本文へ
ハクソク

世界を動かす技術を、日本語で。

GLM 5.3 Flashでの1ヶ月間のコーディング

元記事: 原文(wagtail.org)

概要

  • 1ヶ月間、GLM 5.3 Flashモデルの使用を目標とした運用報告
  • 前半は計画通り進行、後半は他モデルへの切り替えが発生
  • インフラやプロトタイプ開発で予想外のコスト増
  • モデル選定と効率化の重要性を再認識
  • 今後の改善策と学びの共有

モデル運用の振り返り:GLM 5.3 Flash中心の月間チャレンジ

  • GLM 5.3 Flash を1ヶ月間集中的に使用する目標設定

    • 前半2週間は 計画通り運用、コストも予算内($68、約4kWh、365gのCO2排出)
    • 後半は 他モデル (約10億トークン)への切り替えが発生
  • 予想外の課題

    • プロトタイプ(Wagtail MCPサーバ) でのモデル選択ミス
      • 誤ったモデル選定により、 4.5億トークン/$150/5kWh を一晩で消費
      • MCPサーバ自体は成功例だが、選定の慎重さが必要との教訓
    • インフラの可用性問題
      • 人気モデルゆえに GLM 5.3 Flash のパフォーマンス低下
      • 欧州データセンター限定でのモデル選択肢減少
      • 代替として DeepSeek V4.1 Flash や Qwen 3.8 Flash に切り替え
  • 実験・R&Dコスト

    • 幅広いモデルの ベンチマーク ・実験の重要性
      • Wagtailタスクでの性能比較データ収集
      • Leanなモデル推奨やエージェントスキル向上への活用

成功点とGLM 5.3 Flashの強み

  • GLM 5.3 Flash の優位性
    • 100万トークンのコンテキストウィンドウ で長時間のコーディングに対応
    • ビジョンサポート でスクリーンショットやQAにも活用可能
    • 複数プロバイダーで利用可能、競争による恩恵
    • Wagtail上での実運用、UIタスクやAI R&D、ドキュメント作成にも対応
    • 多用途性の高さ

反省点と今後のアクション

  • チャレンジ自体は50%の達成率
    • 目標モデルの使用割合50%、トークン2億中1億
    • エネルギー消費も 35kWh と目標より大幅増
  • 得られた学びと今後の方針
    • ローカルでの使用量・エネルギー・コストの可視化
    • 実験用予算の明確化 とプロトタイプ構築の選別
    • プロンプト選定・マルチエージェント技術 の強化
      • オーケストレーター/スカウト/インプリメンター/レビュワーの役割分担
    • 効率的なモデル・技術の追求
      • Jev-style decision diffusion modelsや最新フラッグシップモデルへの期待
    • 日常開発業務は安価なflash-tierモデル中心で十分
      • コストやエネルギー消費ベースの効率重視

次のステップとコミュニティへの呼びかけ

  • 10月はさらに 効率化・最適化 を推進
  • Wagtail Space 2026 (11月)での成果報告予定
  • 同様のチャレンジを推奨、 学びの多さ を強調

提供: ハクソク · 要約更新:

AIによる日本語要約です。内容は原文とあわせてご確認ください。

Hacker Newsの議論を読む

Hackerたちの意見

残念ながら、まだ影響があるんだよね。プロトタイプのモデルを「間違った」ものに選んじゃって、ほぼ一晩で450Mトークン、150ドル、5kWhのエネルギーを使っちゃった。MCPサーバー自体はうまく動いてるし、能力のデモも素晴らしいから、無駄ではなかったけどね。 > とはいえ、モデル選びやエージェントパターンには気をつけるべきだっていう良い教訓になった。もっと少ないコストで、そんなに努力しなくても似たような結果が出せたはずだよ。教訓を得た!これに予算を組む必要があるし、もっと慎重にならないと。予測できたかもしれないけど、今は分かったよ。なんで間違ってたのか分からない。どれが良かったの?教訓は何で、どうやって予見できたの?

└

うーん、言い換えた方がいいかも。最初の課題はGLM 5.3 Flashを使うことだったんだけど、ずっと非Flashバージョンでビルドしてたんだ。注意を払ってなかったし、一回のセッションが月の支出の四分の一で、予算の150%になってるなんて気づかなかった(モデル間の価格差が大きい)。

これらの数字で本当に驚いたのは、エネルギー使用量がこんなに低いことだね。 > そのモデルの使用量は予算内だったよ(68ドル、約4kWhのエネルギー使用、365グラムの炭素排出)。エネルギーコストは総コストの1%に過ぎない。参考までに、4kWhのエネルギーはEVで約15マイル走れるし、平均的な人の1日の運転距離の半分くらいだ。水を10ガロン沸かすのと同じくらい。AIデータセンターの世界への影響について話してるけど、ここで使われてる効果を得るためには10倍から100倍のエネルギーが必要だと思うよ。私の考えとしては、AIデータセンターの構築は、私たちにたくさんのダークファイバーを残したファイバーの構築と同じくらい、あるいはそれ以上の過剰なものだと思う。経済を救う唯一の方法は、NVIDIAやチップファブが計画された建設に見合うだけのチップを生産できないことだね。

└

同意するけど、使用量がこんなに早く増えてるのは心配だな。2ヶ月前はトークンを10分の1しか使ってなかったし、推論に使うエネルギーも多くて5kWhくらいだった。今月は推論に約30kWh使ってる。もっと手頃になったら、また跳ね上がるのかな?ちょっと不安。

└

あなたが話してるのは変動する直接エネルギーだけだね。データセンターの建設、冷却の運用、チップの製造、チップが未利用の割合など、ライフサイクル全体を考慮に入れてるの?

└

これに関連して:中国とアメリカの違いをここで見てみて:https://aidatacenterindex.com/compare/united-states-vs-china... 中国はAIのエネルギー効率(コストも含めて)でなんだか先を行ってる気がする。結局、両者は直接競争してるし、この違いは大きいよね。もしかして、アメリカのエネルギーを大量に消費するデータセンターの「ハイパースケーリング」はバブルの一部なのかな?

└

「AIデータセンターの世界への影響」っていうのは大げさに言われすぎてて、ここを見ると工業化の歴史の中での新技術の中で最も影響が少ないってわかるよ。

└

普通の家庭用ヒートポンプ/エアコンを1時間運転するか、ゲーミングPCで8時間遊ぶのと同じくらい。そう、データセンターのリソース使用に関するプロパガンダは真実を大きく上回ってるから、裏で興味を持ってる人たちがいるんじゃないかと思う。

└

AIデータセンターの建設はギガワット単位だよ。1.21 GWのデータセンターは、単一ユーザーの平均負荷5.5 W(1ヶ月で4 kWh)を約2億倍にする。明らかに、広く分散された負荷は周囲の環境に与える影響がずっと少ないよ。ちなみに、記事によるとフルGLM 5.3モデルは「10倍から100倍」の範囲にあるらしい。だから、これは現実的な範囲内だね。

└

AIデータセンターの影響についての話があるけど、これを実現するためには10倍から100倍のエネルギーが必要だと思うよ。ここまではうまくいってたのに、これが出てきた。スケールで見ると、すべてが環境に影響を与えるから、悪影響を集中させて、良い影響を分散させることになる。これは重要なことだけど、データセンターが地域のインフラや環境に与える熱や騒音、影響の量を隠してるんだよね。

└

Neuralwattでの旅の中で(彼が使ってるのは多分私たちで、私がCTOだから)、メディアに出てることと実際の現場との間に大きなギャップがあることにすぐ気づいたよ。メディアはAIの話題に関して、最悪のケースを基にした未来の予測が多いけど、実際には現場で見ていることとは違う。私たちは、エネルギーの制約(パフォーマンスを維持しながらトークン/ジュールを最大化することを含む)が現在のデータセンターでどう現れているかに焦点を当てて、エネルギーをもっと有効に使う方法を提供してるんだ。だから、今は影響の問題というより技術的な制約の問題だと思うし、メディアの報道はもっと良くなるべきだと思う。純粋なエネルギーコストに対する総コストは桁違いだけど、データセンターではエネルギーが純粋な商品で、他のほとんどのコンポーネントは供給不足から大きなマージンがある。時間が経つにつれて、これが近づくかもしれない(ハードウェアの競争がマージンを下げるかも)けど、エネルギーがボトルネックになるかもしれない(エネルギー価格が上がる)。

└

家に5090をスマートプラグに接続してQwen3.8 27Bを使ったエージェントコーディング用のコンピュータがある。忙しい日は約5kWh使うけど、ほとんどの日は約2kWhだよ。クラウドの方が効率的だと思う。並行して多くのストリームを動かす効率があるし、モデルによっては27Bより少ないアクティブパラメータもあるから、非GPUコンポーネントの電力消費ももっと多くのGPUに分散されてる。でも、推論プロバイダーから得られるエネルギー使用量はちょっと「美化」されてると思う。結局、彼らは政治的な戦いをしていて、全然悪くないってことを示さなきゃいけないからね。とはいえ、今年のモデルの驚くべき進歩を見てると、計画されている拡張はちょっと過剰だと思う。私のゲーミングハードウェアでも、指示を出すのが足りなくなることが多いし、モデルが賢くなるほど、ハードウェアを使い切るのが難しくなる。これはAIにどんなタスクを与えられるかの創造性の欠如から来てるのかな?少しはそうかもしれないけど、今はそんなに遠くないとは思えない。

Hacker Newsで議論の続きを見る