GLM-5.2とは？Z.aiの100万コンテキスト対応オープンウェイト旗艦、2バージョンを経て

GLM-5.2は、かつてZhipu AIとして知られていた北京のラボ、Z.aiによるオープンウェイトのテキスト専用大規模言語モデルで、2026年6月16日にMITライセンスの下でリリースされた。7530億パラメータのmixture-of-expertsモデルで、100万トークンのコンテキストウィンドウを持ち、およそ2か月の間、誰でもダウンロードできる中で最強のオープンウェイトのコーディングモデルだった。だがもはやその地位にはない。Z.aiがその後、その上に2つの後継モデルを投入したからだ。これこそ、GLM-5.2に関するほとんどのページが省いている部分であり、あなたがまだ気にかけるべきかどうかを決める部分である。

このブログのアーカイブには、GLM-5.2に言及した43本の記事がある。これまで、そのうちの一本もGLM-5.2そのものについて書かれたものはなかった。このモデルは、比較に次ぐ比較のなかで相手役として、すなわち、より新しいモデルが測られる際の固定された基準点として現れる。それは、自らの開発元がすでに乗り越えて先へ進んだモデルにとって奇妙な役割であり、それがこのページの存在理由だ——GLM-5.2とは実際に何なのか、いくらかかるのか、何が得意なのか、そして誰が今なお選ぶべきなのかを、率直に説明するために。

Z.ai自身のラインの中でGLM-5.2が占める位置

Z.aiは日付入りのリリースログを公開しており、これについて最も明快な情報源です。順に読んでいけば、このファミリーの全体像は明らかです：

• GLM-5 — 2026年2月12日。最初のGLM-5で、複雑なシステムエンジニアリングと長期的なエージェントタスクを目的としています。
• GLM-5.1 — 2026年4月7日。長期的な作業に従事し、1回の実行で最大8時間単独で稼働できます。
• GLM-5.2 — 2026年6月16日。長期的なタスク向けの1Mコンテキストのフラッグシップ。Z.aiのログでは「1Mのロスレスコンテキストにより、長期的なタスク能力を大幅に向上」と説明されています。
• GLM-5.3 — 2026年8月18日。GLM-5.2と同じベースモデルで、性能向上はポストトレーニングによるものです。Z.aiは、自社のCode BenchでGLM-5.2比50%の向上、およびTerminal Bench 3.0でオープンソースの最高水準を報告しています。
• GLM-5.3-Flash — 2026年8月26日。新たにトレーニングされたベース（合計320B、アクティブ18B）上に構築された、別のより小型のモデルで、初のネイティブマルチモーダルGLM-5です。

重要なのはGLM-5.3の項目だ。GLM-5.3は、より大きなGLM-5.2ではない。同じベースの重みをポストトレーニングでさらに押し進めたものだ。つまりGLM-5.2は、この系統で能力がアーキテクチャに由来する最後のモデルとなり、GLM-5.3は現在のテキスト向けフラッグシップとなる。今日、品質だけでZ.aiのモデルを選ぶなら、答えはGLM-5.3であり、GLM-5.2ではない。

GLM-5.3-Flashは、安価なGLM-5.3ではなく、別系統のモデルだ。より小型でネイティブにマルチモーダル（テキスト、画像、動画）であり、価格はテキスト特化のフラッグシップより一桁低い。視覚機能が必要なら、いずれにせよGLM-5.2は求めるモデルではない。

スペックシート

• パラメータ — モデルカードによると合計753B、zai-org/GLM-5.2-FP8。Z.aiはそのカードでアクティブパラメータ数を明記していません。サードパーティの掲載情報ではトークンあたり約40Bとされていますが、当社はその数値を一次情報源から確認できませんでした。
• コンテキストウィンドウ — 100万トークン。カードでは「長期的な作業を安定的に支える堅牢な100万トークンのコンテキスト」と説明されています。
• 最大出力 — 128Kトークン。
• モダリティ — テキスト入力、テキスト出力。画像入力も音声もありません。当社のカタログのこのモデルの項目には「テキスト入力のみをサポート」と記載されています。
• ライセンス — MIT、地域制限なし。重みはHugging Face上のzai-org組織を通じてBF16およびFP8のバリアントで公開されています。
• 推論制御 — reasoning_effortパラメータで駆動されるハイブリッド思考モードで、highとmaxの設定があり、デフォルトはmaxです。ネイティブのツール呼び出しと構造化出力をサポートします。
• アーキテクチャ — IndexShare。これは4つのスパースアテンションレイヤーごとに1つの軽量インデクサーを再利用するもので、モデルカードによればフルコンテキスト時にトークンあたりのFLOPsを2.9倍削減します。さらに、投機的デコーディングの受理長を最大20%高める改良されたマルチトークン予測レイヤーを備えています。
• トレーニングハードウェア — ローンチに関する報道では、このモデルはNvidiaのハードウェアを使わずHuawei Ascendアクセラレータでトレーニングされたとされています。これはモデルカードではなくニュース報道による主張であり、当社はそのままお伝えしています。

GLM-5.2が測定可能な形で何を得意としているか

GLM-5.2が得意とすることのほとんどは、コーディングまたはエージェント的測定であり、以下の数値はベンダー報告によるものだ——Z.ai自身のモデルカードにあるベンチマーク表から来ており、独立した再現によるものではない。

• Terminal Bench 2.1 (Terminus-2) — 81.0、GLM-5.1の63.5に対して。これは表の中で単一最大の世代間飛躍である。
• SWE-bench Pro — 62.1、GLM-5.1の58.4に対して。
• FrontierSWE (Dominance) — 74.4、GLM-5.1の30.5とGPT-5.5の72.6に対して。
• AIME 2026 — 99.2。GPQA-Diamond — 91.2。どちらもZ.ai自身の表でクローズドな最先端と十分に競争力がある。
• MCP-Atlas (public set) — 76.8、同じ表でClaude Opus 4.8の77.8とほぼ同等。
• 長文脈リコール — 78.3。これは1Mトークンウィンドウにとって最も重要な数字である。ウィンドウは深い位置でもリコールが維持されて初めて有用であり、Z.ai自身の数値はそれがおおむね維持されていることを示している。

独立した見方はより希薄だが、確かなものである。Artificial Analysisは、Intelligence Index v4.3.2においてGLM-5.2をIntelligence Indexスコア34で掲載しており、同クラス内の114モデル中11位に位置付けている。その数値には2つの注意点が付随しており、Artificial Analysis自身が両方を述べている。すなわち、そのモデルは同社のページで非推奨とされており、同社は「デフォルトの10k入力トークン・ワークロードについてのみパフォーマンス・ベンチマークを継続する」と述べている——他のワークロードの結果は過去のものであり、もはや更新されていない。当社自身のモデルカタログ項目には、2026年6月25日時点の古い評価スナップショットが掲載されており、Intelligenceスコアは33.7である。これは現在の数値と同じインデックス改訂版ではなく、モデルの変化として読むべきではない。

測定可能なほど苦手なこと

三つのこと、そしてそれらについては率直に言う価値がある。

• テキスト専用です。画像入力も音声入力もありません。GLM-5.3-Flash はこのファミリーのマルチモーダルモデルであり、スクリーンショット、PDF、動画を扱うワークロードなら、GLM-5.2 はまったく的外れな選択肢です。
• 最長ホライズンかつ最も難度の高いソフトウェアエンジニアリング測定では大きく劣ります。SWE-Marathon では Claude Opus 4.8 の 26.0 に対し 13.0。DeepSWE では Claude Opus 4.8 の 58、GPT-5.5 の 70 に対し 46.2。NL2Repo では Opus 4.8 の 69.7 に対し 48.9 です。これらはすべて、GLM-5.2 が他の項目で勝利しているのと同じ表に載るベンダー報告値であり、まさにその点がこれらの数値の信頼性を裏づけています。Z.ai は自社の勝利のすぐ隣にこれらを公表したのです。
• 有名にした測定で追い越されています。GLM-5.3 は同じベースを使用し、Z.ai 自身の Code Bench で 50% 上回り、Terminal Bench 3.0 と Agents' Last Exam でも上回っています。また GLM-5.2 は Artificial Analysis で非推奨（deprecated）とフラグが立てられています。

入手できなかった数値が1つあります。GLM-5.2 について、私たちが開くことのできた情報源から、最新の独立したスループットまたはレイテンシ測定値を確認できなかったため、このページでは、確認できなかった数値を繰り返すのではなく、そうした数値は一切記載していません。

価格と実行場所

本日時点で確認したZ.ai自身の料金表では、GLM-5.2は次のとおりです：

• 入力 — 100万トークンあたり$1.40
• キャッシュされた入力 — 100万トークンあたり$0.26
• 出力 — 100万トークンあたり$4.40

キャッシュ入力ストレージは期間限定で無料と記載されています。GLM-5.3 はまったく同じ3つの料金を適用しているため、Z.ai の一覧では新しいモデルのほうが高価になるわけではなく、これにより古いモデルを使い続ける通常の理由がなくなります。

可用性について：このモデルはZ.ai自身のOpenAI互換エンドポイントapi.z.ai/api/paas/v4/chat/completionsを通じて提供されており、PythonおよびJava用の公式SDKがあり、重みはMITの下でHugging Faceからセルフホスティング用にダウンロードできます。さらに、多数のサードパーティ推論プラットフォームを通じても利用可能です。当社はそれをルーティングしています。OrcaRouterはGLM-5.2をZ.aiプロバイダー料金で、マークアップなしでモデルページに掲載しているため、上記の$1.40 / $4.40は、値上げされたコピーではなく、当社を通じて支払う金額です。同じキーでカタログの残りの部分にもアクセスでき、ここでは特定の理由からそれが重要です — 以下をご覧ください。

GLM-5.2を選ぶべきなのは誰で、別のものを選ぶべきなのは誰か

GLM-5.2 を選びましょうベンチマークスコアではなく、セルフホスティングで 100 万トークンのコンテキスト長が要件である場合。地域制限のない MIT ライセンス、公開された FP8 の重み、そして IndexShare アテンション設計により、長いコンテキストで実行するうえで真に実用的なものとなっており、深い位置での再現率の数値こそがそのコンテキスト長を正当化する根拠です。また、すでにそのreasoning_effortの挙動に合わせて調整されたパイプラインがあり、GLM-5.3 に対してプロンプトを再検証するコストが得られる利点を上回る場合にも、妥当な選択です。

代わりにGLM-5.3を選びましょう 重みではなくトークンを購入し、品質だけを判断軸にするなら。同じベースモデルであり、ポストトレーニングはより優れ、定価は同一です。Z.ai自身の料金表を見ても、旧モデルを選ぶ価格上の理由はありません。

代わりにGLM-5.3-Flashを選んでくださいビジョンが必要な場合、または最も安価で高性能な選択肢が必要な場合に。テキスト、画像、動画を扱え、2つのテキスト向けフラッグシップをはるかに下回る価格です。

まったく別のものを選びましょう、あなたの仕事が長期的なソフトウェアエンジニアリングの難しい側面にあるなら。Z.ai 自身が公開した表では、Claude Opus 4.8 は SWE-Marathon、DeepSWE、NL2Repo、SWE-bench Pro、ProgramBench、Tool-Decathlon で GLM-5.2 を上回っており、GPT-5.5 は DeepSWE と ProgramBench で GLM-5.2 を上回っています。GLM-5.2 の勝利は本物ですが、それはターミナル形式のエージェント的コーディングと推論に集中しており、マラソン的タスクではありません。あなたの評価が、大規模で不慣れなリポジトリに対する2時間のエージェント実行のようなものであるなら、これらの数値において、オープンウェイトの価格優位はその差を埋めません。

実用的な要約

GLM-5.2は、2026年6月16日にリリースされた、753Bパラメータ、MITライセンス、1Mコンテキスト、テキスト専用のMoEモデルで、価格は100万トークンあたり$1.40／$4.40。ベンダー報告によるTerminal Bench 2.1は81.0、SWE-bench Proは62.1、独立系のArtificial Analysis Intelligence Indexは34。これは、能力がポストトレーニングではなくアーキテクチャに由来する最後のGLMフラッグシップであり、すでに自社によって2度後継に取って代わられ、スコアを付けた独立系インデックスで非推奨と明記されている。

そんなことは、それが悪いモデルだという意味ではない。むしろ、決着済みのモデルだということだ。2026年9月におけるGLM-5.2についての興味深い問いは、それが優れているかどうかではなく、あなたが必要としている具体的なもの——長いコンテキスト、セルフホスト可能、MITライセンスのコーディングモデル——が、同じ重みの上にGLM-5.3が加える3ポイントよりも、あなたにとって価値があるかどうかだ。トークンの購入者のほとんどにとって、答えはノーだ。重みをダウンロードする人にとっては、依然としてイエスだ。

それを自分でテストしたいけれど、そのために本番パスをコミットしたくないなら、ルーティング層を使うのが安上がりな方法です。同じリクエストを1つのエンドポイント経由で GLM-5.2 と GLM-5.3 に向け、自分のプロンプトで比較し、古い方のモデルのエンドポイントが落ちた場合の対処は自動フェイルオーバーに任せましょう。

Call GLM-5.2 through OrcaRouter at the Z.ai provider rate, zero markup. https://www.orcarouter.ai/models/z-ai/glm-5.2 One API key reaches GLM-5.2, GLM-5.3 and 200+ other models, with automatic failover if an endpoint goes down.