中国AIモデルアップデート：2026年8月版

DeepSeek、Qwen、Kimi、GLM、MiniMaxの中国発AIモデル5系列について、2026年8月25日時点の直近アップデートを整理する。 対象は汎用チャットモデルの会話品質だけではない。 コーディング、長時間のエージェント実行、マルチモーダル入力、オープンウェイト、API価格を比較し、日本からOpenRouter経由で利用できるかも確認した。

本稿は各社の公式ブログ、公式APIドキュメント、公式モデルカードを一次情報として扱い、OpenRouterでの提供状況は同サービスのモデルページで照合した。 ベンチマーク値は評価条件が異なるため、異なる会社の数字を単純な順位には変換しない。

今月の全体像

中国AIモデルの競争は、DeepSeek R1登場時の「高性能モデルを安く使える」という一点から動いている。 2026年春から夏に公開された主力モデルは、そろって100万トークン級のコンテキストと長時間のエージェント実行を前面に出した。

ただし、同じ方向へ進んでいるように見えて、各社の打ち手は違う。

• DeepSeek V4：ProとFlashの二層で、推論コストと能力を分けた
• Qwen3.7-Max：長時間の自律実行を押し出したが、8月にはQwen3.8-Maxへ世代交代した
• Kimi K3：2.8兆パラメータのMoEモデルと学習基盤をまとめて公開した
• GLM-5.3：基盤モデルを変えず、後学習によってコーディングとサイバー能力を伸ばした
• MiniMax M3：100万トークン、マルチモーダル、低価格を一つのモデルにまとめた

OpenRouterでの利用条件を並べると、差はさらに見えやすい。

価格は100万トークンあたりの米ドル表示であり、キャッシュ、プロバイダー、期間限定割引によって変動する。 OpenRouterの画面では同じモデルでも表示時点や選択プロバイダーによって単価が変わるため、表は見積もりの起点に留めたい。

DeepSeek V4：ProとFlashで100万トークンを標準化

DeepSeekは4月24日、DeepSeek V4 PreviewとしてV4-ProとV4-Flashを公開した。 Proは総パラメータ1.6兆、推論時に有効化するパラメータ49B、Flashは総パラメータ284B、有効パラメータ13BのMoEモデルである。 両方が100万トークンのコンテキストと、Thinking／Non-Thinkingの二つの動作モードに対応する。

モデルの分け方はわかりやすい。 Proは複雑な推論、コーディング、長時間のエージェント処理を担い、Flashは簡単なエージェント処理や大量リクエストを低コストで処理する。 公式APIの価格表では、V4-Flashが入力 $0.14、出力 $0.28、V4-Proが入力 $0.435、出力 $0.87だった。 キャッシュヒット時の入力価格は、それぞれ $0.0028と $0.003625まで下がる。

この価格差は「ProかFlashか」を能力だけで決めにくくする。 長いシステムプロンプトやコードベースを繰り返し送る処理では、キャッシュが効くかどうかで実効価格が二桁変わるからだ。 単発の難問にはPro、定型のコードレビューや分類にはFlashという分け方が出発点になる。

APIにも整理が入った。 従来のdeepseek-chatとdeepseek-reasonerは7月24日に廃止され、公式APIではdeepseek-v4-flashとdeepseek-v4-proを明示的に指定する形へ移った。 OpenAI Chat Completions形式に加え、Anthropic互換APIも公式に提供されている。

OpenRouterでのDeepSeek V4

OpenRouterではDeepSeek V4 Pro 0813とDeepSeek V4 Flash 0731を利用できる。 8月25日時点のDeepSeekプロバイダーページには、正式版としてV4 Pro 0813、V4 Flash 0731が掲載されている。

OpenRouter経由の利点は、複数の推論事業者から経路を選び、障害時に別の事業者へ切り替えられることにある。 一方、DeepSeek公式APIの大きな武器であるキャッシュヒット価格が、そのままOpenRouterの請求へ再現されるとは限らない。 大量の反復コンテキストを扱うなら、公式APIとOpenRouterの両方で実測する必要がある。

Qwen3.7-Max：長時間実行を押し出した直後に3.8へ

Alibabaは5月20日、Qwen3.7-Maxをエージェント向けの旗艦モデルとして公開した。 公式発表では、未知のAIチップ向けカーネルを作る社内評価で35時間連続して動作し、1,000回を超えるツール呼び出しを行ったとされる。 短い応答の品質ではなく、長い処理を壊さず続けられるかを製品メッセージの中心へ置いた。

Alibaba Cloudのモデル仕様では、コンテキストは100万トークン、最大出力は65,536トークンである。 テキスト入出力、Function Calling、Web検索、コンテキストキャッシュ、バッチ推論に対応するが、同ページでは構造化出力とファインチューニングは非対応とされている。 通常価格は入力 $1.65、出力 $4.951で、暗黙キャッシュの入力は $0.33である。

ただし、Qwen3.7-Maxを「現在のQwen最上位」と紹介するのはもう正確ではない。 Alibabaは8月3日にQwen3.8-Maxを公開した。 3.8-Maxは総パラメータ2.4兆、有効パラメータ95BのMoEモデルで、100万トークンと画像、動画入力に対応する。 Qwen3.7-Maxはテキスト中心だったため、3.8では長時間実行に加えて視覚情報を使うエージェントへ対象が広がった。

Qwen3.7-Maxの公開からQwen3.8-Maxまで約2か月半しかない。 名前の差は0.1だが、入力モダリティとモデル規模が変わっている。 Qwenを導入する側はlatest相当の別名だけで追従せず、モデルIDを固定し、更新時に回帰テストを挟むほうが安全である。

OpenRouterでのQwen3.7-Max

OpenRouterではQwen3.7-Maxをqwen/qwen3.7-maxで利用できる。 同ページは100万トークンのコンテキスト、Function Calling、JSON Schemaによる構造化出力を案内している。 構造化出力についてはAlibaba Cloudの公式仕様と表記が異なるため、OpenRouterが互換層で補っている可能性がある。 本番導入前に、利用するプロバイダーでスキーマ違反時の挙動まで確かめたい。

なおOpenRouterにはQwen3.8系列も追加されている。 既存システムの再現性を優先するなら3.7-Maxを固定し、画像や動画を含む新規エージェントなら3.8を別候補として評価するのが自然だ。

Kimi K3：2.8兆パラメータと学習基盤をまとめて公開

Moonshot AIは7月16日にKimi K3を発表し、7月28日にモデルの重み、技術報告、学習基盤を公開した。 K3は総パラメータ2.8兆のMoEモデルで、896の専門家から16を有効化する。 100万トークンのコンテキスト、画像と動画の理解、長時間のコーディングと知識作業を対象にする。

規模だけを見ると、手元で動かすモデルには見えない。 実際、2.8兆パラメータの完全な自己ホストは相応のGPU群と推論基盤を要求する。 K3の公開で実務的な価値があるのは、モデルファイルだけでなく周辺技術まで外へ出した点だ。

• KDAとAttention Residuals：長い系列と深いモデルで情報を運ぶための構造
• MoonEP：大規模MoEの専門家並列を支える通信ライブラリ
• FlashKDA：Kimi Delta Attention向けの高速カーネル
• AgentEnv：大規模なエージェント強化学習に使う分離実行環境

Moonshot AIは、これらの変更によってK2.5比でモデル規模を約3倍へ拡大しつつ、算力を能力へ変換する効率を約2.5倍にしたと説明する。 数値は同社の評価だが、モデル、演算カーネル、通信、強化学習環境を一体で設計していることは公開物から確認できる。

公式APIではK3の入力が20人民元、出力が100人民元、キャッシュヒット入力が2人民元である。 下位のK2.7 CodeやK2.6より明確に高く、K3は安価な日常チャットではなく、失敗コストの高い長時間タスクへ置かれている。

OpenRouterでのKimi K3

OpenRouterではKimi K3をmoonshotai/kimi-k3で利用できる。 テキスト、画像、動画入力、Function Calling、構造化出力に対応し、複数の推論プロバイダーが提供する。

最低表示価格は入力 $2.60、出力 $13.00で、公式APIの人民元建て価格とは為替換算だけでは一致しない。 OpenRouterでは推論事業者ごとに価格、初回応答時間、出力速度、稼働率が異なるため、K3のような巨大モデルではプロバイダー選択が結果と待ち時間に効きやすい。 データの処理地域や事業者を限定したい場合は、自動ルーティング任せにせずプロバイダーを固定する必要がある。

GLM-5.3：基盤モデルを変えず、後学習で能力を伸ばす

Z.aiは8月14日、GLM-5.3を公開した。 GLM-5.2と同じ基盤モデルを使い、追加の事前学習やモデル規模の拡大ではなく、長時間タスク環境を使った後学習だけで性能を伸ばしたと説明している。

同社の評価では、Terminal-Bench 3.0が4.6から28.3、DeepSWE v1.1が46.2から66.9、Agents' Last Examが23.8から28.5へ上昇した。 社内のZ.ai Code BenchではGLM-5.2比50％改善としているが、非公開評価であるため、公開ベンチマークの数字と同じ重みでは扱えない。

GLM-5.3には別の注意点がある。 後学習の拡大に伴い、脆弱性発見や攻撃成立までの処理能力が想定より速く伸びたとして、Z.aiは発表時点で重みの公開を2週間延期した。 公開予定は8月28日前後であり、8月25日時点では「オープンウェイトになる予定のAPIモデル」である。

これは能力競争の副作用を公式発表が明示した珍しい例でもある。 コーディング能力が伸びれば、防御コードの生成だけでなく、脆弱性の探索と攻撃手順の自動化も強くなる。 企業がGLM-5.3をコードベースへ接続する場合、モデルのブランドより、実行権限、ネットワーク到達範囲、秘密情報へのアクセスを制限する必要がある。

OpenRouterでのGLM-5.3

OpenRouterではGLM-5.3をz-ai/glm-5.3で利用できる。 価格は入力 $1.40、出力 $4.40、コンテキストは約105万トークンである。 推論は常時有効で、low、high、maxの思考強度を選べる。

重みが未公開でもOpenRouterから利用できるのは矛盾ではない。 OpenRouterはモデルファイルの配布場所ではなく、Z.aiや提携推論事業者が動かすエンドポイントへ接続する統一APIだからだ。 自己ホストの可否とOpenRouter対応は別々に確認しなければならない。

MiniMax M3：長いコンテキストを低価格で回す

MiniMaxは6月1日、MiniMax M3を公開した。 M3は100万トークンのコンテキストを持ち、テキスト、画像、動画を入力できるオープンウェイトモデルである。 コーディング、ツール利用、デスクトップ操作を一つのモデルで扱う。

M3の技術的な焦点は、独自のMiniMax Sparse Attention（MSA）にある。 公式発表によれば、100万トークン時の1トークンあたりの計算量は前世代の20分の1で、prefillは9倍超、decodeは15倍超高速化した。 この数値はMiniMax内部の比較だが、長いコンテキストを宣伝用の上限ではなく、日常的に回すコストへ落とそうとする設計意図は明確である。

同社は、SWE-Bench Pro 59.0％、Terminal-Bench 2.1 66.0％などの評価を掲載している。 一方、M3の価値は最高スコアだけでは測りにくい。 公式事例では、論文再現タスクを約12時間動かし、18コミットと23枚の実験図を作ったとしている。 100万トークン、視覚入力、エージェント実行が同じ長時間セッションでどう結び付くかを示す事例である。

OpenRouterでのMiniMax M3

OpenRouterではMiniMax M3をminimax/minimax-m3で利用できる。 取得時点の表示価格は入力 $0.23、出力 $0.96で、今回扱う多機能モデルの中ではDeepSeek V4 Flashに次ぐ低価格帯にある。 13の推論プロバイダーが掲載され、自動フェイルオーバーも使える。

ただし、ツール呼び出し対応の表示には食い違いがある。 OpenRouterのモデル概要は「このエンドポイントではtoolsを受け付けない」と記載する一方、プロバイダー詳細とAnthropic Messages APIの説明にはtoolsとtool_choiceが掲載されている。 MiniMax M3をコーディングエージェントへ接続する場合は、モデル名だけで対応可と判断せず、実際に使うAPI形式とプロバイダーでツール呼び出しを試す必要がある。

OpenRouterで使うときの判断基準

5系列を同じAPIから呼べることは、比較検証をかなり楽にする。 新規に検証コードを書くなら、OpenRouter公式Python SDKを使うと接続先が明確になる。 事前にpip install openrouterでSDKを導入する。

from openrouter import OpenRouter
import os

with OpenRouter(api_key=os.environ["OPENROUTER_API_KEY"]) as client:
    response = client.chat.send(
        model="deepseek/deepseek-v4-flash-0731",
        messages=[
            {"role": "user", "content": "このリポジトリの改善案を3つ挙げてください。"}
        ],
    )

print(response.choices[0].message.content)

モデルIDを切り替えれば、同じ評価コードでQwen、Kimi、GLM、MiniMaxを比較できる。 それでも、OpenRouterを挟むと差が消えるわけではない。

最初に試す候補は、用途から次のように絞れる。

これは採用順位ではない。 同じモデルでもプロバイダーとエージェント基盤によって結果が変わるため、自社タスクの成功率、所要時間、総トークン量で比べる必要がある。

選定時には少なくとも次の四点を分けて見る必要がある。

1. モデルそのもの：推論、コード、視覚入力、長時間実行のどこが強いか
2. 推論プロバイダー：速度、稼働率、地域、量子化、ログ保持条件はどう違うか
3. 互換API：Function Calling、構造化出力、思考トークンが同じ形で返るか
4. 実効コスト：入力と出力だけでなく、キャッシュ、再試行、長い思考出力を含めていくらかかるか

OpenRouterは比較環境として便利だが、公式APIの完全な代替ではない。 特にコンテキストキャッシュ、ベータ機能、モデル固有の思考制御は、公式APIが先に対応する場合がある。 逆に、単一APIで複数モデルを切り替えたい場合や、複数プロバイダーのフェイルオーバーを使いたい場合はOpenRouterのほうが組み込みやすい。

横断的に見える4つの傾向

1. 100万トークンが最上位モデルの共通仕様になった。 今回扱った5系列はすべて、最新の主力で100万トークン級を掲げる。 競争は「長い入力を受け取れるか」から、「長い入力を何時間の作業へ変換できるか」へ移った。

2. コーディング評価が単発の修正から長時間の環境操作へ移った。 各社が前面に出すのは、35時間、16日、12時間、数百回から1,000回超のツール呼び出しといった継続時間である。 モデル単体の正答率より、エージェント基盤、コンテキスト管理、失敗後の再計画が結果を左右する。

3. オープンウェイトと提供形態が一致しなくなった。 Kimi K3とMiniMax M3は重みを公開済み、GLM-5.3は公開予定、Qwen3.7-Maxはホスト型で、その後継Qwen3.8-Maxは重み公開へ進んだ。 どのモデルもOpenRouterでは使えるため、「OpenRouter対応」と「自社環境へ持ち込める」は別の列で管理したほうがよい。

4. 価格差は能力差より大きい。 OpenRouterの取得時点価格では、出力100万トークンあたりDeepSeek V4 Flashが $0.1278、Kimi K3が $13で、約100倍の差がある。 最高性能モデルをすべてのタスクへ当てるより、分類と定型処理を低価格モデルへ寄せ、失敗コストの高い処理だけ上位モデルへ送るルーティングが現実的である。

数字で見る2026年8月の中国AIモデル

• 対象モデル系列：5系列
• OpenRouter対応：5系列すべて
• 100万トークン級コンテキスト：5系列すべて
• 総パラメータが1兆を超える主力：DeepSeek V4 Pro、Qwen3.8-Max、Kimi K3
• 画像または動画入力：Kimi K3、MiniMax M3、Qwen3.8-Max
• 取得時点で重み公開済み：DeepSeek V4、Kimi K3、MiniMax M3
• 取得時点で重み公開待ち：GLM-5.3
• OpenRouter最安の出力価格：DeepSeek V4 Flashの $0.1278／100万トークン
• OpenRouter最高の出力価格：Kimi K3の $13.00／100万トークン

中国AIモデルは、もはや「DeepSeekに似た低価格モデル」という一群ではない。 DeepSeekは価格、Qwenはモデルとクラウドの広さ、Kimiは巨大なオープンモデルと学習基盤、GLMは後学習によるコーディング、MiniMaxは長いマルチモーダル処理の効率に重心を置く。

OpenRouterによって試す入口は一つになった。 しかし、入口が一つになったからこそ、モデル、推論事業者、互換API、データの扱いを分けて評価する必要がある。

調査の限界

• 各社の性能値は、モデル提供会社自身が選んだ評価条件とエージェント基盤を含む。異なる会社のスコアを、そのまま同一条件の順位として比較していない
• OpenRouterの価格、対応プロバイダー、稼働率は随時変わる。本文と表は2026年8月25日の取得時点であり、発注や本番投入の前に再確認が必要である
• DeepSeek公式チェンジログは取得時点で4月24日のV4 Previewまでしか掲載していなかった。OpenRouter上のV4 Pro 0813とV4 Flash 0731は利用可能だが、正式版までの変更内容をDeepSeek公式チェンジログから逐語確認できていない
• Qwen3.7-Maxの構造化出力は、Alibaba Cloud公式仕様とOpenRouterの説明に差がある
• GLM-5.3の重みは発表から2週間後に公開予定とされ、8月25日時点では公開期限前である
• MiniMax M3のツール呼び出し対応は、OpenRouter内でもモデル概要とプロバイダー詳細の表記に差がある
• 中国国内向け公式APIと国際向けAPIでは、モデル、価格、利用条件が異なる場合がある。本稿の価格比較は中国国内の人民元価格とOpenRouterのドル価格を混同せず、別々に記載した

主要出典一覧

• DeepSeek：V4 Preview ／ モデルと価格 ／ OpenRouter V4 Pro 0813 ／ OpenRouter V4 Flash 0731
• Alibaba／Qwen：Qwen3.7-Max発表 ／ Qwen3.7-Max仕様 ／ Qwen3.8-Max発表 ／ OpenRouter Qwen3.7-Max
• Moonshot AI／Kimi：Kimi K3発表 ／ Kimi K3オープンウェイト公開 ／ Kimi API ／ OpenRouter Kimi K3
• Z.ai／GLM：GLM-5.3発表 ／ OpenRouter GLM-5.3
• MiniMax：MiniMax M3発表 ／ OpenRouter MiniMax M3

（2026年8月25日時点の情報に基づく。モデル、価格、提供地域、OpenRouter上のプロバイダー構成は変更される可能性がある。）