Zhipu AIオープンソース

GLM-5

Name: GLM-5
Author: Zhipu AI

このモデルを比較

Zhipu AI開発の高性能基盤モデル。中国語対応に優れ、多様なタスクに対応。

シェア:X はてブ LINE

パラメータ

7440

コンテキスト長

200K

ライセンス

MIT

リリース日

2026-02-11

日本語性能

🌐多言語対応

一般的な多言語対応モデル。基本的な日本語処理は可能だが、特化モデルには劣る。

API料金

入力料金（1Mトークンあたり）

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

インテリジェンス指数

オープンウェイトモデル中で第1位（Artificial Analysis Intelligence Index v4.0）

SWE-bench Verified

77.8%

Claude Opus 4.5: 80.9%, GPT-5.2 (xhigh): 80.0% と比較

BrowseComp (コンテキスト管理付き)

75.9%

Claude Opus 4.5: 67.8%, GPT-5.2 (xhigh): 65.8% と比較

Arena Elo (LMArena)

1452

テキストおよびコードアリーナでオープンモデルリーダー

コンテキストウィンドウ

200K tokens

最大出力128Kをサポート

入力価格

$1.00/1M tokens

サードパーティプロバイダー平均（例：Novita、DeepInfra）

強み

・優れたエージェント的および長期的なタスクパフォーマンス（例：Vending-Bench 2: $4,432）
・MITライセンスとマルチプラットフォーム展開を備えたコスト効率の高いオープンウェイトモデル
・DeepSeek Sparse Attention (DSA)による効率的な長コンテキスト処理で推論コストを削減

弱み

・一部の難しい複合ドメイン推論タスクに弱い（Humanity's Last Exam: ある評価で10.4%）
・744Bパラメータにより、自己展開には大規模なハードウェア（マルチGPUサーバー）が必要
・ベンチマークパフォーマンスは評価間でドリフトが見られ、安定性の問題を示唆

競合比較

Model	Arena	SWE	GPQA	Price
Claude Opus 4.5	~1400 (推定)	80.9%	87.0%	$5/$25 1M入力/出力あたり
GPT-5.2 (xhigh)	1462 (GDPval-AA Elo)	80.0%	92.4%	推定$10/$30 1M入力/出力あたり
DeepSeek-V3.2	1195 (GDPval-AA Elo)	73.1%	82.4%	オープンウェイト、GLM-5と類似

概要

GLM-5は、智譜AIの次世代フラッグシップ基盤モデルで、AIを「バイブコーディング」から真の「エージェントエンジニアリング」に移行させるために設計されました。744Bの総パラメータ（40Bアクティブ）とDeepSeek Sparse Attention (DSA)で強化されたMixture-of-Experts (MoE)アーキテクチャにより、GLM-5は主要ベンチマークでオープンウェイトモデル中で最先端のパフォーマンスを達成し、長コンテキスト効率を最適化しています。このモデルは、エージェントコーディング、長期的な計画、ツールを多用するワークフローに特に強みを示し、Claude Opus 4.5やGPT-5.2などのフロンティアプロプライエタリモデルとの差を縮めています。主なイノベーションには、効率的なポストトレーニングのためにトレーニングと推論を分離する非同期強化学習インフラストラクチャ（slime）や、エージェントトレーニングのための広範なリアルワールド環境スケーリングが含まれます。GLM-5はMITライセンスでリリースされ、Huawei Ascendを含む国内中国チップインフラストラクチャに適応されています。これは、複雑なマルチステップソフトウェアエンジニアリングタスクを自律的に処理できるオープンウェイトモデルに向けた重要な一歩です。このモデルは、高額なプライシングのクローズドモデルなしで強力なエージェント機能を必要とする開発者や企業にとってコスト効率の高い代替手段として位置づけられています。一部のエキスパートレベルの推論ベンチマークで弱点を示していますが、コーディング、ツール使用、長期的なタスクでのパフォーマンスにより、実践的なAI主導のエンジニアリングワークフローにとって魅力的な選択肢となっています。

ベンチマーク＆性能

GLM-5は、特にエージェントおよびコーディングタスクにおいて、幅広いベンチマークで強力なパフォーマンスを示しています。以下は主要競合モデルとの詳細な比較です： | Benchmark | GLM-5 | Claude Opus 4.5 | GPT-5.2 (xhigh) | DeepSeek-V3.2 | |-----------|-------|-----------------|-----------------|---------------| | **Reasoning & General** | | | | | | Humanity's Last Exam (text) | 30.5 | 28.4 | 35.4 | 25.1 | | GPQA-Diamond | 86.0 | 87.0 | 92.4 | 82.4 | | AIME 2026 I | 92.7 | 93.3 | - | 92.7 | | **Coding** | | | | | | SWE-bench Verified | 77.8 | 80.9 | 80.0 | 73.1 | | SWE-bench Multilingual | 73.3 | 77.5 | 72.0 | 70.2 | | Terminal-Bench 2.0 (Terminus-2) | 56.2 | 59.3 | 54.0 | 39.3 | | **Agentic** | | | | | | BrowseComp (w/ Context Manage) | 75.9 | 67.8 | 65.8 | 67.6 | | τ²-Bench | 89.7 | 91.6 | 85.5 | 85.3 | | Vending-Bench 2 (USD) | $4,432 | $4,967 | $3,591 | $1,034 | | **Long-Context** | | | | | | LongBench v2 | 64.5 | 68.2 | 59.8 | 59.8 | *ソース：arXiv技術レポート (arxiv.org/abs/2602.15763)、LLM Registry、LayerLens評価。* 主な要点： - **エージェントリーダーシップ**：GLM-5はコンテキスト管理付きBrowseCompで全モデルを上回り、Vending-Bench 2でトップに位置しています。 - **コーディング競争力**：SWE-benchでClaude Opus 4.5に後れをとっていますが、オープンウェイトモデルをリードし、多言語コーディングで強力です。 - **推論のギャップ**：GPQAや一部の推論ベンチマークではプロプライエタリモデルが優勢ですが、GLM-5はオープンウェイトでリードしています。

詳細比較

### GLM-5 vs Claude Opus 4.5 - **価格**：GLM-5ははるかに安価です（1M入力/出力トークンあたり$1/$3.20 vs $5/$25）。 - **コンテキストウィンドウ**：両方とも200Kトークンを提供し、GLM-5は最大出力128Kをサポートします。 - **強み**：GLM-5はエージェントブラウジング（BrowseComp）と長期的な計画（Vending-Bench 2）に優れています。Claude Opus 4.5は純粋なコーディング（SWE-bench）や一部の推論タスクでより強力なパフォーマンスを示します。 - **弱点**：GLM-5はより注意深いコンテキスト管理が必要であり、一部の評価でドリフトが見られます。Claude Opus 4.5はより一貫していますが、クローズドソースで高価です。 ### GLM-5 vs GPT-5.2 (xhigh) - **価格**：GLM-5はコスト効率が高いです（出力トークンで推定10倍安い）。 - **コンテキストウィンドウ**：GPT-5.2は一部の構成でより長いコンテキストを提供可能ですが、GLM-5の200Kは競争力があります。 - **強み**：GLM-5はエージェントタスクでリードし、オープンウェイトの柔軟性があります。GPT-5.2はより強力な推論（GPQA）と全体的なインテリジェンス指数スコアを持っています。 - **弱点**：GLM-5のオープンウェイト性は完全な制御のために自己ホスティングが必要ですが、GPT-5.2はAPIのみです。 ### GLM-5 vs DeepSeek-V3.2 - **価格**：両方ともオープンウェイトですが、GLM-5はより大きなサイズにより運用コストが高い場合があります。 - **コンテキストウィンドウ**：GLM-5は200Kトークンをサポート；DeepSeek-V3.2は通常128Kです。 - **強み**：GLM-5はほとんどのエージェントおよびコーディングベンチマークでDeepSeek-V3.2を上回ります。DeepSeek-V3.2は推論においてより効率的です。 - **弱点**：GLM-5はより多くの計算リソースを必要とし、DeepSeek-V3.2は展開がより軽量です。 *決定ガイダンス*：コスト制御とオープンウェイトの柔軟性が重要で、エージェントの安定性、長コンテキスト処理、コスト効率を優先する場合にGLM-5を選択してください。クローズドで予算が柔軟な環境で最大の推論深度が必要な場合は、Claude Opus 4.5またはGPT-5.2を選択してください。

コミュニティ評価

AIコミュニティはGLM-5に大きな関心を示しており、特に智譜AIのOpenRouterでの匿名リリース実験（コード名「Pony Alpha」）の後です。開発者や研究者は、Anthropicや他の研究所からのリークモデルだと推測し、その競争力のあるパフォーマンスを強調しました。確認後、反応は好意的で、多くの人々はエージェントタスク向けの強力なオープンウェイト代替品として称賛しました。GitHubやHugging Faceなどのプラットフォームでは、開発者らがそのMITライセンスやClaude Code、Cline、OpenCodeなどのフレームワークとの互換性を挙げ、ツールや統合を積極的に構築しています。ただし、一部の実務者は自己ホスティングのためのハードウェア要件の厳しさや、時折のベンチマークの不一致性に注目しています。拡張1Mコンテキストを備えたGLM-5.2のリリースは、コミュニティをさらに興奮させ、急速な反復を示しています。全体として、GLM-5はオープンソースAIのマイルストーンと見なされ、実践的なエンジニアリングワークフローでプロプライエタリモデルとのギャップを狭めています。

ユースケース

1. **エージェントソフトウェアエンジニアリング**：GLM-5は、デバッグ、リファクタリング、コードベース全体の機能実装など、マルチステップコーディングタスクに優れています。例：Claude Code内でGLM-5を使用して、GitHubの問題を自律的に解決し、テストを実行し、パスするまで反復する。 2. **長期的なビジネスシミュレーション**：持続的な計画やリソース管理を必要とするタスクに最適です。例：数ヶ月にわたるシミュレートされた自販機ビジネスの実行（Vending-Bench 2）、GLM-5は一貫性と戦略的意思決定を維持します。 3. **ツールを多用する研究ワークフロー**：Webブラウジング、データ抽出、合成に効果的です。例：研究エージェントがBrowseCompを使用して、コンテキストを管理しながら複数のソースから情報を収集し合成する。 4. **コスト感度の高いエンタープライズ環境での展開**：高額な価格なしで強力なパフォーマンスを必要とする組織に適しています。例：最適化されたカーネルや量子化により、国内中国チップ（例：Huawei Ascend）でローカル推論のためにGLM-5を展開する。 *代替案よりも選択すべき場合*：エージェントの安定性、長コンテキスト処理、コスト効率が優先事項で、自己ホスティングのインフラストラクチャがあるか、手頃なサードパーティAPIを使用する場合にGLM-5を優先してください。