ニュース

GPT-5.5匹敵の7,440億パラメータLLM「GLM-5.2」オープンウェイトが無償公開

  • 竹元 かつみ

2026年6月17日 10:03

GLM-5.2と主要モデルの各種ベンチマーク比較

　Z.aiは6月17日、コーディングと長期エージェントタスクに特化したAIモデル「GLM-5.2」のオープンウェイト(モデルの重み)を公開した。MITライセンスのもと無償公開されており、Hugging Faceなどからダウンロードして利用できる。公開スコアのあるオープンウェイトモデルの中では最上位に位置する。

　GLM-5.2は、コーディングと長期エージェントタスクに特化したオープンウェイトのエージェントAIモデル。モデル配布パッケージの総パラメータ数が約7,530億、推論時の計算基盤となる総パラメータ数が約7,440億、アクティブパラメータ数が約400億のエキスパート混合モデル(MoE)アーキテクチャを採用し、最大100万トークンのコンテキストウィンドウと最大128K(131,072トークン)の出力に対応する。推論の負荷を調整できる2段階のエフォートレベル(HighとMax)も搭載しており、タスクの難易度に応じて性能とコストのバランスを選択できる。

【お詫びと訂正】初出時にタイトルや本文で「総パラメータ数が約7,530億」としておりましたが、「モデル配布パッケージの総パラメータ数が約7,530億、推論時の計算基盤となる総パラメータ数が約7,440億」のように訂正しました。お詫びして訂正させていただきます。

　また、ベンチマーク結果も併せて公開された。GitHubリポジトリのバグ修正能力を測る「SWE-bench Pro」では62.1%を記録し、GPT-5.5(58.6%)およびGLM-5.1(58.4%)を上回った。ターミナル環境での実務タスク完遂能力を測る「Terminal-Bench 2.1」では81%を記録し、GPT-5.5(84%)やClaude Opus 4.8(85%)に迫る水準に達した。

　長期開発タスクではGPT-5.5を軒並み上回った。開発プロジェクトの完遂能力を測る「FrontierSWE」では74.4%を記録し、GPT-5.5(72.6%)を超えた。Claude Opus 4.8(75.1%)とはわずか0.7ポイント差だ。小規模モデルのポストトレーニングによる改善量を測定する「PostTrainBench」では34.3%でGPT-5.5(28.4%)に大差をつけ、コンパイラ開発やカーネル最適化など超長時間タスクを評価する「SWE-Marathon」でも13%でGPT-5.5(12%)を上回った。

エフォートレベルごとのエージェントコーディング性能とトークン使用量の比較