Perplexity、エージェント向けモデルに Z.ai の GLM 5.3 を追加──Perplexity Computer の Deep Research を強化
Perplexity Computer の Max プランで Z.ai の GLM 5.3 が選択可能になり、エージェントの長文脈・マルチモーダルなリサーチ業務を強化する。
リリース: 2026-08-28 · 読了 3 分記事の要約
1. 核心（What）
- Perplexity はエージェントシステム Perplexity Computer のリサーチワークロード向けに Z.ai の GLM 5.3 を追加した。
- GLM 5.3 はベースウェイトを GLM 5.2 から継承し、事後学習の拡張により Terminal-Bench 3.0 が 4.6 から 28.3 へ向上した。
- Perplexity の検証用ベンチマーク WANDR において、GLM 5.3 は GLM 5.2 を上回るスコアを記録した。
- Perplexity Computer は Max プラン（月額 200 ドル）の契約者向けに提供されている。
2. 影響（Why）
- 長文脈リサーチのコスト効率改善: 100 万トークンの長文脈処理を月額 200 ドルのクラウド環境で実行できるため、国内のリサーチ業務や競合調査を自動化する際の選択肢が広がる。
- エージェント連携の実装コスト圧縮: 400 以上のアプリコネクターと組み合わせて複数ステップのワークロードを処理できるため、自社でエージェント基盤をスクラッチ開発するコストを削減できる。
3. 根拠・詳細（How）
- 事後学習による性能向上: GLM 5.2 と同一のベースウェイトを維持しつつスケーリングされた事後学習により、Terminal-Bench 3.0 で 28.3、DeepSWE v1.1 で 66.9 を記録した。
- 環境と統合仕様: クラウド上の独立したファイルシステム、ブラウザーアクセス、Slack や GitHub を含む 400 以上のアプリケーション接続環境で動作する。
4. 展望・課題（Next）
- 他モデルとのスコア比較の進展: WANDR ベンチマークにおける Search as Code や Anthropic との比較を通じ、エージェント用途における実用的な最適モデルの選定が進む。