# Gemini 3.8 FlashとGLM-5.3を比較：用途・料金・導入条件で選ぶ

> 画像・音声・PDFも扱うならGemini 3.8 Flash、自社環境での運用も検討するならGLM-5.3が候補です。公式APIの料金、2027年の価格変更、推論設定、外部ベンチマークを条件付きで比較します。

- Source: https://www.aifreeapi.com/ja/posts/gemini-3-8-flash-vs-glm-5-3
- Language: ja
- Published: 2026-10-28
- Updated: 2026-10-28
- Publisher: AI Free API (https://www.aifreeapi.com)

Gemini 3.8 FlashとGLM-5.3は、どちらも長い文脈を扱える推論モデルですが、選ぶ理由は異なります。**画像・音声・動画・PDFをそのまま入力したいならGemini 3.8 Flashが候補になります。テキスト中心の開発作業に使い、将来的な自社環境での運用も検討するならGLM-5.3を評価する価値があります。** これは[Googleの入出力仕様](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash/)と[GLM-5.3の公式モデルカード](https://huggingface.co/zai-org/GLM-5.3)から判断できる違いです。

従量課金の単価では、2026年10月28日時点のGoogle直契約のStandard APIは、Z.AI直契約のGLM-5.3より入力・出力とも安く設定されています。ただし、Geminiの現行料金は2026年12月31日までで、2027年1月1日からの値上げが公表されています。今の単価だけで長期予算を決めないことが大切です。[Googleの料金表](https://ai.google.dev/gemini-api/docs/pricing#gemini-3.8-flash)、[Z.AIの料金表](https://docs.z.ai/guides/overview/pricing)

比較するモデルIDは `gemini-3.8-flash` と `glm-5.3` です。GLM-5.3-FlashやGemini 3.8 Flash Cyberは対象に含めません。本記事は公式仕様と外部測定の比較であり、当サイトが両APIを実行した実測記事ではありません。

## 入力形式と出力上限から、使えるモデルを絞る

最初に確認したいのは、処理したい資料をそのまま渡せるかどうかです。スキャン資料、会議音声、動画を扱う場合、Gemini 3.8 Flashはモデル自体がそれらの入力に対応します。GLM-5.3はテキスト入力なので、同じ仕事を任せるには文字起こしや画像からの情報抽出など、前段の処理を別に用意する必要があります。

| 比較項目 | Gemini 3.8 Flash | GLM-5.3 |
| --- | --- | --- |
| 入力 | テキスト、画像、動画、音声、PDF | テキスト |
| 出力 | テキスト | テキスト |
| 長文の仕様 | 入力上限1,048,576トークン | コンテキスト長1Mトークン |
| 最大出力 | 65,536トークン | 128Kトークン |
| 関数呼び出し・構造化出力・キャッシュ | 対応 | 対応 |
| 推論の初期設定 | `medium` | `max`、推論の有効化が必須 |

出典：[Gemini 3.8 Flashの仕様](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash/)、[Geminiの推論設定](https://ai.google.dev/gemini-api/docs/whats-new-gemini-3.8)、[GLM-5.3の仕様](https://docs.z.ai/guides/llm/glm-5.3)。いずれも2026年10月28日確認。GLMの1M・128Kは公式表記のまま記載しています。

この表の「入力上限」と「コンテキスト長」は、名称も意味も完全には一致しません。どちらも約100万トークンを扱えるという理由だけで、同じ長さの入力と出力を収められるとは判断できません。また、上限まで資料を投入できることと、その全内容を正確に参照できることは別です。長い仕様書を使うなら、必要な箇所を見つけられるか、回答の根拠が元資料と一致するかを確認してください。

GLM-5.3の最大出力は長いため、大きな成果物を一度に生成する用途では評価候補になります。ただし、長さの上限は完成度の保証ではありません。コードならテスト、文書なら必要項目の充足を基準に、分割生成した場合とも比べると判断しやすくなります。

## API料金は、2026年末と2027年以降を分けて計算する

以下は公式直契約のドル建て料金です。GeminiはStandard、GLMはZ.AIのModel APIを対象とし、単位を**100万トークンあたりの米ドル**にそろえています。第三者サービスの円建て料金、Googleのサブスクリプション、GLM Coding Planの月額料金にはそのまま当てはまりません。

| 課金対象 | Gemini：2026年12月31日まで | Gemini：2027年1月1日からの公表料金 | GLM-5.3：2026年10月28日確認 |
| --- | ---: | ---: | ---: |
| 通常の入力 | $0.75 | $1.50 | $1.40 |
| キャッシュにヒットした入力 | $0.075 | $0.15 | $0.26 |
| 出力 | $3.75 | $7.50 | $4.40 |

出典：[GoogleのGemini API料金表](https://ai.google.dev/gemini-api/docs/pricing#gemini-3.8-flash)、[Z.AIのAPI料金表](https://docs.z.ai/guides/overview/pricing)。Geminiの出力料金には思考トークンも含まれます。2027年のGLM価格は確定していないため、現在の料金と公表済みのGemini料金を分けて掲載しています。

### 同じ課金対象トークン数なら、1,000回でいくらになるか

1回あたり通常入力10,000トークン、課金対象の出力2,000トークンと仮定します。出力2,000には課金対象の思考分も含め、両モデルで請求される量が同じという条件です。計算は次のようになります。

```text
1回の料金 = 入力トークン数 × 入力単価 ÷ 1,000,000
          + 課金対象の出力トークン数 × 出力単価 ÷ 1,000,000

Gemini（2026年末まで）= 10,000 × 0.75 ÷ 1,000,000
                       + 2,000 × 3.75 ÷ 1,000,000 = $0.015
GLM-5.3（現在）       = 10,000 × 1.40 ÷ 1,000,000
                       + 2,000 × 4.40 ÷ 1,000,000 = $0.0228
```

| 同条件での試算 | Gemini 3.8 Flash | GLM-5.3 |
| --- | ---: | ---: |
| 現行単価で1,000回 | $15.00 | $22.80 |
| 2027年のGemini公表単価で1,000回 | $30.00 | $22.80と仮定した場合 |

後段はGLMの現行単価が続くと仮定したシナリオであり、2027年のGLM料金を予告するものではありません。いずれも上記公式単価からの計算で、キャッシュ、ツール、保存料、税、再試行、失敗した処理の費用は含めていません。

![同じ入力・出力トークン数で計算した費用を、2026年末までと2027年以降に分けて示す図](https://www.aifreeapi.com/posts/ja/gemini-3-8-flash-vs-glm-5-3/img/token-budget.webp)

ここで比較できるのは「同じ量を請求された場合の単価差」です。同じ依頼をしても、推論の長さ、回答の長さ、やり直しの回数はそろいません。運用予算には、請求額を実際に完了したタスク数で割った金額を使いましょう。安い単価で何度もやり直す場合と、高い単価で一度で終わる場合を区別できます。

### キャッシュと検索を使う場合は、追加費用を分ける

長い共通資料を繰り返し使うなら、キャッシュのヒット率も費用に影響します。GeminiのStandardではキャッシュ保存料が現在100万トークン・1時間あたり$0.50、2027年1月1日から$1.00と公表されています。Z.AIはキャッシュ保存を期間限定で無料としていますが、確認した料金表には終了日がありません。[Googleの料金表](https://ai.google.dev/gemini-api/docs/pricing#gemini-3.8-flash)、[Z.AIの料金表](https://docs.z.ai/guides/overview/pricing)

検索などのツールにも別料金があります。本文生成のトークン単価だけで検索付きの総費用を見積もらず、実際のツール呼び出し回数と各社の課金単位を加えてください。

## 外部ベンチマークではGLMが高得点でも、回答の速さは別に見る

Artificial Analysisの比較ページで2026年10月28日に確認した記録では、GLM-5.3は総合指標とTerminal-Benchで高い値を示し、Gemini 3.8 Flashは出力速度で高い値を示していました。ただし、対象は**GeminiのHigh設定とGLMのMax設定**です。同じ推論量での比較でも、両モデルの標準設定どうしの比較でもありません。

| 外部測定の項目 | Gemini 3.8 Flash（High） | GLM-5.3（Max） |
| --- | ---: | ---: |
| Intelligence Index v4.3.2 | 41 | 45 |
| Terminal-Bench 4.0 | 20% | 42% |
| 出力速度 | 131トークン／秒 | 81トークン／秒 |
| 最初のトークンまでの時間（TTFT） | 25.27秒 | 2.74秒 |
| 最初の回答トークンまでの時間 | 25.27秒 | 27.47秒 |

出典：[Artificial Analysisの対象モデル比較](https://artificialanalysis.ai/models/comparisons/gemini-3-8-flash-vs-glm-5-3)。同日のページ取得時点の値です。速度は継続的に更新されます。Indexは表に記されたv4.3.2の記録であり、現在の方法ページが説明するv5.0の最新順位ではありません。[Indexの測定方法](https://artificialanalysis.ai/methodology/intelligence-benchmarking)

GLMのTTFTは短いものの、最初に返るトークンが思考内容なら、利用者が欲しい回答をすぐに読めるとは限りません。この記録では、最初の回答までの時間は両モデルとも約25〜27秒でした。「出力が始まってから速い」「何かが返り始めるのが早い」「回答を読み始められるのが早い」を分けて考える必要があります。[速度指標の定義](https://artificialanalysis.ai/methodology/performance-benchmarking)

![GeminiとGLMのタイムラインで、最初のトークンと最初の回答までの待ち時間を区別した図](https://www.aifreeapi.com/posts/ja/gemini-3-8-flash-vs-glm-5-3/img/answer-wait.webp)

こうした測定はGLMをコーディング用途の評価候補に入れる根拠になります。一方、英語・テキスト中心の総合指標から、日本語の仕様書、社内用語、文章の自然さまで順位付けすることはできません。実際に使う課題で、受け入れ条件を満たすか確かめるのが次の手順です。

## 導入時は、推論設定と運用先を先に決める

両モデルを同じ指示で試す場合でも、初期設定の差は残ります。Gemini 3.8 Flashは `low`・`medium`・`high` に対応し、初期値は `medium` です。`minimal` は利用できません。GLM-5.3は `thinking.type=enabled` が必須で、`reasoning_effort` は `low`・`high`・`max`、初期値は `max` です。推論を無効にした従来設定を流用すると失敗します。[Geminiの変更点](https://ai.google.dev/gemini-api/docs/whats-new-gemini-3.8)、[GLM-5.3のAPI仕様](https://docs.z.ai/guides/llm/glm-5.3)

まずは実運用で使う推論設定を決め、その設定を記録して費用と品質を比べてください。HighとMaxという名前が似ていても、同じ計算量を意味するわけではありません。

GeminiをAPIで導入する場合は、[Gemini 3.8 Flash APIガイド](/ja/posts/gemini-3-8-flash)でモデルID、初回の呼び出し、移行時の変更点を確認できます。GLMは利用中の契約と対応プロトコルを先に確認してください。公式文書ではCoding Planの利用歴があるアカウントにプロトコル上の条件があり、接続先の一覧とコード例にも異なるパスが記載されています。全アカウントに共通する接続先をここで断定せず、[現在のGLM-5.3公式文書](https://docs.z.ai/guides/llm/glm-5.3)と契約条件に合わせて選ぶ必要があります。

### GLM-5.3を自社環境で動かす場合

GLM-5.3は[公式ウェイト](https://huggingface.co/zai-org/GLM-5.3)が公開されており、API以外の運用方法を選べます。ただし、一般的な開発用PCで手軽に動かす規模ではありません。公式モデルカードが案内する[vLLMの導入例](https://recipes.vllm.ai/zai-org/GLM-5.3)には、FP8で8基のH200またはH20を使う構成が掲載されています。これは構成例であり、当サイトが検証した最低要件ではありません。長いコンテキストと同時実行数を増やす際は、重みの格納分に加えてKVキャッシュなどのメモリも見込む必要があります。

ライセンスはMITやApache 2.0ではなく、独自の[GLM-5.3 License](https://huggingface.co/zai-org/GLM-5.3/blob/main/LICENSE)です。商用利用も条項の対象となるため、再配布やサービス提供を予定する場合は原文を確認してください。「ウェイトが公開されている」だけで、あらゆる商用利用が無条件に認められるわけではありません。

## 自分の用途で選ぶための短い評価手順

選定では、一つの平均点よりも、実際の仕事を終えられるかを基準にします。画像や音声を直接扱う条件ならGeminiから、テキストの開発作業や自社運用が主目的ならGLMも含めて、次の順で確認すると無駄を減らせます。

1. **実際の入力を用意する。** 日本語の仕様書、問い合わせ、コードなど、運用で扱う資料から評価用の課題を選びます。外部APIに送れる情報だけを使ってください。
2. **完了条件を先に決める。** コードはテストの通過、要約は必須項目と根拠の一致、構造化出力は形式と内容の両方で判定します。
3. **条件と結果を一緒に記録する。** モデルID、推論設定、請求対象トークン、ツール回数、回答を読み始めるまでの時間、再試行を残します。
4. **合格した処理の費用で選ぶ。** 失敗ややり直しを含む総費用を完了件数で割り、必要な品質と待ち時間を満たす方を採用します。Geminiを継続利用する予算には、2027年の公表単価も当てはめます。

この手順は評価の提案であり、本記事で実施したテスト結果ではありません。アカウントごとの利用可否、並列処理の上限、稼働の安定性も、契約前後の確認項目として残ります。

## よくある質問

### Gemini 3.8 Flashは画像を生成できますか？

この比較で扱う `gemini-3.8-flash` の出力はテキストです。画像を読み込めることと、画像を生成できることは異なります。画像生成・音声生成・Live APIは対象モデルの対応機能に含まれていません。[公式の対応機能一覧](https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash/)

### GLM Coding Planの月額料金から、APIで使える量を計算できますか？

本記事のトークン単価で月額料金を割っても、Coding Planの利用可能量は求められません。ここで比較したのはZ.AI Model APIの従量料金です。Coding Planは別の契約条件で確認してください。[Z.AIの料金区分](https://docs.z.ai/guides/overview/pricing)

### 日本語ではどちらの回答が優れていますか？

本記事の根拠だけでは順位を付けられません。掲載した外部Indexは主にテキスト・英語での能力を測るもので、日本語品質の直接比較ではありません。敬語、専門用語、資料への忠実さなど、用途で必要な条件をそろえて評価してください。[Artificial Analysisの測定範囲](https://artificialanalysis.ai/methodology/intelligence-benchmarking)