー契約や推論基盤を毎回用意せず、同じ経路で比較評価できる方向性を示している。5

2026年8月のモデル競争は、この流れをさらに鮮明にした。報道では、DeepSeek V4 Proは総パラメーター数1.6兆、アクティブパラメーター数490億、100万トークンのコンテキストを持つMoEモデル、Qwen3.8-Maxは総パラメーター数2.4兆、アクティブパラメーター数950億のMoEモデル、Grok 4.6は50万トークンのコンテキストに対応する推論モデルと説明されている。

ただし、これらの比較には注意が必要だ。公開情報には公式発表、第三者評価、ベンダー自身の主張が混在しており、同じプロンプト、推論設定、ツール環境で比較されたとは限らない。重要なのは数字の単純な大小より、長大なコンテキスト、エージェント型ワークフロー、オープンまたは部分的にオープンな重み、低コスト推論を組み合わせたモデルが市場に増えていることだ。

導入前に企業が確認すべきこと

DatabricksによってGLM 5.3を試すまでの時間は短くなったが、評価が不要になったわけではない。実務上は、次の4点を確認したい。

1. 業務適合性： 自社のコーディング、文書処理、推論、ツール利用のタスクでFlashとフル版を比較する。
2. コスト構造： 実際のトラフィックを使い、入力、出力、キャッシュ済みトークンの費用を試算する。公開事業者の価格がDatabricksの価格とは限らない。
3. 運用管理： エンドポイントのリージョン、ログ、保存期間、アクセス制御、クォータ、インシデント対応手順を確認する。
4. 法務・セキュリティ： モデルライセンス、データ経路、輸出管理上の影響、プライバシー要件、不正利用や敵対的入力への耐性を点検する。

今回の要点は、Databricksがモデルの公開から企業の試用までの距離を縮めたことだ。モデル選定そのものを、技術だけで決められる問題に変えたわけではない。

まとめ

Databricksは、既存のマネージドモデル提供とAPIのレイヤーを使い、Z.aiのGLM 5.3ファミリーを企業向けに公開した。GLM 5.3 Flashは8月26日、フル版GLM 5.3は8月28日に利用可能になった。314

GLM 5.3 Flashは、総320B・アクティブ18BのMoE構成、ネイティブなマルチモーダル入力、1,048,576トークンのコンテキストを備える。一方、フル版GLM 5.3は、約744B・アクティブ40BのMoEモデルで、同程度の約100万トークンのコンテキストに対応すると報告されている。13

企業にとっての魅力は、モデルの重みをすぐに自社運用しなくても、使い慣れたクラウドプラットフォームから中国発のモデルを評価できることだ。ただしDatabricksが提供するのはアクセスと運用上の利便性であり、ベンチマークの妥当性、ライセンス、データ所在地、輸出管理に関する答えを自動的に与えるものではない。最終的な判断とガバナンスは、各企業と適用される法域に委ねられる。

DatabricksがZ.ai（Zhipu AI）のGLM 5.3ファミリーを短期間で取り込めた理由は、モデルをゼロから移植・運用したというより、既存のホスト型モデルとFoundation Model APIの基盤に載せたためとみられる。GLM 5.3 Flashは2026年8月26日にDatabricksホスト型モデルとして掲載され、フル版GLM 5.3は8月28日に「day-zero」リリースとして案内された。314

公開されている資料からは、社内でのモデル変換、推論基盤の構築、具体的なデプロイ工程までは確認できない。ただし、企業がモデルの重みを自前で運用するのではなく、Databricksの管理された従量課金エンドポイントから呼び出せるようになった、という迅速な提供プロセスは読み取れる。

Databricksが実際に統合したもの

ここで重要なのは、モデル開発と企業向けの配信を分けて考えることだ。GLMシリーズを開発したのはZ.aiであり、Databricksは自社のModel ServingとFoundation Model APIの環境を通じてモデルを公開した。

Azure Databricksでは、GLM 5.3 FlashをADI Services経由で利用できる。エンドポイント名は databricks-glm-5-3-flash で、テキストと画像の入力に対応する。同じカタログにはGLM 5.2、Moonshot AIのKimi K3、DeepSeek V4 Flashなども掲載されている。5

Databricksのドキュメントは、AWSとGoogle CloudのモデルカタログにもGLM 5.3 Flashを掲載している。1718 利用者はDatabricksワークスペース内の従量課金エンドポイントからアクセスでき、Z.aiのAPIを個別に呼び出したり、モデルの重みを自社で運用したりすることが必須ではない。5

つまり今回の「迅速な統合」の実態は、新しいモデルを企業向けに届けるための配信レイヤーとアクセス方式をDatabricksがすでに持っていたことにある。

GLM 5.3 Flashの仕様と位置づけ

GLM 5.3 Flashは、2モデルのうち小型かつ低価格な位置づけだ。ただし、モデル全体の規模は依然として大きい。

• 総パラメーター数：3,200億
• 1トークン当たりのアクティブパラメーター数：180億
• Mixture of Experts（MoE）アーキテクチャ
• テキスト・画像を受け付けるネイティブなマルチモーダル入力
• 1,048,576トークンのコンテキストウィンドウ
• 推論、コーディング、エージェントによるツール利用向けの最適化 317

GLM 5.3 FlashはMITライセンスで公開されたと報告されており、自社ホスティングを検討する企業にとっても比較的扱いやすい。ただし、実際の導入ではライセンス本文、派生利用時の義務、セキュリティリスク、調達規則を個別に確認する必要がある。67

Databricksは、社内のOfficeQA Pro v2比較で、GLM 5.2より品質が約10％高く、コストは10分の1だったと説明している。これはDatabricksによる主張であり、今回確認した資料の範囲では、独立機関が公開した結果ではない。13

Flashの価格は提供事業者によって異なる

公開価格は事業者によって一致していない。ある公開料金表では、GLM 5.3 Flashは入力100万トークン当たり0.15ドル、出力100万トークン当たり0.50ドルとされている。9 一方、OpenRouterでは入力0.05ドル、出力0.1667ドルと掲載されている。12

いずれもDatabricksの企業向け契約価格を示すものではない。導入を検討する場合は、利用中のDatabricks環境で料金表、キャッシュ利用時の扱い、最低利用量、クォータ、請求方法を確認する必要がある。

フル版GLM 5.3は大規模な推論モデル

フル版GLM 5.3は、ファミリーの最上位モデルとして位置づけられている。公開資料では、GLM 5.2由来のMoEベースを維持し、総パラメーター数は約7,440億、アクティブパラメーター数は400億、コンテキストウィンドウは約100万トークンと説明されている。主な性能向上は、新しいベースアーキテクチャーではなく、強化学習を含む事後学習の拡張によるものと報告されている。1

公開されたAPI料金表では、入力100万トークン当たり1.40ドル、出力100万トークン当たり4.40ドルとされる。1 これも公開APIの参考価格であり、Databricksの企業向け料金を確認したものではない。

Z.ai関連の報告では、GLM 5.3はCyberGymで84.5％を記録し、コーディングやターミナル操作のベンチマークでも大幅な改善を示したとされる。ただし、今回確認した資料だけでは、関連テスト全体で独立検証された決定的な順位とはいえない。7

この点は企業のモデル選定で特に重要だ。ベンダーが選んだベンチマークや独自条件での高得点が、社内コード、規制対象文書、機密データ、本番のツール利用ワークフローでの性能を保証するわけではない。導入判断では、公開スコアだけでなく自社の業務に即した評価が必要になる。

クラウド対応とホスティング方式

Databricksのドキュメントによると、GLM 5.3 FlashはAWSとGoogle Cloudのモデルカタログで利用でき、Azure DatabricksではADI Servicesを通じて提供される。51718 アクセスにはDatabricksの従量課金型モデル提供インターフェースを使う。5

企業にとっての価値は、基盤モデルそのものを変更することよりも、利用方法を統一できる点にある。Databricksのホスト型エンドポイントなら、既存のワークスペース、API、請求、アクセス管理のプロセスに組み込みやすい。また、AzureのカタログではOpenAI、Google、Zhipu AI、Moonshot AI、DeepSeekなど複数の提供元のモデルを同じ環境で比較できる。5

一方で、Databricks経由で提供されるからといって、越境移転や規制上のリスクがなくなるという強い主張を裏付ける資料はない。顧客は少なくとも次の項目を確認する必要がある。

• モデルと重みのライセンス
• データ所在地とデータ移転要件
• 輸出管理規制
• 国家安全保障および調達に関する方針
• ベンダーとサブプロセッサーの契約条件
• セキュリティテストと不正利用対策
• エンドポイントの保存・ログ記録が社内規定を満たすかどうか

マネージドエンドポイントは導入時の運用負担を減らせる。しかし、それ自体が法務・コンプライアンス上の判断を意味するわけではない。

企業向けAIで重要になる理由

Databricksは今回の対応によって、急速に登場するオープンウエイトモデルやフロンティアモデルの配信レイヤーとしての立場を強めている。同社は、GLM 5.3 Flashが自社プラットフォームで利用できる30以上のオープンソース・フロンティアモデルに加わったと説明している。13

中国のAI研究機関が、長大なコンテキスト、コーディング、エージェント機能、比較的低い公開API価格を備えたモデルを相次いで投入するなか、この戦略は企業にとって無視しにくい。AzureのカタログにZhipu AI、Kimi K3、DeepSeekが含まれることは、個別のベンダー契約や推論基盤を毎回用意せず、同じ経路で比較評価できる方向性を示している。5

2026年8月のモデル競争は、この流れをさらに鮮明にした。報道では、DeepSeek V4 Proは総パラメーター数1.6兆、アクティブパラメーター数490億、100万トークンのコンテキストを持つMoEモデル、Qwen3.8-Maxは総パラメーター数2.4兆、アクティブパラメーター数950億のMoEモデル、Grok 4.6は50万トークンのコンテキストに対応する推論モデルと説明されている。

ただし、これらの比較には注意が必要だ。公開情報には公式発表、第三者評価、ベンダー自身の主張が混在しており、同じプロンプト、推論設定、ツール環境で比較されたとは限らない。重要なのは数字の単純な大小より、長大なコンテキスト、エージェント型ワークフロー、オープンまたは部分的にオープンな重み、低コスト推論を組み合わせたモデルが市場に増えていることだ。

導入前に企業が確認すべきこと

DatabricksによってGLM 5.3を試すまでの時間は短くなったが、評価が不要になったわけではない。実務上は、次の4点を確認したい。

1. 業務適合性： 自社のコーディング、文書処理、推論、ツール利用のタスクでFlashとフル版を比較する。
2. コスト構造： 実際のトラフィックを使い、入力、出力、キャッシュ済みトークンの費用を試算する。公開事業者の価格がDatabricksの価格とは限らない。
3. 運用管理： エンドポイントのリージョン、ログ、保存期間、アクセス制御、クォータ、インシデント対応手順を確認する。
4. 法務・セキュリティ： モデルライセンス、データ経路、輸出管理上の影響、プライバシー要件、不正利用や敵対的入力への耐性を点検する。

今回の要点は、Databricksがモデルの公開から企業の試用までの距離を縮めたことだ。モデル選定そのものを、技術だけで決められる問題に変えたわけではない。

まとめ

Databricksは、既存のマネージドモデル提供とAPIのレイヤーを使い、Z.aiのGLM 5.3ファミリーを企業向けに公開した。GLM 5.3 Flashは8月26日、フル版GLM 5.3は8月28日に利用可能になった。314

GLM 5.3 Flashは、総320B・アクティブ18BのMoE構成、ネイティブなマルチモーダル入力、1,048,576トークンのコンテキストを備える。一方、フル版GLM 5.3は、約744B・アクティブ40BのMoEモデルで、同程度の約100万トークンのコンテキストに対応すると報告されている。13

企業にとっての魅力は、モデルの重みをすぐに自社運用しなくても、使い慣れたクラウドプラットフォームから中国発のモデルを評価できることだ。ただしDatabricksが提供するのはアクセスと運用上の利便性であり、ベンチマークの妥当性、ライセンス、データ所在地、輸出管理に関する答えを自動的に与えるものではない。最終的な判断とガバナンスは、各企業と適用される法域に委ねられる。