Google: Gemini 2.5 Pro 対 Z.ai: GLM 5.3 Prime
api14カタログの最新のUSD料金と機能をもとに、Google: Gemini 2.5 Pro（$4.38 / 100万トークン (≈ ￥691)）とZ.ai: GLM 5.3 Prime（$9.80 / 100万トークン (≈ ￥1,547)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Google: Gemini 2.5 Pro | Z.ai: GLM 5.3 Prime | |
|---|---|---|
| プロバイダー | Z.ai | |
| 入力 | $4.38 / 100万トークン (≈ ￥691) | $9.80 / 100万トークン (≈ ￥1,547) |
| 出力 | $35.00 / 100万トークン (≈ ￥5,524) | $30.80 / 100万トークン (≈ ￥4,861) |
| キャッシュ読み取り | $0.44 / 100万トークン (≈ ￥69) | $1.96 / 100万トークン (≈ ￥309) |
| キャッシュ書き込み | $1.31 / 100万トークン (≈ ￥207) | - |
| 推論 | $35.00 / 100万トークン (≈ ￥5,524) | - |
| 音声入力 | $4.38 / 100万トークン (≈ ￥691) | - |
| 画像 | $0.000004 / 画像 (≈ ￥0.000691) | - |
| ウェブ検索 | $49.00 / 1,000検索 (≈ ￥7,734) | - |
| コンテキストウィンドウ | 1,048,576 | 1,000,000 |
| 最大出力 | 65,536 | 131,072 |
| 入力 | text, image, file, audio, video | text |
| 出力 | text | text |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2025/06/17 | 2026/09/23 |
主な違い
- Google: Gemini 2.5 Proは入力トークンが55%安くなっています。
- Z.ai: GLM 5.3 Primeは出力トークンが12%安くなっています。
- 構造化JSON出力に対応しているのはGoogle: Gemini 2.5 Proだけです。
- 入力1,000トークン・出力500トークンのリクエストの費用は、Google: Gemini 2.5 Proで$0.02、Z.ai: GLM 5.3 Primeで$0.03です。
詳しく見る
Google: Gemini 2.5 Pro は Google が作ったテキストモデルです。Z.ai: GLM 5.3 Prime は Z.ai が作ったテキストモデルです。どちらも api14 を通じて、OpenAI 互換エンドポイントの背後にあるチャットモデルとして提供されるため、統合の観点では、異なる model id を持つ同じ種類のオブジェクトです。Google は Gemini 2.5 Pro を 2025-06-17 にリリースし、Z.ai は GLM 5.3 Prime を 2026-09-23 にリリースしました。
両者は、出力よりも入力においてはるかに大きく異なります。Gemini 2.5 Pro は入力としてテキスト、画像、ファイル、音声、動画を受け取り、テキストを返します。GLM 5.3 Prime はテキストのみを受け取り、テキストを返します。コンテキストウィンドウはどちらも約 100 万トークンで、差は判断材料にならない程度に近いものです。もう一つの明確な違いは構造化出力です。Gemini 2.5 Pro は構造化出力をサポートしており、パラメータ一覧にも response_format と structured_outputs が反映されていますが、GLM 5.3 Prime は構造化出力をサポート対象パラメータとして挙げていません。ツール使用は両方で利用できます。どちらも include_reasoning と reasoning を通じて推論制御を公開しており、GLM 5.3 Prime はさらに reasoning_effort も備えています。GLM 5.3 Prime はまた、Gemini 2.5 Pro が持たないサンプリングと検査のパラメータ、すなわち frequency_penalty、presence_penalty、stop、top_k、logprobs、top_logprobs をサポートしています。価格では、入力は Gemini 2.5 Pro の方が安く、出力は GLM 5.3 Prime の方が安いため、どちらが有利かはワークロードにおけるプロンプトトークンと補完トークンの比率によって決まります。
両者のどちらを選ぶかを開発者が判断する場合、通常はプロンプトに何を入れるかが決め手になります。テキストと一緒にスクリーンショット、PDF、音声、動画を送る必要があるなら、それらの入力を受け取れるのは Gemini 2.5 Pro です。GLM 5.3 Prime にはできません。返答を解析可能なスキーマに準拠させる必要があるなら、Gemini 2.5 Pro は構造化出力をサポートしており、GLM 5.3 Prime はサポートしていません。これは抽出や分類のパイプラインで重要です。作業がプレーンテキスト入力、プレーンテキスト出力で、サンプリング、ペナルティ、停止シーケンス、top_k、トークンレベルの対数確率をより細かく制御したいなら、GLM 5.3 Prime にそれらの調整手段があります。長い出力ではコスト面でも GLM 5.3 Prime が有利です。出力が安い側だからです。一方、長い入力では Gemini 2.5 Pro が有利です。
どちらのモデルを api14 経由で呼び出す場合も、方法は同じです。どちらも OpenAI 互換 API を通じて利用できるため、既存の OpenAI クライアントまたは SDK を api14 のベース URL と api14 キーに向ければよく、両者で変わるのは model id の文字列だけです。Gemini 2.5 Pro では model を "google/gemini-2.5-pro" に、GLM 5.3 Prime では "z-ai/glm-5.3-prime" に設定します。メッセージ、ロール、レスポンスの形は同じままなので、切り替えは 1 行の変更で済み、呼び出し側を書き直すことなく同じプロンプトで比較できます。注意点はパラメータです。structured_outputs を使うリクエストは GLM 5.3 Prime には引き継げず、top_k や logprobs を使うリクエストは Gemini 2.5 Pro には引き継げないため、それらの設定はモデルごとの分岐の背後に置いてください。
それでも、あまり明白でない方のモデルが勝つケースはあります。タスクがテキストのみで、非常に長い回答を生成する場合、コスト面では GLM 5.3 Prime の方が良い選択であり、多くの実行を通じてトーン、繰り返し、創造性を調整するときには、その追加のサンプリング制御が役立ちます。逆に、スキーマに有効な JSON 出力を必要とするテキストのみのタスクでは、依然として Gemini 2.5 Pro を使うべきです。GLM 5.3 Prime は構造化出力をサポートしていないからです。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"google/gemini-2.5-pro"から"z-ai/glm-5.3-prime"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "z-ai/glm-5.3-prime",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
その他の比較
- LiquidAI: LFM3-1.7B 対 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 対 Crouton Alpha
- LiquidAI: LFM3-1.7B 対 Tencent: Hy4
- LiquidAI: LFM3-1.7B 対 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 対 Crouton Alpha
- Ricursive: Ripple 65B Preview 対 Tencent: Hy4
- Ricursive: Ripple 65B Preview 対 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 対 Tencent: Hy4