智譜AI（国際ブランドはZ.ai）は2026年8月26日、正体を伏せて公開されていた「Ox Alpha」の謎に終止符を打った。中国の開発者コミュニティで「牛来（Niu Lai）」とも呼ばれていたこのモデルは、GLMシリーズの新モデル「GLM-5.3-Flash」だった。オープンウェイトで、テキストや画像などを扱うネイティブ・マルチモーダルモデルとされている。115

発表で注目を集めたのは、モデルの正体だけではない。智譜AIによると、Ox AlphaはOpenRouterとOpenCodeで匿名・無料の試験提供を受け、5日間で5兆トークンを超えるトラフィックを処理した。その全リクエストは、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によって処理されたという。815

匿名テストが「実戦」に近い負荷試験に

Ox Alphaは、企業名や製品ブランドを前面に出さずに開発者へ提供された。そのため利用者は、従来の発表会や宣伝ではなく、出力品質、速度、安定性、利用可能性、価格といった実際の使用感を基準にモデルを評価できた。

モデルはOpenRouterとOpenCodeの利用ランキングで急速に上位へ浮上した。後続報道では、6日間の累計トラフィックが6兆トークンを超えたとも報じられている。また、OpenRouterでは同じ条件で比較したDeepSeek関連モデルの2倍を超える利用量になったとされる。集計期間やプラットフォームごとの測定方法が異なるため、最も慎重な結論は「5日間で5兆トークンを超え、異例に強い需要を集めた」というものだ。1330

この試験の意味は、モデルの正体が明らかになる前に、世界中の開発者による大規模な実トラフィックにさらされた点にある。ユーザーが反応したのは、智譜AIのブランドや採用チップではなく、実際の回答とサービス性能だった。

中国製チップについて智譜AIが明らかにしたこと

智譜AIは、オンライン推論のワークロードを10万基超の中国製アクセラレーターで処理し、ソフトウェア最適化によってハードウェア効率と1トークン当たりのコストを主流のNVIDIA GPUと同等の水準にしたと主張している。1524

ただし、今回確認できる資料では、具体的なチップメーカー名は智譜AIから公表されていない。業界報道ではHuawei、Moore Threads、Hygonが関与した可能性が挙げられているが、これは未検証の報道であり、智譜AIによる正式な確認として扱うべきではない。3040

また、この主張を広げすぎるのは危険だ。今回の事例だけで、中国製チップがあらゆるワークロードでNVIDIAに追いついたこと、学習用途でNVIDIAが置き換えられたこと、あるいは両陣営の開発ツールが同等であることまでは示せない。

確認できるのは、より限定された事実だ。モデルと提供システムを一緒に最適化すれば、NVIDIA製品を使わない国内チップの構成でも、大規模な推論サービスを設計できる可能性が示されたのである。

1,048,576トークンを支えた推論ソフトウェア

最大100万トークン級のコンテキストを扱うには、メモリー容量、メモリーバンド幅、チップ間通信、処理スケジューリングのすべてに大きな負荷がかかる。智譜AIはSGLangを基盤に専用の推論エンジンを構築し、複数の技術を組み合わせたと報じられている。

• W8A8量子化による計算量とメモリー負荷の削減
• キャッシュへのINT8、FP8、BF16の混合量子化
• ノード内でのテンソル並列化
• マルチモーダルエンコード、プロンプトの事前処理（Prefill）、トークン単位の生成（Decode）を分離し、それぞれを独立して拡張できるEncode–Prefill–Decode（EPD）構成 1124

智譜AIは、これらの仕組みにより、同じハードウェア上の初期ベースラインと比べてエンドツーエンドのサービス性能が約3倍になったとしている。2426

その後のSGLang公式ドキュメントでも、BF16構成と比べたスループットの向上や、FP8キャッシュ容量の改善が報告されている。ただし、この資料は智譜AIが示した「3倍」という数値を第三者が監査したものではない。17

NVIDIAのCUDA優位に何をもたらすのか

今回の発表がNVIDIAに突きつける論点は、AI全体の優位性が一気に崩れるかどうかではなく、推論におけるCUDA依存の度合いだ。

専用カーネル、量子化、並列化、処理スケジューリングをモデルごとに最適化すれば、特定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。一方で、NVIDIAが持つソフトウェアエコシステム、開発ツール、導入実績、開発者基盤、学習分野での優位性は別の問題であり、今回のローンチだけで結論は出せない。

つまり、Ox Alphaの実験は「NVIDIAの牙城が崩壊した」という話ではない。推論サービスでは、チップの理論性能だけでなく、モデル、ランタイム、通信、メモリー管理をどこまで一体設計できるかが競争力を左右することを示した。

GLM-5.3-Flashの主な仕様

GLM-5.3-Flashは、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約180億のスパースMixture of Experts（MoE）モデルと報告されている。最大1,048,576トークンのコンテキストウィンドウとネイティブ・マルチモーダル入力に対応し、長文書の処理、コーディング、長時間にわたるエージェント作業を主な用途に位置付ける。257

Artificial Analysis Intelligence Indexの報告スコアは57で、Claude Opus 4.8と同じだった。9 ただし、これは1つの複合指標における同点を意味するにすぎず、個別ベンチマーク、アプリケーション、エージェントタスクのすべてで同等の性能を証明するものではない。

価格が競争力を押し上げる

智譜AIが示したAPI価格は、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ドルだ。429

同時期の報道では、GLM-5.3のおよそ10分の1、Claude Opus 4.8のおよそ40分の1と説明された。ただし、こうした倍率は、入力と出力のどちらを比べるか、料金プランやコンテキストの区分をどうそろえるかによって変わる。14

GLM-5.3-Flashの競争力は、単一の要素から生まれたものではない。比較的効率のよいスパース構造、積極的な推論最適化、そして低価格の組み合わせが利用者を引きつけた。正体を伏せた段階でこれほどの利用を集めたことは、この組み合わせが実際の開発者需要に応えられる可能性を示している。

もちろん、今回の結果は、智譜AIがハードウェアやソフトウェアに残るすべての制約を解決したことを意味しない。それでも、モデル、推論エンジン、ハードウェアを共同設計することで、フロンティア級モデルの推論コストと運用基盤をどこまで変えられるかを示す、注目すべき本番規模の実証になった。

智譜AI（国際ブランドはZ.ai）は2026年8月26日、正体を伏せて公開されていた「Ox Alpha」の謎に終止符を打った。中国の開発者コミュニティで「牛来（Niu Lai）」とも呼ばれていたこのモデルは、GLMシリーズの新モデル「GLM-5.3-Flash」だった。オープンウェイトで、テキストや画像などを扱うネイティブ・マルチモーダルモデルとされている。115

発表で注目を集めたのは、モデルの正体だけではない。智譜AIによると、Ox AlphaはOpenRouterとOpenCodeで匿名・無料の試験提供を受け、5日間で5兆トークンを超えるトラフィックを処理した。その全リクエストは、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によって処理されたという。815

匿名テストが「実戦」に近い負荷試験に

Ox Alphaは、企業名や製品ブランドを前面に出さずに開発者へ提供された。そのため利用者は、従来の発表会や宣伝ではなく、出力品質、速度、安定性、利用可能性、価格といった実際の使用感を基準にモデルを評価できた。

モデルはOpenRouterとOpenCodeの利用ランキングで急速に上位へ浮上した。後続報道では、6日間の累計トラフィックが6兆トークンを超えたとも報じられている。また、OpenRouterでは同じ条件で比較したDeepSeek関連モデルの2倍を超える利用量になったとされる。集計期間やプラットフォームごとの測定方法が異なるため、最も慎重な結論は「5日間で5兆トークンを超え、異例に強い需要を集めた」というものだ。1330

この試験の意味は、モデルの正体が明らかになる前に、世界中の開発者による大規模な実トラフィックにさらされた点にある。ユーザーが反応したのは、智譜AIのブランドや採用チップではなく、実際の回答とサービス性能だった。

中国製チップについて智譜AIが明らかにしたこと

智譜AIは、オンライン推論のワークロードを10万基超の中国製アクセラレーターで処理し、ソフトウェア最適化によってハードウェア効率と1トークン当たりのコストを主流のNVIDIA GPUと同等の水準にしたと主張している。1524

ただし、今回確認できる資料では、具体的なチップメーカー名は智譜AIから公表されていない。業界報道ではHuawei、Moore Threads、Hygonが関与した可能性が挙げられているが、これは未検証の報道であり、智譜AIによる正式な確認として扱うべきではない。3040

また、この主張を広げすぎるのは危険だ。今回の事例だけで、中国製チップがあらゆるワークロードでNVIDIAに追いついたこと、学習用途でNVIDIAが置き換えられたこと、あるいは両陣営の開発ツールが同等であることまでは示せない。

確認できるのは、より限定された事実だ。モデルと提供システムを一緒に最適化すれば、NVIDIA製品を使わない国内チップの構成でも、大規模な推論サービスを設計できる可能性が示されたのである。

1,048,576トークンを支えた推論ソフトウェア

最大100万トークン級のコンテキストを扱うには、メモリー容量、メモリーバンド幅、チップ間通信、処理スケジューリングのすべてに大きな負荷がかかる。智譜AIはSGLangを基盤に専用の推論エンジンを構築し、複数の技術を組み合わせたと報じられている。

• W8A8量子化による計算量とメモリー負荷の削減
• キャッシュへのINT8、FP8、BF16の混合量子化
• ノード内でのテンソル並列化
• マルチモーダルエンコード、プロンプトの事前処理（Prefill）、トークン単位の生成（Decode）を分離し、それぞれを独立して拡張できるEncode–Prefill–Decode（EPD）構成 1124

智譜AIは、これらの仕組みにより、同じハードウェア上の初期ベースラインと比べてエンドツーエンドのサービス性能が約3倍になったとしている。2426

その後のSGLang公式ドキュメントでも、BF16構成と比べたスループットの向上や、FP8キャッシュ容量の改善が報告されている。ただし、この資料は智譜AIが示した「3倍」という数値を第三者が監査したものではない。17

NVIDIAのCUDA優位に何をもたらすのか

今回の発表がNVIDIAに突きつける論点は、AI全体の優位性が一気に崩れるかどうかではなく、推論におけるCUDA依存の度合いだ。

専用カーネル、量子化、並列化、処理スケジューリングをモデルごとに最適化すれば、特定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。一方で、NVIDIAが持つソフトウェアエコシステム、開発ツール、導入実績、開発者基盤、学習分野での優位性は別の問題であり、今回のローンチだけで結論は出せない。

つまり、Ox Alphaの実験は「NVIDIAの牙城が崩壊した」という話ではない。推論サービスでは、チップの理論性能だけでなく、モデル、ランタイム、通信、メモリー管理をどこまで一体設計できるかが競争力を左右することを示した。

GLM-5.3-Flashの主な仕様

GLM-5.3-Flashは、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約180億のスパースMixture of Experts（MoE）モデルと報告されている。最大1,048,576トークンのコンテキストウィンドウとネイティブ・マルチモーダル入力に対応し、長文書の処理、コーディング、長時間にわたるエージェント作業を主な用途に位置付ける。257

Artificial Analysis Intelligence Indexの報告スコアは57で、Claude Opus 4.8と同じだった。9 ただし、これは1つの複合指標における同点を意味するにすぎず、個別ベンチマーク、アプリケーション、エージェントタスクのすべてで同等の性能を証明するものではない。

価格が競争力を押し上げる

智譜AIが示したAPI価格は、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ドルだ。429

同時期の報道では、GLM-5.3のおよそ10分の1、Claude Opus 4.8のおよそ40分の1と説明された。ただし、こうした倍率は、入力と出力のどちらを比べるか、料金プランやコンテキストの区分をどうそろえるかによって変わる。14

GLM-5.3-Flashの競争力は、単一の要素から生まれたものではない。比較的効率のよいスパース構造、積極的な推論最適化、そして低価格の組み合わせが利用者を引きつけた。正体を伏せた段階でこれほどの利用を集めたことは、この組み合わせが実際の開発者需要に応えられる可能性を示している。

もちろん、今回の結果は、智譜AIがハードウェアやソフトウェアに残るすべての制約を解決したことを意味しない。それでも、モデル、推論エンジン、ハードウェアを共同設計することで、フロンティア級モデルの推論コストと運用基盤をどこまで変えられるかを示す、注目すべき本番規模の実証になった。