ZcodeでGLM-5.2を体験する

中国のAI企業Zhipu AI(智譜AI)が最近公開したフラッグシップモデルGLM-5.2が、米国の開発者コミュニティで注目を集めている。オープンウェイト方式で提供されながら、コーディング性能でクローズドモデルに匹敵する結果を出しているためだ。本稿ではZcodeを中心にGLM-5.2を直接体験する方法と、モデルの長所・短所を見ていく。

GLM-5.2とは?

GLM-5.2はZ.ai(Zhipu AI)の最新フラッグシップモデルで、長期間(long-horizon)のソフトウェアエンジニアリング課題を念頭に設計された。2026年2月のGLM-5、4月のGLM-5.1に続き、6月13日にGLM Coding Plan購入者向けに先行公開され、6月17日にHugging Faceで全重みがMITライセンスで公開された。核心スペックは以下の通り。

項目	仕様
コンテキスト長	1Mトークン(1,048,576トークン)
最大出力トークン	128K
パラメータ	約753B(MoE構造、トークンあたり約40Bがアクティブ)
ライセンス	MITオープンソース
対応言語	英語、中国語

GLM-5.2はIndexShareという新しい疎(sparse)アテンション手法を導入し、1Mコンテキスト長でもトークンあたりの計算量を従来方式の約1/3水準に削減した。またMTPレイヤーを改善し、speculative decodingの受容長を最大20%増加させた。

ベンチマーク性能も印象的である。Terminal-Bench 2.1で81.0点を記録し、GLM-5.1(63.5)から大きく向上した。SWE-bench Proでは62.1点を達成した。Code Arenaでは1595点で全体2位、グローバルに利用可能なモデルの中では1位を記録した。ただし、これらの数値の相当部分はベンダー(Z.ai)自身の測定値であり、まだ独立検証が完了していない点は考慮すべきである。

Getting Started: GLM-5.2を始める

GLM-5.2を使用する方法は大きくZcode(公式デスクトップアプリ)、API直接呼び出し、サードパーティコーディングツール連携の3つがある。

1. Zcodeのインストールと実行

Zcodeは Z.ai が提供する公式デスクトップアプリケーションで、GLM-5.2を最も簡単に体験できる方法である。

① Zcodeのダウンロード公式サイト(zcode.z.ai)からmacOS、Windows、Linux用インストーラーをダウンロードする。② 会員登録とAPIキーの発行z.aiに登録後、ダッシュボードでAPIキーを生成する。コーディング専用の使用を希望する場合はGLM Coding Planの購入を推奨する。Lite(約$18/月)、Pro、Max、Teamなど様々なプランがある。③ Zcodeの実行とモデル選択

Zcodeにログイン後、モデル選択画面でGLM-5.2を選ぶとすぐに使用できる。

2. APIで直接呼び出す

プログラム的にGLM-5.2を活用するには、OpenAI互換APIを使用できる。

エンドポイント情報:

設定	値
Chat completionsエンドポイント	`https://api.z.ai/api/paas/v4/chat/completions`
SDK用Base URL	`https://api.z.ai/api/paas/v4/`
モデルID	`glm-5.2`
認証	`Authorization: Bearer $ZAI_API_KEY`

cURLの例:

curl https://api.z.ai/api/paas/v4/chat/completions \
  -H "Authorization: Bearer $ZAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [{"role": "user", "content": "Hello, GLM-5.2!"}]
  }'

Pythonの例:

import openai

client = openai.OpenAI(
    base_url="https://api.z.ai/api/paas/v4/",
    api_key="YOUR_API_KEY"
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "Write a Python function to reverse a linked list"}]
)
print(response.choices[0].message.content)

3. Claude Code、Cline、Cursorなどとの連携

GLM-5.2は開発者が既に使用しているコーディングツールとも簡単に連携できる。

Claude Codeの設定:

export ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic"
export ANTHROPIC_API_KEY="your-glm-coding-plan-key"
# settings.jsonでモデルIDをglm-5.2[1m]に設定

OpenAI互換ツール(Cline、OpenCodeなど)の設定:

Base URL: https://api.z.ai/api/paas/v4/
Model ID: glm-5.2
API Key: your-api-key

GLM-5.2の使い方: 実践ワークフロー

ZcodeやAPIを通じてGLM-5.2に接続したら、実際の開発ワークフローでどう活用できるだろうか。公式文書は3つの代表的な使用シナリオを提案している。

シナリオ1: プロジェクトレベルのコードベース把握

GLM-5.2の1Mコンテキストは、プロジェクト全体を一度に理解するのに最適化されている。複雑なバックエンドとフロントエンドが混在する実際の業務コードベースを選び、モデルに以下のようにリクエストしてみよう。

「現在のプロジェクトを読み、システムアーキテクチャマップ、コアモジュールの責務、主要API契約、データフロー、コアコールチェーン、潜在的な技術的負債、そして今後のリファクタリングで従うべきエンジニアリング制約条件を出力してください。」

シナリオ2: 長期間のリファクタリング

GLM-5.2はクロスファイル、多段階、長いチェーンの作業でより安定している。モジュール分離、APIマイグレーション、ディレクトリ再編成など継続的な進行が必要な作業に適する。/goalモードを有効にして以下のように指示しよう。

「ビジネスロジック、APIシグネチャ、ランタイム動作を変更せずに、現在のモジュールの分離とリファクタリングを完了してください。実行計画、影響範囲、リスク境界、検証方法を先に提供し、完了後に必要なテストを実行して検証結果を出力してください。」

シナリオ3: エンジニアリング標準の遵守

GLM-5.2はエンジニアリング標準を一貫して従う能力に優れている。チームの実際のlintルール、ビルドコマンド、テスト要件、コミット規則などをCLAUDE.mdやAgent.mdに定義した後、以下のように指示しよう。

「現在のリポジトリのエンジニアリング標準を厳格に従ってください。新しい依存関係を導入せず、API契約を修正せず、変更内容を事前にコミットしないでください。修正完了後にビルド、lint、テストを実行し、検証結果と発見されたリスク要素を報告してください。」

長所(Pros)

1. オープンウェイト+低コスト

GLM-5.2はモデルの重みを公開するオープンウェイト方式で提供される。開発者や企業が自社環境でモデルをダウンロードして運用・修正できるため、クローズドモデルに比べコスト負担を減らしながら活用の自律性を高められる。API利用時も入力トークン100万あたり$1.40、出力トークン100万あたり$4.40と、競合他社に比べ非常に安価である。

2. 優れたコーディング性能

GLM-5.2は単純なチャットボットよりコーディング作業とソフトウェア開発ワークフローに強みを持つモデルとして評価されている。MetaやGoogle DeepMind出身の開発者を含む多数の独立テスターが「日常業務用の基準を通過した最初のオープンモデル」と評価した。

3. 1Mトークンコンテキスト

安定した1MコンテキストはGLM-5.2の最大の強みである。プロジェクト規模のエンジニアリングコンテキストを安定的に処理し、長時間実行される作業の後半でもコンテキストの断片化現象が大幅に減少する。

4. 多様な連携オプション

Claude Code、Cline、Cursor、OpenCodeなど既に広く使われているコーディングツールとの連携が簡単である(リリース時点で20以上のサードパーティ環境をサポート)。開発者は使い慣れた環境を維持しながらGLM-5.2の性能を活用できる。

5. Thinking Effortの調整が可能

GLM-5.2はHighとMaxの2つの推論努力レベルを提供し、作業の複雑度に応じて性能と応答速度のバランスを調整できる。

短所(Cons)

1. 中国産モデルに対する懸念

DeepSeekに続き、GLM-5.2も中国産オープンウェイトモデルである。一部の企業や開発者はデータセキュリティ、国家安全保障、技術的依存性などの理由から中国産AIモデルの使用を避ける可能性がある。実際、米国商務省産業安全保障局(BIS)は2025年1月にZhipu AIを輸出管理対象(Entity List)に追加し、2026年5月には米下院がPRC発AIモデルの重要インフラサイバーセキュリティリスクに関する調査を開始し、Zhipu AIをDeepSeek・MiniMax・ByteDanceと共に名指しした。GLM-5.2は米国のテック業界で「新たなDeepSeekモーメント」と呼ばれ、敏感に受け止められている。

2. クローズドモデルとの性能格差

ベンチマークで優れた性能を示しているが、Claude Opus 4.8やGPT-5.5のような最上位クローズドモデルには依然わずかに劣る領域がある。特に超長期間・高難度の課題で格差が目立つが、これは「世代差」ではなく「特定のベンチマークでの点数差」の水準まで縮小したという見方が一般的である。

3. API課金構造

APIはトークンベースの課金構造であり、大規模な自動化作業ではコストが急増する可能性がある。Coding Planを購入すればある程度コストを削減できるが、使用量の多いチームにとっては依然負担になり得る。

4. 英語・中国語以外の言語サポートが限定的

公式文書によればGLM-5.2は英語と中国語をサポートしている。他言語のプロンプトやコードコメント、ドキュメント作業では性能がやや低下する可能性がある。

5. 生態系の成熟度

OpenAI、Anthropicなどクローズドモデルに比べ、コミュニティとサードパーティツールの生態系がまだ成熟していない。チュートリアルや問題解決のための資料も相対的に不足している。

3社比較: DeepSeek V4-Pro vs Claude Opus 4.8 vs GLM-5.2

GLM-5.2の座標を正確に把握するには、同時期にリリースされた競合モデルと並べて見る必要がある。2026年上半期のコーディングモデル市場は事実上3陣営の三国志だ。クローズドフロンティアを代表するClaude Opus 4.8、価格性能比を武器にしたオープンウェイトのDeepSeek V4-Pro、そしてオープンウェイトのコーディング特化で台頭したGLM-5.2である。

スペック・ポジショニング

項目	DeepSeek V4-Pro	Claude Opus 4.8	GLM-5.2
開発元	DeepSeek(中国)	Anthropic(米国)	Z.ai / Zhipu AI(中国)
リリース	2026.04.24	2026.05.28	2026.06.13(コーディングプラン)/ 06.17(オープンウェイト)
ライセンス	MITオープンウェイト	クローズド	MITオープンウェイト
パラメータ	1.6T MoE(アクティブ約49B)	非公開	753B MoE(アクティブ約40B)
コンテキスト	1M	1M	1M
最大出力	1Mコンテキスト内	128K	128K~131K
核心的な方向性	価格性能比・汎用	agentic信頼性・知的労働	長期コーディングエージェント

コーディングベンチマーク

異なるベンダーの数値を一つの表にまとめているが、3モデルすべてに自己申告(self-reported)値が混在しており、ハーネス・ベンチバージョンが異なるため直接比較には限界がある。 最も同一条件の比較に近い指標はSWE-bench Proである。

ベンチマーク	DeepSeek V4-Pro	Claude Opus 4.8	GLM-5.2
SWE-bench Verified	80.6	88.6	(未公開)
SWE-bench Pro	55.4	69.2	62.1
Terminal-Bench	67.9(v2.0)	74.6(v2.1、Terminus-2)	81.0(v2.1、ベンダー測定)
Code Arena(Elo)	—	—	1595(グローバル1位)
LiveCodeBench	93.5	—	—

注意:Terminal-Benchはモデルごとにバージョン(2.0/2.1)とハーネスが異なるため、同じ行に並べてもリンゴとオレンジの比較になる。GLM-5.2の81.0はZ.ai独自のハーネス数値であり、Opus 4.8の74.6は公開Terminus-2ハーネス基準である。同じ条件ではないため「GLMがOpusを上回った」と断定できない。一方SWE-bench Proは比較的標準化されたセットであり、Opus 4.8(69.2)>GLM-5.2(62.1)>DeepSeek V4-Pro(55.4)の順に並ぶ。

価格

項目	DeepSeek V4-Pro	Claude Opus 4.8	GLM-5.2
入力(100万あたり)	$0.435	$5.00	$1.40
出力(100万あたり)	$0.87	$25.00	$4.40
サブスクリプションプラン	—	Claude Pro/Max	GLM Coding Plan 約$18/月
出力トークンの相対コスト	1.0倍(最低)	約28.7倍	約5.1倍

価格こそがこの三国志の核心的な変数である。DeepSeek V4-Proの出力トークンコストを1とすると、GLM-5.2は約5倍、Opus 4.8は約29倍である。つまりOpus 4.8がGLM-5.2に比べSWE-bench Proで約7点多く得るために支払わなければならないトークンコストは5~6倍に達する。

一言まとめ

DeepSeek V4-Pro — 価格性能比のチャンピオン。フロンティア級に近いスコアを圧倒的な最低価格で提供。大規模自動化・RAG・高ボリュームパイプラインに最適。ただし最も難しいagenticループでは一段階スコアが落ちる。
Claude Opus 4.8 — クローズドフロンティア。SWE-bench Pro 1位、agentic信頼性と「正直さ」(欠陥を隠さず報告)の面で優位。その代わり3社中最も高価。失敗コストがトークンコストより大きい高難度・長期作業に価値を発揮する。
GLM-5.2 — オープンウェイトコーディング最強の候補。1Mコンテキストの安定性とコーディングスコアの両方で、クローズドモデルに最も近いオープンモデル。価格はDeepSeekとOpusの中間。セルフホスティング(MIT)が可能な点が企業にとって大きな意味を持つ。

選択基準を要約すると次のようになる。コストが最優先ならDeepSeek V4-Pro、最も難しい長期課題の信頼性が最優先ならClaude Opus 4.8、オープンウェイトのセルフホスティングとコーディング性能のバランスが最優先ならGLM-5.2である。ただし2つの中国産モデル(DeepSeek・GLM)については、Z.ai/DeepSeekクラウドAPIに機密データをルーティングする際の規制・セキュリティリスクを、セルフホスティングで回避できるかを最初に検討する順序が適切である。

おわりに: GLM-5.2がもたらす変化

Zhipu AIのGLM-5.2は、DeepSeek以降中国のAI企業が選んだ「低コスト・高性能オープンウェイト」戦略を、コーディングと開発自動化の領域に拡張した事例である。コーディングモデルは開発者の生産性だけでなく、企業向けAIエージェント、業務自動化、ソフトウェア保守市場に直接つながる。企業の立場では、十分な性能のオープンウェイトモデルを自社インフラで運用できれば、高価なAPIベースのクローズドモデルへの依存度を大幅に下げられる。

ただしベンチマークの点数はあくまで参考値である。ベンダー自身の測定値とハーネスの違いを取り除くと、3モデルの本当の違いは「自分のワークロードにおいて一度の失敗がトークン価格の差より高くつくかどうか」という問いに収斂する。その答えによって、同じ作業でも最適なモデルは変わる。

業界関係者の言葉のように、開発者が実際の業務で使えると判断した瞬間、オープンウェイトモデルの影響力はさらに大きくなり得る。GLM-5.2がその転換点になるかは今後を見守るべきである。

参考: 数値の出典と注意事項

ベンチマーク・価格数値は各ベンダー(Anthropic、DeepSeek、Z.ai)の発表および2026年6月時点の公開トラッカー(llm-stats、Artificial Analysisなど)を参考にしており、相当数がベンダー自己申告値で独立検証が進行中である。
Terminal-Benchはバージョン(2.0/2.1)とハーネス(Terminus-2、Codex CLIなど)によってスコアが変わるため、同じ表にあっても直接比較は推奨されない。
DeepSeek V4-Proの価格は2026年5月22日付で常時適用された$0.435/$0.87基準であり、以前の定価($1.74/$3.48)は歴史的数値である。
Claude Opus 4.8の価格は標準モード$5/$25、Fastモード$10/$50基準である。
GLM-5.2の価格はZ.ai API $1.40/$4.40、GLM Coding Plan約$18/月(プロモーション時はより低い)基準である。