成績が良いAIと、安全なAIは別物｜GLM-5.3の警鐘と31モデルの実測

同じAIに、正反対の評価が同じ週に出ました

2026年9月29日、Anthropicが中国Zhipu AI（Z.ai）のAIモデル「GLM-5.3」について、サイバー攻撃能力に関する分析を公表しました（PC Watch 2026年9月30日）。要点は3つです。

• 攻撃を自動で組み立てる能力が、Anthropicが提供先を限定して公開した自社モデルと同水準だった
• 拒否する仕組みを取り除いた改変版が、公開から数日で複数出回った
• 「これは演習です」と嘘の前提を与えると、64%の確率で応じた（思考の途中を偽装すると92%）

一方、当社は同じ GLM-5.3 を、日本語の業務で2026年9月に実測しています。結果はこうでした。

31モデルを同じ35問で測った中で、GLM 5.3 Flash は「答えられない質問への対応」が 8番目、「指示の遵守」は 満点です（実測の一覧はこちら）。

攻撃能力を警告されたモデルが、業務では優秀。矛盾しているように見えますが、矛盾していません。

測っている軸が違うだけです

当社の比較表は前者です。**後者は測っていません。**ですから「当社の表で成績が良い＝安全」とは言えません。この点は、該当する2モデルのページにも注記として追記しました。

逆もまた言えます。安全対策が強いAIが、日本語の業務で正確とは限りません。当社が測ったクラウドの22モデルのうち、答えが存在しない5種類の質問に「確認できません」と答えられた割合が3割に満たないものが13件ありました。そのうち8件は、規模が1000億を超える大型のモデルです。どのモデルが何%だったかは、一覧で1件ずつ公開しています。

AIを1つの点数で並べると、必ずどちらかを見落とします。

では、社内に入れる時はどう判断するか

今回の件で実務に効くのは、能力の話ではなく**「配布物に手を加えられる」**という性質です。クラウド経由で使う場合と、重みを落として社内で動かす場合で、話が変わります。

オープンウェイトを避けるべき、という話ではありません

誤解のないよう申し添えます。重みが公開されているAIには、はっきりした利点があります。

• 社内に閉じて動かせる（顧客情報を外に出さずに済む）
• 使うほど高くならない（従量課金ではない）
• 提供元の都合で仕様が変わらない（ある日突然、挙動が変わらない）

当社が実測した31モデルのうち、手元のMacで動くものが9件あり、その中には日本語の業務で十分に使えるものがあります。必要なメモリも、扱える文章の長さ（8,000字程度）をそろえて測り直したところ、6.2GB・6.6GB・6.8GB・6.9GBと、7GB未満で動くモデルが4件ありました。メモリ16GBのパソコンでも動く範囲です。

大事なのは、利点と性質の両方を知った上で選ぶことです。「オープンだから危ない」でも「ローカルだから安全」でもありません。

当社の立場

当社は比較の情報を出す立場として、2つを守ります。

• 測っていないことは「測っていない」と書く。 今回のように、別の軸の指摘が出たら、出典を添えてページに書き足します
• 1つの点数で順位を付けない。 項目ごとに順位が入れ替わるため、合計点は出していません

AIの導入でお困りの点があれば、実測の一覧をご覧いただくか、お気軽にご相談ください。社内のPCで動かす形（ローカルAI）の実機診断も承っています。