Z.ai エコシステム実践解説 — エンジニア向けテクニカルリファレンス

https://daisuke.masuda.tokyo/article-2026-08-24-0212

このスライドは、Z.aiのフラッグシップモデル「GLM-5.3」、専用開発環境「ZCode」、業務自動化エージェント「AutoClaw」の3製品を全21ページで解説するエンジニア向けリファレンスです。前半はGLM-5.3の仕様（743B・1Mコンテキスト・常時推論）と訓練基盤、Terminal Bench 3.0やCyberGymなどのベンチマーク、Coding Planの料金とAPI設定を深掘り。中盤はZCodeの機能と導入手順、AutoClawの6大機能とユースケースを紹介。終盤はClaude Code・Codex・OSSエージェント・OpenClawとの比較と使い分けガイドで締め、技術選定を支援します。

このスライドはGLM-5.3で作成しました。

Transcript

1. $ z.ai ecosystem --technical-reference --lang ja GLM-5.3 × ZCode × AutoClaw Z.ai エコシステム実践解説 ̶ エンジニア向けテクニカルリファレンス z-ai-ecosystem — bash $ z.ai --products glm-5.3 zcode autoclaw > frontier coding · agentic dev env · ai agent for work GLM-5.3 ZCode AutoClaw フラッグシップLLM ポストトレーニング特化で⾶躍 Agentic Development Environment GLM-5.3専⽤の開発環境 デスクトップAIエージェント コーディング外の業務を⾃動化 2026年8⽉ · 公開情報（z.ai / docs.z.ai / zcode.z.ai / autoclaw.z.ai）ベースに作成
2. $ toc --four-parts 02 / 21 ⽬次・本資料の構成 GLM-5.3 ̶ モデルの能⼒と仕様 P3-9 01 743Bの巨⼤モデル何が変わったのか。アーキテクチャ、公開ベンチマーク、料⾦とAPI仕様ま でを深掘りします。 本資料の読み⽅ $ cat READING.md ① ZCode ̶ 開発のためのADE P10-13 02 GLM-5.3専⽤に設計されたAgentic Development Environment。⻑時間タスク・Goal Mode ・Bot連携による開発体験を解説します。 AutoClaw ̶ 業務⾃動化エージェント P14-16 03 コーディング以外の仕事を担うデスクトップエージェント。50以上のスキルとIM連携で定常業 務を肩代わりします。 ② ③ 数値はすべて公開ベンチマークと公式料⾦ページが 出典です。効果を保証するものではありません。 コマンド例は実⾏環境を想定した擬似コードです。 バージョンにより挙動が変わる可能性があります。 競合⽐較は2026年8⽉時点の公開情報に基づきま す。料⾦・性能は随時改定される点に注意してくだ さい。 競合⽐較と使い分け P17-21 04 Claude Code・OpenAI Codex・OSSエージェント・OpenClawとの⽐較、⽬的別の選び⽅ま でを整理します。 対象: GLM-5.3 / ZCode / AutoClaw をこれから試すエンジニ ア
3. $ git log --oneline glm-series 03 / 21 Z.ai と GLM シリーズの系譜 智谱AI（Zhipu AI） オープンウェイト戦略 GLM-5.2の基盤を継承 清華⼤学発の中国AI企業で、GLMシリーズの開発元。⼤ モデルウェイトの公開と低価格なCoding Planで利⽤裾 規模モデルの⾃社訓練から推論API・アプリ提供まで⼀ 野を拡⼤。主要モデルを順次公開し、オープン陣営の最 気通貫で⼿がける体制です。 有⼒候補としての地位を築きました。 IndexShare（⻑⽂脈処理）・SAO（⻑時間タスクRL） ・slime（⾮同期訓練）という訓練基盤を5.3がそのまま 引き継ぎ、短期間の追訓練で⼤きな伸びを実現できてい ます。 GLM シリーズの歩み 2025 GLM-4.5 / 4.6 2026-08-14 エージェント⽤途で評価を確⽴。ツール実 ⾏と⻑⽂脈処理が強みで、海外の開発者コ ミュニティにも利⽤が広がりました。 GLM-5.3 リリース ベースモデルはGLM-5.2と同⼀。ポストト レーニングのみで強化し、コーディングと ⻑時間タスクが⼤幅に向上しました。 2026前半 GLM-5 / 5.1 / 5.2 743B MoE基盤が確定し、SAO・slimeなど の訓練基盤を構築。この時期の投資が5.3の ⼟台になります。 2026-08末 ウェイト公開予定 安全性評価と硬化の完了後、発表から2週間 で公開予定。公開後は⾃⼰ホストでの検証 も可能になります。 GLM-5.2で構えた訓練基盤（IndexShare / SAO / slime）を5.3が継承 ̶ 「同じベースで、訓練だけでどこまで伸びるか」への回答がGLM-5.3です。同じ⼟台のまま伸びたことは、訓 練パイプラインの再現性の⾼さを⽰す好材料でもあります。
4. $ glm-5.3 --version --specs 04 / 21 GLM-5.3 概要 ̶ 何が変わったか 743B +50% 1M 128K ベースモデルの規模 GLM-5.2と同⼀の基盤を利⽤ Z.ai Code Bench 対前世代GLM-5.2⽐のコーディング性能 コンテキストウィンドウ 1,048,576トークンの安定⽂脈 最⼤出⼒トークン ⻑⼤なコード⽣成にも対応 主な仕様と変更点 GLM-5.3はGLM-5.2と同じ743Bのベースモデルに、ポストトレーニングだけを重ねたモデルで す。基本仕様は前世代から踏襲しつつ、複雑なコーディングと⻑時間タスクで⼤きく伸びていま す。 › › › API パラメータ例と移⾏の注意 request.json { "model": "glm-5.3", "thinking": { "type": "enabled" }, "reasoning_effort": "max" ⼊⼒モダリティ テキストのみ（画像⼊⼒は⾮対応） 推論モード 常時推論オン。無効化は不可（thinking.type は enabled 固定） 推論 effort low は軽い推論、high は強化、max は深い推論。デフォルトは max › 推奨設定 コーディングのような複雑タスクでは max を推奨。軽微な修正には low も有効 › 変更の本質 ポストトレーニングのスケール拡⼤のみ（環境数・タスク多様性・計 算量） } 移⾏注意 thinking.type: "disabled" は廃⽌されました。旧コードは「enabled + reasoning_effort: low」に置き換えてから、モデルIDを glm-5.3 へ更新して ください。常に推論が⾛る分だけ応答は⻑くなるため、低コスト運⽤では effort 設計（タスクごとの使い分け）が鍵になります。
5. $ post-training --stack --pipeline 05 / 21 GLM-5.3 のアーキテクチャ ̶ ポストトレーニングスタック IndexShare ⻑⽂脈を効率よく処理するためのアーキテクチャ（ GLM-5.2から継承）。1Mトークンの安定動作を下⽀え します。 SAO + compaction slime ⻑時間タスク向けのRL戦略。短時間タスクだけでなく⻑ ⼤規模⾮同期訓練基盤。環境数を増やしても訓練パイプ 時間タスクでも利得が維持されます。 ラインが律速にならない設計です。 環境合成パイプライン ̶ 「訓練環境」を⾃動で量産する 1 リサーチエージェント 2 ジャッジエージェント → 3 検証器の合成 → 4 RL訓練へ → 実務からタスクパターンを収集し、多段 ⽣成されたタスクが実際に解けるかを検 参照解なしで検証器を⽣成。oracle / no- 信頼できるバイナリ報酬で直接RL訓練。 階の依存関係と隠れ状態を持つ実⾏可能 な環境へ変換します。 証します。解けない環境は訓練に使いま せん。 op / 未解決チェックを通過したら⼆値報 酬として利⽤します。 solver軌跡から報酬の近道も検出して塞ぎ ます。 要点 エージェント能⼒が上がるほど、スケーリングの難所はモデルから環境側へ移ります。GLM-5.3の訓練環境には「経験豊富なエンジニアの数⽇分の仕事」に相当するタスク （ML基盤のボトルネック診断と⾼速化など）が含まれ、⼈⼿の分解・監視なしに⼤きな仕事を最後まで遂⾏する⼒を鍛えます。SAOはGLM-5.2で導⼊されたRL戦略で、 compactionと併⽤することで利得が⻑時間タスクでも維持されます。環境⽣成の完全な⾃律化は次の課題です。
6. $ benchmark --coding 06 / 21 ベンチマーク① コーディング性能 Terminal Bench 3.0（ターミナル実務タスク） 実環境のターミナルで与えられた課題をどこまで完遂できるかを測る指標です（⾼いほど良 い）。 公開ベンチマーク詳細スコア GLM-5.3 は Terminal Bench 3.0 と Agents' Last Exam でオープンソースSOTAを達成し ました。 GPT-5.6 Sol 34.6 ベンチマーク GLM-5.3 GLM-5.2 最強クローズド Fable 5 33.7 Terminal Bench 2.1 88.2 81.0 88.8 GPT-5.6 Sol GLM-5.3 28.3 DeepSWE v1.1 66.9 46.2 72.7 GPT-5.6 Sol Claude Opus 4.8 21.1 FrontierSWE 78.1 67.5 88.2 Fable 5 Kimi K3 17.4 SWE-Marathon v1.1 42.5 19.4 48.8 Opus 4.8 GLM-5.2 4.6 NL2Repo 58.0 48.9 69.7 Opus 4.8 ProgramBench (Almost) 19.0 9.5 33.0 Fable 5 GLM-5.2⽐で 4.6 → 28.3 へ⼤幅向上。オープン系最強となり、クローズド2強（GPT-5.6 Sol / Fable 5）に次ぐ⽔準です。Terminal Bench 3.0は実務的な難易度が⾼く、点数の差 はそのまま現場での成功率の差に反映されやすい点が重要です。右表の指標は、DeepSWE ＝実在GitHub課題の解決、FrontierSWE＝⾼難度の修正、NL2Repo＝⾃然⾔語からの⽣成 、SWE-Marathon＝⻑時間続⾏と読み替えてください。 出典: Z.ai公式ブログ（2026-08-14）の⽐較表より抜粋。Kimi K3・DeepSeek-V4 Pro・ Qwen3.8-Maxを含む8モデル⽐較に基づきます。「最強」列は各ベンチで最⾼点を取ったク ローズドモデルで、GPT-5.6 SolとFable 5がほぼ独占。GLM-5.3は全項⽬で前世代を上回り 、FrontierSWEでは78.1とFable 5の88.2に⾁薄しています。
7. $ benchmark --efficiency 07 / 21 ベンチマーク② Z.ai Code Bench ̶ 効率の⾒積り トークン効率が価値 完遂率 × 出⼒トークン消費（Z.ai Code Bench） ⾮公開の実ユーザーシナリオ型ベンチ。タスク完遂率とチェックリスト精度の2軸で評価します。トー クン効率は実コストに直結する最重要指標です。同じ完遂率をより少ないトークンで出せるかどうかが 、継続利⽤のコストを⼤きく左右します。 出⼒トークン量はレイテンシとコストに直結します。少ないトークンで⾼い 完遂率を出せるのがGLM-5.3の持ち味。効率が良いほど同じ待ち時間で多く の試⾏が回せます。 Max effort GLM-5.3 34.5% 約75K出力/タスク GLM-5.2 23.4% 96K出力/タスク 汚染リスクを回避 Z.ai Code Bench は⾮公開のため、公開テストセットの汚染リスクを避けら れます。実ユーザーのシナリオを模した課題で、実務感覚に近い指標として High effort 設計されています。 GLM-5.3 31.4% 約50K出力/タスク Claude Opus 4.8 29.5% 120K出力/タスク 参考 Claude Fable 5 は Max effort で 39.5% が最⼤。GLM-5.3 は前世代⽐で約2割少ないトー クンで +11.1pt、High effort では Opus 4.8 を消費4割以下で上回ります。この差が毎⽇のイテ レーションで積み重なると、⽉次のコストと処理待ち時間に⼤きな差になります。 effortで制御 reasoning_effort（low / high / max）で品質とコストのバランスをタスク ごとに調整できます。⽇常の軽微な修正はlow、設計や移植はmaxといった使 い分けが効率的です。
8. $ benchmark --cyber --agentic 08 / 21 ベンチマーク③ エージェント・サイバー能⼒ CyberGym（脆弱性の発⾒と検証） ExploitGym / ExploitBench ̶ エクスプロイト実⾏ ホワイトボックスのソースから脆弱性を特定し故障発⽣で検証。全モデル中最⾼を記 録。探索連鎖の最初の段階にあたり、コードを読める前提での発⾒⼒を測ります。 105 130 29 / 39 2時間での完了タスク数 6時間での完了タスク数 GLM-5.2の同条件の成績 GLM-5.3 84.5 Mythos 5 83.8 GPT-5.6 Sol 83.6 DeepSeek-V4 Pro 83.3 前世代⽐ 約3.3〜4.5倍。ExploitBench も 54.4 vs 24.4（GLM-5.2）で2倍超。 進み⽅がエクスプロイト連鎖の後段ほど⼤きい = 「発⾒だけでなく、連鎖全体を計画する⼒」が急 伸。予算はモデルごとのスループットで正規化されます。 その他のエージェント指標 73.0 +13.1） Kimi K3 80.0 GLM-5.2 77.2 脆弱性発⾒（CyberGym）ではクローズド最強勢を抑えて単独⾸位。防御側の実 ⽤価値を⽰す結果です。⾃社コードの診断やパッチ検証の⾃動化など、守り側の ワークフローへの組み込みが現実的な使い道になります。 Toolathlon Verified （GLM-5.2 59.9から 28.5 Agents' Last Exam (ALE-CLI) （GLM-5.2 23.8を更新） 1769 ） 48.2 AutomationBench v1.0.6 （GLM-5.2 26.2か 62.5 HLE w/ Tools （GLM-5.2 54.7を更新） ら倍増） GDPval-AA v2 （GLM-5.2 1508から⼤幅更新 エンジニア視点 脆弱性の発⾒→検証→エクスプロイト構築まで⼀気通貫で推論する能⼒が形成されつつ あります（エマージェント）。ただし実⾏系では ExploitBench 78.0・ExploitGym 181/247 のクローズ ド最強（Fable 5 / Mythos 5系）との差は依然⼤きい正直なところ。セキュリティ診断・パッチ検証・ CTFといった防御側⽤途では即戦⼒で、中国の複数セキュリティチームとの実環境検証も進んでいます。
9. $ pricing --plans --endpoints 09 / 21 GLM Coding Plan ̶ 料⾦とAPI仕様 プラン ⽉額（年払い） クレジット 想定⽤途 APIエンドポイント（3プロトコル） Lite $18（$12.6） 10,000 / 週 ⼩規模リポの軽いイテレーション。 ⼊⾨に最適 OpenAI Chat Completions Pro $80（$56） 6× Lite 中規模リポの⽇常開発。MCPツール 付き OpenAI Responses Max $168（$117.6） 14× Lite 中〜⼤規模リポ。ピーク時の優先リ ソース Team Standard $88 / シート 66,000 / 週 シート・権限の⼀元管理とチーム分 析 Team Premium $188 / シート 155,000 / 週 新機能の早期アクセスと優先割当 https://api.z.ai/api/coding/paas/v4 https://api.z.ai/api/v1 Anthropic Messages https://api.z.ai/api/anthropic ツール側のプロトコルに合わせて選択。誤ったエンドポイントではサブスク枠が使えず 、API従量として課⾦されるため注意してください。 ポイント（クレジット）制度の要点 › オフピーク（週末終⽇など）のモデル消費は標準の50%のみ。重い処理を 週末に寄せると効率的です。 四半期払いで -20%・年払いで -30%。表中の（ ）内は年払い換算の⽉額です。20以上の対応ツール （ZCode・Claude Code など）で契約を共有できます。料⾦は表記時点のものなので、契約前に公式ペ ージで最新情報を確認してください。 › 5時間あたりの利⽤制限と週間クレジット上限の⼆重管理。短期集中より分 散運⽤に向きます。 › 全プランにMCP（Web検索・Vision分析・Web Reader・Zread）を同梱 quick-setup.sh 。追加契約なしで使えます。 $ npx @z_ai/coding-helper # 主要コーディングツールへ一括設定 › まずトライアルで使⽤量を計測し、週間消費から逆算してプランを選ぶと 失敗がありません。
10. $ zcode --ade --overview 10 / 21 ZCode 概要 ̶ Agentic Development Environment 3層の⼀体設計 ̶ モデルから道具まで GLM-5.3（モデル層） ⽂脈の連続保持 ⽬標・ファイル・ターミナル結果・ 1Mコンテキストと⻑時間タスク能⼒。ZCodeのために専⽤チューニングされ、推 論effortの切替もこの層で制御します。 ↓ ブラウザ⽂脈・実⾏モード・Git状態 を同⼀タスクに保持し、途中の⽂脈 切れを抑えます。ブラウザで確認し た画⾯もそのまま⽂脈に含まれます 。 ⻑時間タスクの実⾏ 要件理解から計画・変更・検証・ Reviewまでを1つのタスクで続⾏。 数時間規模の作業もそのまま完⾛さ せられ、⼈間は確認ポイントだけを 押さえれば済みます。 ZCode Agent（実⾏層） タスク・権限・コンテキスト・ツール呼び出し・Reviewを統括する中核。Goal Modeではここが計画の司令塔になります。 デスクトップアプリ 安全な実⾏ Windows / macOS のデスクトップ 機密コマンド・ファイル変更・⾼権 ワークスペース。Remote（モバイル 限アクションは実⾏前に確認（ ）とBot Channelからも同じタスク Safety Confirmation）を⾏う設計で を追跡でき、導⼊はインストーラを す。確認なしに危険な操作が⾛る事 実⾏するだけです。 故を防げます。 ↓ ツール群（道具層） ファイル / ターミナル / ブラウザ / Git / MCP / Skill / Subagents。Subagents で作業を並列分担させることも可能です。 計画→実装→検証が単⼀コンテキストで連続し、途中で背景を再説明する必要がありません。こ の性質はリポが⼤きいほど効いてくる差です。
11. $ zcode features --list 11 / 21 ZCode 主要機能マップ ZCode Agent + Goal Mode ⾃然⾔語でゴールを与えると、計画から実装・検証まで ⾃律して推進します。細かい指⽰出しよりも「完成形」 を伝える運⽤が効きます。完了条件を先に書くほど精度 が上がります。 Subagents / MCP / Skill / Plugin サブエージェントへの分割、MCPツール連携、スキルと プラグインで機能を拡張。社内ツールをMCPで繋ぐ例も 増えており、⾃分の開発フローに合わせた組⽴が可能で す。 Browser Automation Wiki Memory / Task & File Management ブラウザ操作をエージェントに委譲。動作確認やプレビ プロジェクトの知識（Wiki）とファイル状態・タスク進 ュー、UIのキャプチャまでをコーディングと同⼀タスク ⾏を記憶。⻑期プロジェクトでの背景の引き継ぎが軽く で扱えます。動作確認の⾃動化にも活⽤できます。 なり、メンバー間の共有コストも下げます。 Automations / Idle-time Task / Edit History Remote / Bot Channel 定期実⾏の⾃動化、空き時間に回すアイドルタスク、編 モバイルRemoteとFeishu・WeChat Bot。移動中でも 集履歴の追跡。夜間に検証を回す・朝のビルド確認を任 @でタスクへ指⽰を追加し、進捗確認ができます。レビ せるといった使い⽅ができます。 ュー待ちの時間を有効活⽤できるのが強みです。 そのほか ADE Tools / Usage Stats / Command Hooks / Keyboard Shortcuts / FAQ（Q&A）もドキュメントに⽤意されています。機能は継続的に追加されているため、Changelogの確認を おすすめします。
12. $ zcode workflow --from-install 12 / 21 ZCode 活⽤ワークフロー ̶ 導⼊から実戦まで 01 02 03 04 インストール モデル接続 タスク実⾏ 追跡・追加指⽰ → → 公式サイト（zcode.z.ai）からデスクトッ BigModel / Z.ai アカウントをバインドし プアプリをダウンロードして起動します。 、GLM Coding Plan を紐付けます。 terminal — quick-setup $ npx @z_ai/coding-helper > 主要コーディングツールへGLMの設定を一括投入 → ⾃然⾔語で指⽰。コーディング・デバッグ デスクトップ / モバイルRemote / Feishu ・テスト・プレビュー・変更Reviewを Agentが実⾏します。 ・WeChat Bot で⻑時間タスクを継続監視 します。 zcode — goal mode goal> ECサイトのチェックアウト処理を リファクタして結合テストまで通せ。 mainではなく feature/checkout-refactor ブランチで作業すること。 実戦のコツ Goal Modeでは「完成条件」を明⽰するのが⼀番効きます。ブランチ名・テストの通過条件・確認⽅法をゴールに含めると、Agentが計画を⽴てやすくなり⼿戻り が減ります。⻑時間タスクはBot Channelに通知を集約し、レビューはEdit HistoryとUsage Statsで振り返る運⽤がおすすめです。
13. $ zcode benefits --ecosystem 13 / 21 ZCode の料⾦特典とエコシステム接続 Idle-time Task（空き時間タスク） GLM Coding Plan 1契約でまるごとカバー 消費しません（順次ロールアウト中）。寝ている間に検証タスクを消化させる運⽤が可能です。 無料で処理 / 枠は消費しない コーディングエージェント / IDE ZCode Claude Code Roo Code 新規ユーザー 5⽇間トライアル 初回利⽤者に5⽇間の特典。GLM-5.3が3Mトークン/⽇、GLM-5-Turboが2Mトークン/⽇、合計 5M/⽇（5⽇間限定で失効）。本契約前に操作感を確かめる⽤途にも使えます。 ↓ 20以上のツールで同⼀契約を利⽤可能（ツール ごとの再契約が不要） GLM Coding Plan サブスクライバーは緊急でないタスクを予約できます。空き時間に無料で処理され、プラン枠を TRAE Kilo Code Qoder Pi Codex Cursor OpenCode Cline Crush Goose Droid Eigent 汎⽤エージェント（ベストエフォート） OpenClaw Hermes Agent SillyTavern GLM-5.3 3M + 5-Turbo 2M / ⽇ ⾼負荷時は汎⽤エージェント側で⼀時的なレート制限がかかる場合があります。 Bot Channel / Mobile Remote Feishu・WeChatで@するだけでタスクを進⾏。スマホからデスクトップとほぼ同等の操作がで き、この体験はVibeworkingと呼ばれています。出先から進捗確認できるのは⼤きい利点です。 Feishu / WeChat / スマホ 契約はZCodeだけでなく上記すべてのツールで共有されるため、複数環境を使い分け るチームでは特に恩恵が⼤きくなります。 コミュニティ: Discord / X @zcode_ai
14. $ autoclaw --agent-for-work 14 / 21 AutoClaw 概要 ̶ AI Agent for Work By AutoGLM（智谱AI）̶ Work 向けデスクトップAIエージェント autoclaw.z.ai — GLM-5.3 の早期アクセスを提供 › 4+ 内蔵スキル IM連携 オフィス・データ・Web・コンテンツ Slack / Telegram / WhatsApp / Lark ・⾃動化を網羅し、新規スキルも継続 で@して依頼。結果はスレッドに返っ 追加されます てきます 26,000 150% 新規登録クレジット Coding Planボーナス 約$20分・登録後30⽇間有効。最初の ⽉間ログインで Lite 5,000 / Pro 試⽤に⼗分な量です 10,000 / Max 26,000 を追加受け取り 会話が起点 複雑なワークフロー設定やスクリプト作成は不要。チャットでゴールを記述 すると、ツール・ファイル・ブラウザ・内蔵スキルを段階的に操作します。対話しなが ら粒度を調整できます。 › 50+ ローカル実⾏ デスクトップアプリとしてローカルで動作し、送信されるのはタスク記述 とモデル呼び出しに必要な⽂脈のみ。機密ファイルの扱いは⾃社ポリシーで制御できま す。 › モデル切替 GLM シリーズと DeepSeek シリーズに対応し、タスクの種類（執筆・コー ディング・分析・ブラウザ操作・計画）ごとにモデルを切り替えられます。コストと品 質のバランスを⽤途ごとに最適化できます。 › 料⾦構造 基本利⽤は無料で⽇次の無料クレジット付き。ヘビーな継続利⽤には有料プラ ンを⽤意しています。まず無料枠で試してから拡張するのが定⽯です。
15. $ autoclaw skills --core-six 15 / 21 AutoClaw 6つのコア機能 01 Office Automation 02 Content Operations 03 Investment Research Word・Excel・PPT・レポート・議事録・チャートを50+ Telegram・Instagram・Substack・X・TikTok向けに、 市場データの収集・開⽰資料の整理・戦略のバックテスト スキルで⽣成。営業・PM・運営チームの定型的な⽂書作業 を⾼速化します。⽇次のまとめや帳票の⾃動化が定番です 企画から⾒出し・本⽂・カバー案まで⼀気通貫で制作。1 ⼈でマルチプラットフォーム運⽤を⽀えます。トーンの調 ・投資分析レポートの⽣成を、繰り返し可能なフローとし て定型化します。週次の棚卸し業務をそのまま置き換えら 。 整も指⽰できます。 れます。 04 Web Product Building 05 Browser Automation 06 IM Integration ページ・ダッシュボード・ミニアプ・社内ツールを、要件 フォーム⼊⼒・スクリーンショット・Webデータ収集・コ Slack・Telegram・WhatsApp・Larkで@するだけでタス から動くフロントエンドコードとブラウザプレビューへ。 ⾼速な検証に最適で、社内管理画⾯の試作にも向いていま ンソール確認・定期実⾏を、トレース可能なワークフロー としてAIに任せます。証跡が残るため振り返りも容易です ク投⼊。結果・ファイル・進捗・次の⼀⼿がスレッドや DMに⾃動返送されます。チャット完結で導⼊の抵抗が少 す。 。 ない点も強みです。 起点はチャット。AutoClawがタスクを分解し、実⾏し、結果と⽂脈を会話に返します。失敗時も途中経過が残るため原因の特定が容易で、「指⽰して待つ」使い⽅が基本です。
16. $ autoclaw usecases --specs 16 / 21 AutoClaw 実践ユースケースとスペック EC運⽤担当 ̶ Chen ポートフォリオ運⽤ ̶ Wang コンテンツ制作者 ̶ Lin 毎朝競合ページを確認し、価格・プロモーションの変更を 市場データ・開⽰資料・業界ニュースを収集して週次リサ 1つのトピックからInstagram投稿・TikTok短編脚本・ 構造化したデータに整理。チームが始業する前にIMで⽇次 レポートを届けます。担当者は確認と判断に集中できます ーチレポートを⽣成。バックテストではスクリプト実⾏・ パラメータ整理・チャート出⼒まで⾏います。収集→分析 Substack⻑⽂・Xスレッド・カバー⽂案を⽣成し、各プラ ットフォームのトーンに合わせて調整します。企画から公 。 →報告の流れを⼀つのタスクで完結させます。 開まで⼀⼈で回す体制を⽀えます。 3例とも「毎⽇・毎週の定常業務」をAutoClawに置き換える構成です。⼈間は例外処理と意思決定に集中できます。 テクニカルスペックとプラットフォーム対応 AIモデル コンテキスト スキル IMアクセス プラットフォーム 典型タスク GLMシリーズ・DeepSeekシリー ズ（切替可） ⻑⽂脈タスク処理（ファイル・多段 階計画） 50+ 内蔵スキル WhatsApp・Telegram・Discord ・Lark等 Windows 10+・macOS・iOS・ Android PPT⽣成・ブラウザ⾃動化・デ ータ分析・Web構築 macOSはApple Silicon / Intel両対応。インストール後すぐ内蔵スキルが使えるため初期設定の迷いが少なく、個⼈利⽤からチーム展開まで同じ資産で広げられます。
17. $ landscape --map --positioning 17 / 21 競合⽐較① 全体マップ ̶ どこに位置するか まず市場全体を⿃瞰します。モデル・開発ツール・業務エージェントの3層で捉えると各製品の役割と競合関係が明確になります。 下段のモデルAPI層がすべての⼟台です。 商⽤ × コーディング特化 ZCode Claude Code 商⽤ × 業務汎⽤ OpenAI Codex Z.ai の⼆⾯戦略 AutoClaw ① 縦貫（⾃前プロダクト） Cursor モデル（GLM-5.3）→ ハーネス（ZCode）→ 業務エー ジェント（AutoClaw）までを⾃社で縦貫提供。モデルの 特性を前提にツールを作るため、⽂脈保持や⻑時間実⾏ の最適化が効いています。 OSS × コーディング特化 Cline OpenCode ② ⽔平（他社エージェントへ供給） OSS × 業務汎⽤ Roo Code Kilo Code Crush OpenHands OpenClaw Hermes Agent SillyTavern Goose Anthropic / OpenAI 互換のエンドポイントで、Claude Code をはじめ20以上の他社ツールからもGLM-5.3を利 ⽤可能。 Claude Codeの設定を変えるだけで切り替えら れるため、乗り換えコストが下がります。 読み解き⽅ モデル・ツール・業務の3層すべてに⾃社製 ← コーディング特化 業務汎⽤ → 品を置きつつ、API層で競合ツールにも供給する ̶ 単⼀ プロダクト⽐較では⾒えない強みがこの構図にあります 。⾃社の扱う層を決めてから隣接層の選択を考えると整 モデルAPI層 （⼟台） GLM-5.3 Claude Opus 4.8 Kimi K3 DeepSeek-V4 Fable 5 Qwen3.8-Max GPT-5.6 Sol 理しやすくなります。
18. $ compare --closed-models 18 / 21 競合⽐較② GLM-5.3 vs クローズドモデル モデル 公開度 TB 3.0 DeepSWE v1.1 CyberGym API料⾦（per MTok） GLM-5.3 オープンウェイト予定 28.3 66.9 84.5 サブスク制（クレジット）$18〜 / ⽉ Claude Opus 4.8 クローズド 21.1 58.0 78.1 ⼊⼒ $5 / 出⼒ $25（キャッシュ書込 $6.25・読取 $0.50） GPT-5.6 Sol クローズド 34.6 72.7 83.6 ⼊⼒ $2 / 出⼒ $10（プロモ価格・2026-11-21まで、20%値下げ適⽤） Kimi K3 オープン系 17.4 67.5 80.0 API従量課⾦ DeepSeek-V4 Pro-0813 オープン系 ̶ 62.7 83.3 API従量課⾦ 考察 総合フロンティアは GPT-5.6 Sol と Fable 5 です。DeepSWE v1.1では GPT-5.6 Sol 72.7・Fable 5 69.7・Kimi K3 67.5 に対しGLM-5.3は66.9と僅差で、実GitHub課題の解決 ⼒はほぼ同等の⽔準に達しています。CyberGym 84.5は全モデル⾸位。料⾦⾯では、API従量のOpus 4.8と異なりサブスク定額（$18〜）のため予算が⽴てやすく、High effortでは Opus 4.8 をトークン消費4割以下で上回ります。逆に常に推論が⾛る分、応答の重いタスクでは effort 調整が前提になる点は設計時に押さえてください。汎⽤チャットや⽂書作成など⽤ 途が異なる場合は、まず試験導⼊で適合を確認するのが無難です。
19. $ compare --agents --tools 19 / 21 競合⽐較③ エージェント / ツール⽐較 ツール 形態 モデル 料⾦⽬安 強み / 特徴 ZCode ADE・デスクトップ GLM-5.3 専⽤ Coding Plan $18〜$168 ⻑時間タスク・1M⽂脈・Bot連携・アイドル時間の無料タスク Claude Code CLI + IDE Claude 独⾃ Pro $20 / Max $100〜 成熟度・エコシステム・拡張機能の豊富さ OpenAI Codex CLI + Cloud + IDE GPT-5.6系 Plus $20 / Pro $200 GitHub連携・クラウドでの⾮同期実⾏ Cline VS Code 拡張・OSS 任意（GLMも可） 無料 + API従量 透明な承認フロー・コミュニティ基盤 Roo Code VS Code 拡張・OSS 任意 無料 + API従量 カスタムモード・安定性の評判 OpenCode ターミナル・OSS 任意 無料 + API従量 軽量・スクリプト統合に向く Cursor AIネイティブIDE 独⾃ + カスタム $20〜 / ⽉ エディタ⼀体型のUX・補完との連続性 AutoClaw 業務デスクトップ GLM + DeepSeek 無料 + クレジット制 50+スキル・IM連携・ローカル実⾏ OpenClaw OSSパーソナルアシスタント 任意 無料（API従量） ⾃前ホスト・チャットアプリ起点の設計 注⽬点 GLM Coding Plan は上記の多く（ZCode・Claude Code・Codex・Cline・Roo Code 等 20以上）を単⼀契約でカバーできます。ツールの乗り換え・併⽤が発⽣してもモデル契 約をやり直す必要がなく、 OSS勢はモデルを⾃由に選べるため公式ドキュメントでもGLMとの組み合わせが案内されています。競合サブスクに対する明確な差別化です。
20. $ recommend --by-goal 20 / 21 使い分けガイド ̶ ⽬的別の推奨 › ⼤規模リポの⻑時間イテレーション ZCode + GLM Coding Plan（Max）。1M⽂脈とアイドルタスクが効きます。数時間規模のリファクタや移植に 最適です。 › Claude Code資産を活かしつつコスト削減 選定チェックリスト $ check --before-you-choose ① バックエンドをGLMへ。Anthropic互換エンドポイント / npx @z_ai/coding-helper で切替。既存のワークフ ローはそのまま活かせます。 › とにかく低予算で始めたい 修正なら200K級でも⼗分です。 ② Lite $18〜、または OSS（Cline・OpenCode）+ GLM API の従量課⾦。週末のオフピーク消費50%も併⽤し たい設定です。 › セキュリティ診断・CTF ③ OpenAI Codex Cloud / GPT-5.6 Sol。⼤規模バッチの夜間実⾏に向く構成です。 データを送れる範囲 ローカル実⾏かクラウド実⾏かで選択肢が変わりま す。社内規定を先に確認。 ④ AutoClaw（IM連携・50+スキル）。プライベート環境重視なら OpenClaw。経理・調査・報告書の定常業務向 きです。 › クラウドで⾮同期に回したい 週あたりの利⽤時間 5時間制限 × 週間クレジットで上限が決まります。 短時間集中型なら従量も視野に。 GLM-5.3（CyberGym 84.5・全モデル⾸位）+ ターミナル系エージェント。診断報告の下書き⽣成にも使えま す。 › コーディング外の業務⾃動化 1M⽂脈が本当に必要か 巨⼤リポ・⻑期タスクでのみ差が出ます。⽇常の⼩ IMからの操作の要否 チーム運⽤ならBot Channel・IM連携が効きます。 個⼈なら不要な場合も。 ⑤ オープンウェイトの要否 ⾃⼰ホスト・監査が必要なら公開モデル⼀択です。 GLM-5.3は公開予定済み。
21. $ summary --takeaways 21 / 21 まとめ ̶ Takeaways & Resources GLM-5.3 「ベース不変・ポストトレーニングのみ」で Terminal Bench 3.0 を 4.6 → 28.3 へ引き上げた 、オープンウェイト系最強のコーディングモデル。CyberGym 84.5 は全モデル⾸位です。 Resources ̶ 公式リンク › 公式ブログ（GLM-5.3発表） z.ai/blog/glm-5.3 › 開発者ドキュメント docs.z.ai › ZCode（製品・Docs） zcode.z.ai ZCode › AutoClaw（製品・DL） autoclaw.z.ai GLM-5.3専⽤のADE。1M⽂脈を活かした⻑時間タスク・Goal Mode・Bot/Remote連携が差別 › Coding Plan料⾦ z.ai/subscribe 化点で、アイドル時間の無料タスクも特⾊です。 › クイック設定ヘルパー npx @z_ai/coding-helper AutoClaw bash $ echo "Try GLM-5.3 with your favorite agent" コーディング外の業務を担うAIデジタルワーカー。50+スキルとIM連携で、定常業務の外注先と して「1⼈⽉分の仕事」を肩代わりします。 本資料の数値は2026年8⽉時点の公開情報に基づきます。