2026年8月26日、中国のAI企業・智谱AI（Zhipu AI、海外ブランドはZ.ai）は、開発者向けサービスで突然注目を集めた匿名モデル「Ox Alpha」の正体を公表した。中国語コミュニティで「牛来（Niu Lai）」と呼ばれていたこのモデルは、智谱AIの新モデル GLM-5.3-Flash だった。146

「Ox Alpha」はなぜ注目されたのか

Ox Alphaは正式発表前、OpenRouterとOpenCode上で企業名や製品ロゴを前面に出さず、無料で匿名テストに提供されていた。短期間で利用が急増し、報道によると5日間で50兆トークンを超え、6日間では60兆トークンを上回ったという。両プラットフォームの利用ランキングで首位に立ち、ピーク時には比較対象となるDeepSeek系モデルの利用量の2倍超に達したとも報じられている。3

つまり今回の発表は、単に「謎のモデルの名前が判明した」という話ではない。大規模な実運用の負荷を、どのような計算基盤で支えたのかが同時に明らかになった点に大きな意味がある。

10万基超の中国製チップで推論を処理

智谱AIによれば、匿名テスト期間中のサービスは、10万基を超える中国製AIチップで構成されたクラスター上で稼働していた。同社はソフトウェア最適化後のハードウェア効率と、トークン単位のコストが主流のNVIDIA製GPUと同程度になったと説明している。36

一方、使用されたチップの正確なメーカーや型番は公表されていない。Huawei、Moore Threads、Hygonなどの名前が候補として報じられているものの、これは外部報道や推測に基づく情報であり、智谱AIがメーカーを確認したわけではない。40

この発表から、「中国があらゆる分野でNVIDIA製ハードウェアに追いついた」と結論づけることはできない。また、中国製チップの推論コストが常にNVIDIA製GPUと同等だと示したものでもない。確認できるのは、大規模な実世界の推論ワークロードを、NVIDIA製GPUではない中国製チップの構成で処理できたということだ。36

CUDA依存を弱める可能性はあるが、代替を意味しない

この事例は、NVIDIAの強みとして知られるCUDAエコシステムにも一つの問いを投げかける。モデルに合わせたソフトウェアスタックや推論エンジンを設計すれば、一部の本番推論ワークロードではCUDAへの依存を抑えられる可能性があるからだ。

ただし、CUDAの開発者基盤、ツール群、既存ソフトウェア、学習用途での優位性まで失われたことを意味するわけではない。今回の証拠だけで、NVIDIA全体の優位性が崩れたと見るのは行き過ぎだ。

1Mトークン対応を支える推論最適化

GLM-5.3-Flashは、総パラメータ数3,200億、1トークンあたりの活性化パラメータ約180億という混合専門家モデル（MoE）だ。テキストだけでなく画像や動画などを扱うネイティブマルチモーダルモデルで、最大1,048,576トークンのコンテキスト長に対応する。57

智谱AIは、SGLangをベースにした専用の推論エンジンを構築し、次のような技術を組み合わせたと報じられている。47

• W8A8量子化
• INT8、FP8、BF16を組み合わせたキャッシュ量子化
• ノード内テンソル並列化
• Encode–Prefill–Decode（EPD）による処理分離

EPDでは、入力のエンコード、長い入力文脈の事前計算（Prefill）、出力生成（Decode）を別々のプールとして扱い、それぞれを独立して拡張しやすくする。1Mトークン級の長大なコンテキストでは、メモリー容量、メモリー帯域、通信、スケジューリングがボトルネックになりやすく、こうしたシステム設計が重要になる。

智谱AIは、これらの変更によって初期ベースラインと比べ、エンドツーエンドのサービス性能が約3倍向上したと説明したとされる。2 また、後に公開されたSGLangのドキュメントでは、FP8構成がBF16構成に対して曲線全体で約2.9～5.7％高いスループットを示し、同じプール容量で保持できるキャッシュが1.8倍になったとされている。ただし、これはSGLang側の測定結果であり、智谱AIによる「約3倍」という主張を独立に監査したものではない。2

性能評価と価格

GLM-5.3-Flashは、Artificial Analysis Intelligence Indexで57点とされ、同じ指標上ではClaude Opus 4.8と並ぶ評価だったと報じられている。1 もっとも、これは複数の評価をまとめた合成指標であり、すべてのベンチマークや実際のエージェント作業で両モデルの性能が同等だという意味ではない。

モデルの位置づけは、DeepSeek V4 FlashやProのような効率重視の最先端モデルとの競争にある。智谱AIは、こうしたモデルと競合しながら、より低い推論価格を打ち出している。ただし、両DeepSeekモデルとのベンチマーク別の厳密な比較を裏付ける材料は、現時点で十分とはいえない。

公表されたAPI価格は、入力が100万トークンあたり0.15ドル、出力が100万トークンあたり0.50ドル。1 報道ではGLM-5.3の価格のおよそ10分の1、Claude Opus 4.8のおよそ40分の1とも説明されたが、実際の比率は入力・出力の区分、コンテキスト長の料金帯、契約プランによって変わる。

今回の発表が示すもの

Ox Alphaの正体がGLM-5.3-Flashだと判明したことで、智谱AIは低価格で高性能なモデルを提供するだけでなく、巨大な推論需要を中国製チップと専用ソフトウェアで処理できることを示した。これは、AI競争の焦点がモデルの性能や半導体のスペックだけでなく、量子化、通信、メモリー管理、サービス構成を含む「システム全体の設計」に移っていることを示す一例といえる。

ただし、今回確認されたのは一つのモデルと特定の推論環境での成果だ。NVIDIAのハードウェアやCUDAが不要になったこと、あるいは中国製チップがあらゆるAI用途で同等のコストや性能を実現したことを示すものではない。

2026年8月26日、中国のAI企業・智谱AI（Zhipu AI、海外ブランドはZ.ai）は、開発者向けサービスで突然注目を集めた匿名モデル「Ox Alpha」の正体を公表した。中国語コミュニティで「牛来（Niu Lai）」と呼ばれていたこのモデルは、智谱AIの新モデル GLM-5.3-Flash だった。146

「Ox Alpha」はなぜ注目されたのか

Ox Alphaは正式発表前、OpenRouterとOpenCode上で企業名や製品ロゴを前面に出さず、無料で匿名テストに提供されていた。短期間で利用が急増し、報道によると5日間で50兆トークンを超え、6日間では60兆トークンを上回ったという。両プラットフォームの利用ランキングで首位に立ち、ピーク時には比較対象となるDeepSeek系モデルの利用量の2倍超に達したとも報じられている。3

つまり今回の発表は、単に「謎のモデルの名前が判明した」という話ではない。大規模な実運用の負荷を、どのような計算基盤で支えたのかが同時に明らかになった点に大きな意味がある。

10万基超の中国製チップで推論を処理

智谱AIによれば、匿名テスト期間中のサービスは、10万基を超える中国製AIチップで構成されたクラスター上で稼働していた。同社はソフトウェア最適化後のハードウェア効率と、トークン単位のコストが主流のNVIDIA製GPUと同程度になったと説明している。36

一方、使用されたチップの正確なメーカーや型番は公表されていない。Huawei、Moore Threads、Hygonなどの名前が候補として報じられているものの、これは外部報道や推測に基づく情報であり、智谱AIがメーカーを確認したわけではない。40

この発表から、「中国があらゆる分野でNVIDIA製ハードウェアに追いついた」と結論づけることはできない。また、中国製チップの推論コストが常にNVIDIA製GPUと同等だと示したものでもない。確認できるのは、大規模な実世界の推論ワークロードを、NVIDIA製GPUではない中国製チップの構成で処理できたということだ。36

CUDA依存を弱める可能性はあるが、代替を意味しない

この事例は、NVIDIAの強みとして知られるCUDAエコシステムにも一つの問いを投げかける。モデルに合わせたソフトウェアスタックや推論エンジンを設計すれば、一部の本番推論ワークロードではCUDAへの依存を抑えられる可能性があるからだ。

ただし、CUDAの開発者基盤、ツール群、既存ソフトウェア、学習用途での優位性まで失われたことを意味するわけではない。今回の証拠だけで、NVIDIA全体の優位性が崩れたと見るのは行き過ぎだ。

1Mトークン対応を支える推論最適化

GLM-5.3-Flashは、総パラメータ数3,200億、1トークンあたりの活性化パラメータ約180億という混合専門家モデル（MoE）だ。テキストだけでなく画像や動画などを扱うネイティブマルチモーダルモデルで、最大1,048,576トークンのコンテキスト長に対応する。57

智谱AIは、SGLangをベースにした専用の推論エンジンを構築し、次のような技術を組み合わせたと報じられている。47

• W8A8量子化
• INT8、FP8、BF16を組み合わせたキャッシュ量子化
• ノード内テンソル並列化
• Encode–Prefill–Decode（EPD）による処理分離

EPDでは、入力のエンコード、長い入力文脈の事前計算（Prefill）、出力生成（Decode）を別々のプールとして扱い、それぞれを独立して拡張しやすくする。1Mトークン級の長大なコンテキストでは、メモリー容量、メモリー帯域、通信、スケジューリングがボトルネックになりやすく、こうしたシステム設計が重要になる。

智谱AIは、これらの変更によって初期ベースラインと比べ、エンドツーエンドのサービス性能が約3倍向上したと説明したとされる。2 また、後に公開されたSGLangのドキュメントでは、FP8構成がBF16構成に対して曲線全体で約2.9～5.7％高いスループットを示し、同じプール容量で保持できるキャッシュが1.8倍になったとされている。ただし、これはSGLang側の測定結果であり、智谱AIによる「約3倍」という主張を独立に監査したものではない。2

性能評価と価格

GLM-5.3-Flashは、Artificial Analysis Intelligence Indexで57点とされ、同じ指標上ではClaude Opus 4.8と並ぶ評価だったと報じられている。1 もっとも、これは複数の評価をまとめた合成指標であり、すべてのベンチマークや実際のエージェント作業で両モデルの性能が同等だという意味ではない。

モデルの位置づけは、DeepSeek V4 FlashやProのような効率重視の最先端モデルとの競争にある。智谱AIは、こうしたモデルと競合しながら、より低い推論価格を打ち出している。ただし、両DeepSeekモデルとのベンチマーク別の厳密な比較を裏付ける材料は、現時点で十分とはいえない。

公表されたAPI価格は、入力が100万トークンあたり0.15ドル、出力が100万トークンあたり0.50ドル。1 報道ではGLM-5.3の価格のおよそ10分の1、Claude Opus 4.8のおよそ40分の1とも説明されたが、実際の比率は入力・出力の区分、コンテキスト長の料金帯、契約プランによって変わる。

今回の発表が示すもの

Ox Alphaの正体がGLM-5.3-Flashだと判明したことで、智谱AIは低価格で高性能なモデルを提供するだけでなく、巨大な推論需要を中国製チップと専用ソフトウェアで処理できることを示した。これは、AI競争の焦点がモデルの性能や半導体のスペックだけでなく、量子化、通信、メモリー管理、サービス構成を含む「システム全体の設計」に移っていることを示す一例といえる。

ただし、今回確認されたのは一つのモデルと特定の推論環境での成果だ。NVIDIAのハードウェアやCUDAが不要になったこと、あるいは中国製チップがあらゆるAI用途で同等のコストや性能を実現したことを示すものではない。