AIチュートリアル

互換APIでGLM 5.3のAbliterated版・無検閲モデルを使う方法

GLM 5.3のAbliterated版と無検閲版の意味、7APIでの選択方法、OpenAIまたはAnthropic互換リクエストの送信方法、開発者ツールとの接続方法を学びます。品質、拒否動作、コスト、バージョン変更を適切に評価する方法も解説します。

2026年10月22日約14分で読了

学べること

このチュートリアルでは、7APIを通じてGLM 5.3の各バリアントにアクセスする方法、OpenAI互換およびAnthropic互換クライアント向けにAPIを設定する方法、そして実際のコーディング、推論、バイリンガル、エージェントのワークフローで結果を評価する方法を説明します。

リポジトリには、システムプロンプト、AGENTS.mdファイル、ワークスペースポリシー、Ollama Modelfileのコレクションも含まれています。これらのファイルは互換性のあるクライアントで使用できますが、プロンプトの挙動はバージョンに依存するため、思い込みで使わず、テストして確認してください。

用語を理解する

GLM 5.3 abliteratedは一般に、モデルの拒否方向を弱めることを目的とした、重みレベルの変更を指します。GLM 5.3 uncensoredは、アブリテレーション、ファインチューニング、データの選択、モデルのマージ、その他のアラインメント手法など、結果に至る方法を問わず、拒否が少ないモデルバリアントを表す、より広い呼称です。

これらの用語には関連性がありますが、同じ意味ではありません。どちらの呼称も、モデルがあらゆるリクエストに回答することを保証するものではありません。挙動は、正確なモデルバージョン、プロンプト、プロバイダーのポリシー、指示の優先順位によって変わります。

Abliterated:通常、モデルの重みに対する変更を表します。
Uncensored:拒否挙動が広範に減少していることを表します。
Standard GLM 5.3:安全性に関する挙動、品質、コストのバランスが異なる場合があります。

GLM 5.3を使う理由

GLM 5.3はZhipu AIのGLMファミリーに属し、コーディング、エージェントワークフロー、推論、中国語と英語のバイリンガルタスクを想定しています。リポジトリ規模の指示、ツールを使うワークフロー、コストを重視した処理、またはルーティング構成に別のモデルファミリーを加えたい場合に役立ちます。

7APIでは、同じアカウントとAPIキーで、Claude、GPT、Gemini、Grok、DeepSeek、Kimiなど、他のモデルファミリーにもアクセスできます。利用可能なバリアントは現在の提供状況に応じて表示されます。

モデルプロバイダーごとにアプリケーションを書き換える代わりに、互換APIを使用できます。
コーディングやツール指向のワークフローでGLM 5.3をテストできます。
標準、abliterated、uncensoredの各バリアントを、自分のタスクで比較できます。
トークン単位の従量課金を利用し、ダッシュボードで最新の料金を確認できます。

APIアクセスを設定する

1. アカウントを作成して認証情報を取得する

7api.stでアカウントを作成します。ダッシュボードからAPIキーと適切なベースURLをコピーします。キーはソースコードに直接記述せず、環境変数に保存してください。

export SEVEN_API_KEY="sk-..."
export SEVEN_API_BASE_URL="https://.../v1"

Anthropic互換エンドポイントでは、ダッシュボードに別のベースURLが表示される場合があります。設定するクライアント用に提供されている値を使用してください。

2. 正確なモデルIDを選択する

ダッシュボードを開き、使用したいGLM 5.3バリアントの現在のモデルIDをコピーします。プレースホルダーや古い識別子が今後も有効だと想定しないでください。利用可能なモデルは、バージョン間で変わる場合があります。

以下の例では、GLM_5_3_MODEL_IDをダッシュボードに表示される正確なIDに置き換えてください。

OpenAI互換リクエストを送信する

プロジェクトにOpenAI Python SDKをインストールし、7APIのキーとベースURLでクライアントを初期化します。

pip install openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["SEVEN_API_KEY"],
    base_url=os.environ["SEVEN_API_BASE_URL"],
)

response = client.chat.completions.create(
    model="GLM_5_3_MODEL_ID",
    messages=[
        {"role": "system", "content": "You are a precise coding assistant."},
        {
            "role": "user",
            "content": "Refactor this function and explain the trade-offs: ...",
        },
    ],
)

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

このパターンでは、一般的なチャット補完インターフェースを使用します。クライアントでサポートされているコーディング、バイリンガルの文章作成、分析、エージェントタスクに合わせて、システムメッセージとユーザーメッセージを調整できます。

Anthropic互換リクエストを送信する

アプリケーションでAnthropic SDKを使用している場合は、SDKをインストールし、ダッシュボードにある互換ベースURLを設定します。

pip install anthropic

import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ["SEVEN_API_KEY"],
    base_url=os.environ["SEVEN_API_BASE_URL"],
)

message = client.messages.create(
    model="GLM_5_3_MODEL_ID",
    max_tokens=1024,
    system="You are a precise coding assistant.",
    messages=[
        {"role": "user", "content": "Write a migration plan for this module."}
    ],
)

print(message.content[0].text)

ダッシュボードにこのプロトコル用の別のエンドポイントが表示されている場合は、7APIが指定するAnthropic互換ベースURLを使用してください。

開発者ツールに接続する

このリポジトリでは、複数の開発環境との互換性について説明しています。基本的な手順は、ツールのプロバイダー設定に適切なエンドポイント、APIキー、GLM 5.3のモデルIDを指定することです。

Claude Code:ANTHROPIC_BASE_URLを7APIのAnthropicエンドポイントに設定します。
Cursor:カスタムのOpenAI互換プロバイダーを追加します。
OpenCode:カスタムプロバイダーと、選択したGLM 5.3のモデルIDを追加します。
Codex CLI:OpenAI互換プロバイダープロファイルを使用します。
LangChainまたはLlamaIndex:OpenAI互換アダプターを使用します。

クライアント固有の手順については、リポジトリのClaude Code、Cursor、OpenCode、Codexガイドを参照してください。

リポジトリのプロンプトファイルを使用する

このリポジトリには、GLM、Claude、DeepSeek、Kimi、Grok、OpenCode、Ollamaなど、さまざまな環境向けのプロンプトファイルが含まれています。通常の会話にすべてのファイルを貼り付けるのではなく、使用するクライアントに合った形式を選択してください。

システムプロンプト: ファイルの内容をシステムメッセージまたはカスタム指示欄にコピーします。
AGENTS.mdファイル: コーディングエージェントがプロジェクトレベルの指示に対応している場合は、リポジトリまたはワークスペースのルートにファイルを保存します。
ワークスペースポリシー: 使用するクライアントが指定する永続的な指示の保存場所に配置します。たとえばREADMEでは、OpenCodeのインストール先として~/.config/opencode/AGENTS.mdが記載されています。
Ollama Modelfile: たとえばollama create gemma4-jb -f gemma4.mdのように、ファイルをOllamaに渡します。
Grokの設定: 通常のチャットメッセージとしてではなく、対象ハーネスの設定欄でgrok-config.txtを使用します。

モデル、指示の階層、またはクライアントのバージョンが更新されると、プロンプトの動作が変わることがあります。これらのファイルは実験として扱い、実際に使用するモデルのリリースで動作を検証してください。

GLM 5.3のバリアントを評価する

アブリテレートモデルや検閲解除モデルが本番環境に適しているかどうかを判断するには、1回の成功した応答だけでは不十分です。代表的なタスクを含む再現可能なテストセットを作成し、同じ条件で各バリアントを比較してください。

拒否率を測定する: 以前失敗したプロンプトをテストし、各タスクについてモデルが完了、一部完了、または拒否したかを記録します。
品質を測定する: 実際のコーディング、推論、翻訳、バイリンガル文書作成のタスクを評価します。
副作用を確認する: 口調、指示への従順性、構造化出力、ツール使用の変化を確認します。
バージョン差異を追跡する: プロバイダーがモデルまたはモデルIDを変更するたびにテストを繰り返します。
成功したタスクあたりのコストを計算する: トークン価格だけを比較せず、再試行や失敗した試行も含めます。

このプロセス用に、リポジトリには専用の評価チェックリストが用意されています。

高度な使用方法と運用上のヒント

モデル選択を設定可能にする

モデルIDを設定ファイルまたは環境変数に保存しておくと、アプリケーションコードを変更せずに標準、アブリテレート、検閲解除の各バリアントを比較できます。デプロイ前には、ダッシュボードで現在のIDを必ず確認してください。

プロジェクトごとに認証情報を分ける

7APIはサブキーに対応しているため、プロジェクト、チームメンバー、クライアントごとに予算を分けるのに役立ちます。実用上必要な最小限の権限を付与し、認証情報が漏えいした場合はローテーションしてください。

キャッシュ済み入力と再試行を監視する

このサービスはトークン単位の従量課金を採用しており、対応している場合はキャッシュ済み入力に低い料金が適用されます。再試行回数、プロンプトサイズ、タスクの成功率を追跡し、安価なモデルが繰り返しの失敗によって高コストにならないようにしてください。

より幅広いカタログを比較する

1つのキーで複数のモデルファミリーを利用できるため、ルーティング時に品質、レイテンシ、言語性能、拒否動作が重要になる場合は、Claude、GPT、Gemini、Grok、DeepSeek、KimiとともにGLM 5.3を評価してください。検閲解除AI APIモデルカタログは、より幅広い比較の出発点になります。

責任ある利用と制限事項

アブリテレートモデルや検閲解除モデルが、拒否を一切行わないとは限りません。拒否動作が減ることで、指示への従順性、口調、その他の品質特性も変化する可能性があります。出力が人、システム、または重要な意思決定に影響する場合は、アプリケーションレベルのガードレール、ログ記録、アクセス制御、人によるレビューを追加してください。

適用される法律、プロバイダーの利用規約、組織のポリシーに従ってください。
モデルのラベルを安全性や品質の保証とみなさないでください。
使用予定の正確なバージョンとプロバイダーのエンドポイントをテストしてください。
APIキーを保護し、クライアント側アプリケーションやリポジトリで公開しないでください。
生成されたコードやエージェントの操作を、本番システムに適用する前に確認してください。

追加の考慮事項については、リポジトリの安全性と責任ある利用に関するガイドを参照してください。

料金と利用可能状況

7APIはサブスクリプションではなく、トークン単位の従量課金を採用しています。READMEには、対応している場合のキャッシュ済み入力への課金、BTC、ETH、USDT、LTCによる暗号資産チャージ、サブキー、紹介プログラムも記載されています。料金、制限、利用可能状況、およびモデルの登録内容は変更される可能性があるため、GLM 5.3の最新情報はダッシュボードで確認してください。

まとめ

7API経由でGLM 5.3を利用するには、アカウントを作成し、正しいキーとベースURLをコピーして、ダッシュボードから正確なモデルIDを選択し、OpenAIまたはAnthropic SDK経由で接続します。その後、コーディングツールにモデルを統合し、実際のワークロードで評価できます。アブリテレートや検閲解除というラベルは、拒否動作が減っていることの説明として扱い、保証とみなさないでください。また、モデルのバージョンが変わるたびに再テストしてください。

完全なリファレンスについては、リポジトリのGLM 5.3 APIクイックスタートおよびトラブルシューティングドキュメントを続けて参照してください。