DeepSeek 1017 vs Opus 5 vs GLM-5.3：点数と費用を一緒に見る

DeepSeekのモデルカードは1017、9月のV4.1、K3、GLM-5.3、GPT-5.6 Sol、Opus 5を同じ項目で比較しています。Terminal-Bench 4.0はClaude Codeハーネス、DeepSWE v1.1はMini-SWE-V2で測定しました。ハーネスが違えば同じモデルでも点数は変わるため、表の数値をそのまま自分の環境の性能として扱うことはできません。

特にローカル実行速度とは別の指標です。ここでの点数は課題を完了できたかを測る値で、tok/sや初回トークン²待ちは別に測定する必要があります。

Terminal-Bench 4.0は1017が42.3で9月の31.2より11.1ポイント高く、Opus 5の51.8には届きません。DeepSWE v1.1は77.0でOpus 5の74.0を上回り、ProgramBenchは20.3から29.1へ上がりましたがOpus 5の37.0より低いままです。

エージェント項目ではAutomation-Bench 60.5、Agents' Last Exam 35.4で9月のモデルより上がり、Opus 5も上回ります。ただしこれらはモデルカードが公開した値であり、自分のリポジトリで同じ結果になるという意味ではありません。

HLE（ツールなし）は36.8から42.6へ上がりましたが、Opus 5の56.3、GPT-5.6 Solの44.5には届きません。NL2Repo-Benchも68.2でOpus 5の75.3より低いです。一方、ChartographyやBabyVisionのような視覚・ツール課題ではOpus 5に近い水準まで上がっています。

「1017がOpus 5に勝った」という文はコーディングの一行では正しいですが、全体性能の結論ではありません。どの課題をよく行うかで選択は変わります。

DeepSeek APIはdeepseek-flashでキャッシュ不一致の入力がピーク$0.3、出力が$1.2です。Opus 5は入力$5、出力$25と案内されています。同じトークンなら入力で約17倍、出力で約21倍の差になります。オフピークにはDeepSeekが半額になるため、差はさらに広がります。

エージェント作業は出力が長くなりがちです。一つの作業で入力2万、出力1万トークンを使うと、DeepSeekはピークで約$0.018、Opus 5は約$0.35です。1017が出力を短くした点を加えると作業あたりの差はさらに広がりますが、失敗した作業をやり直す費用も計算に入れる必要があります。

1017はMITライセンスで475.25GiBの公式ファイルが公開され、GLM-5.3-Flashは総320B・有効18Bのオープンウェイトモデルです。Opus 5は公開重みがなくAPI専用です。ローカル実行を前提にすると、選択肢は1017とGLM-5.3-Flashに絞られます。

1017は1Mの文脈と552Bのバックボーンのため、個人向け機材では圧縮変換版とSSD³ストリーミングが必要です。GLM-5.3-Flashも320Bでサーバー級メモリが要ります。オープンウェイトと「自分のノートPCで動く」は同じ意味ではありません。

第一に、よく行う作業を三つ選び、同じプロンプト⁴で比較します。第二に、作業を終えるのに使ったトークンと再試行回数を記録します。第三に、データが外部に出てよいか確認します。この三つが点数表より直接的に選択へ影響します。

ベンチマーク1点の差を追うより、自分の作業で失敗率が低く費用を予測できるほうを選ぶのが賢明です。整理すると、1017はコーディング・エージェントとローカル実行、Opus 5は総合推論とマネージドAPI、GLM-5.3-Flashはもう一つのオープンウェイトの選択肢です。