中国Zhipu AIがGLM-5.2を公開──100万トークン対応・MIT重み公開予定のコーディング特化モデル

3行まとめ

1. Zhipu AI（智譜）が2026年6月13日、GLM-5.2を公開。744Bパラメータ（40Bアクティブ）のMoEアーキテクチャで、100万トークンのコンテキスト窓を持つ
2. 出力は最大131,072トークン。MIT重み・API・チャットボットは翌週公開予定。Claude Code・Cline等の主要ツールと互換
3. ベンチマーク数値はローンチ時点で未公開。前モデルGLM-5.1はSWE-bench Proで58.4%を記録していた

何が公開されたか

中国のAI企業Zhipu AI（智譜）が2026年6月13日、コーディング・エージェント特化のフロンティアモデルGLM-5.2を公開した（Codersera、BuildFastWithAI報道）。

まずGLM Coding Plan（Lite / Pro / Max / Team）の利用者向けに提供を開始し、MIT重み・スタンドアロンAPI・Z.aiチャットボットは翌週に公開予定としている。

主要スペック

この表はローンチ時点の二次情報に基づく。総パラメータとエキスパート数は、後日公開された重みとconfig.jsonの値と食い違っていた。訂正内容は記事末尾の追記章に記載した。

思考モード

2つのプリセットが用意されている。

• High ── 標準的な推論。レイテンシ重視
• Max ── コーディングタスク向け推奨。初回トークンまでの遅延が30-80%増、スループットは約半減

料金（GLM Coding Plan）

GLM-5.2は全プランに追加料金なしで含まれる。

ツール互換性

ローンチ時点で以下のコーディングツールとOpenAI互換エンドポイント経由で接続可能。

Claude Code、Cline、OpenCode、Roo Code、Goose、Crush、OpenClaw、Kilo Code

ベンチマーク

GLM-5.2のベンチマーク数値はローンチ時点で未公開。 SWE-bench Verified、LiveCodeBench、HumanEval等の独立評価も出ていない。

参考として前モデルGLM-5.1の数値を掲載する。

GLM-5.1はSWE-bench ProでClaude Opus 4.6（57.3%）をわずかに上回ったとZhipuは主張しているが、これは自己報告値。

セルフホスティング

MIT重み公開後のセルフホスティング要件。

• FP8重み: ~800GB、8× H200 SXM GPU推奨
• INT4量子化: ~200GB、4× H200で動作。コーディングベンチマーク1-3%の低下

文脈：Fable 5停止とのタイミング

GLM-5.2の公開は、米政府がAnthropicにFable 5のアクセス停止を指示した翌日にあたる。複数メディア（Pasquale Pillitteri等）はこのタイミングを「米国のAI輸出管理に対する中国の回答」と位置づけている。

ただし、モデルの開発・公開スケジュールと政治的イベントの因果関係は確認されていない。

【2026年8月14日追記】MIT重みは6月16日に公開された

本記事は執筆時点（6月15日）で「MIT重みは翌週公開予定だがHugging Face未掲載」のまま止まっていた。2026年8月14日にHugging Face APIとZ.AI公式ドキュメントを直接取得して確認した結果を以下に追記する。

重みは zai-org/GLM-5.2 として公開済み。リポジトリのコミット総数は14件で、主なものは次の通り（すべてUTC）。表から省いたコミットには、後段で触れるAscend NPU対応の追加（06-17）、Unsloth対応の追加（06-19）、コミュニティ評価結果の追加（06-22）が含まれる。

公開は発表の3日後（2026-06-16）で、アナウンスされた「翌週」の範囲内だった（2026-06-13は土曜・ISO第24週、2026-06-16は火曜・ISO第25週）。利用申請によるゲートは掛かっていない（APIレスポンスの gated は false）。

ライセンスは追加条項なしのMIT

LICENSE ファイルは1,065バイトで、中身はMIT License全文と Copyright (c) 2026 Zhipu AI の1行だけだった。用途制限・地域制限・再配布時の追加義務といった条項は付いていない。モデルカードのメタデータも license: mit。Zhipuはモデルカードで「An MIT open-source license — no regional limits, technical access without borders」と書いている。

ただしリポジトリに含まれるのは重みシャード282個と config.json・tokenizer.json・chat_template.jinja・LICENSE・README.md・評価結果YAML（計295ファイル）で、学習データや学習コードは含まれない。この状態を何と呼ぶかの整理はオープンウェイトとオープンソースの定義の違いにまとめてある。

公開された重みの実体と、本文スペック表の訂正

訂正① 本文の主要スペック表は総パラメータを744Bとしたが、公開された重みのメタデータは約753Bだった。

config.json の主な値も挙げる。

訂正② 本文は「エキスパート数 384」としたが、実際はルーティング対象256＋共有1で、1トークンあたり8個が選ばれる構成だった。

訂正③ 本文は「GLM-5/5.1と同アーキテクチャ」としたが、モデルカードは IndexShare という新機構を挙げており、「4つのスパースアテンション層ごとに同じインデクサを再利用し、100万トークン長でトークンあたりFLOPsを2.9倍削減する」と説明している。config.json の index_topk_freq: 4 はこの説明と対応する。max_position_embeddings が1,048,576である点は、本文の100万トークンという記述と一致した。

公式ベンチマークはモデルカードに掲載された

執筆時点で「一切未公開」だった数値は、モデルカードのベンチマーク表として公開された。以下は同表からの抜粋で、比較列も同じ表に載っている値をそのまま引いている。

＊はモデルカードの注記で「full set」からの引用を示す（無印はtext-onlyサブセット）。

本文が参考として載せたGLM-5.1のSWE-bench Pro 58.4とMCP-Atlas 71.8は、モデルカードのGLM-5.1列と一致した。

誰が測った数値かはFootnoteに書かれている

モデルカードのFootnoteによれば、外部が実施したと明記されているのは3つだけである。

残るSWE-bench Pro、Terminal-Bench、MCP-Atlas、HLEなどはZhipuが自前のハーネス設定で回した自己報告値で、判定モデルにはHLE系でGPT-5.5（medium）、MCP-AtlasでGemini-3.0-Proを使ったとFootnoteに書かれている。Terminal-Bench 2.1のClaude Code側の評価では、CLIの64K出力上限をプロキシで迂回して128Kに戻したとも明記されている。

リポジトリの .eval_results/ にはHLE・GPQA-Diamond・SWE-bench Pro・DeepSWEのYAMLが置かれているが、いずれも source が Model Card で、モデルカードの数値の再掲であって第三者による再現ではない。こうした自己申告ベンチマークを横断し、Arenaの体感評価や価格まで含めて1つの指標に合成し直した試みとしてJTLスコアv3がある。

APIの単価は前モデルGLM-5.1と同額に据え置かれた

執筆時点で「翌週公開予定」だったスタンドアロンAPIは提供されている。Z.AI公式の価格ページより、100万トークンあたり・USD建て。

GLM-5.2はGLM-5.1と同額で、コンテキスト窓が5倍になった分の値上げはされていない。コンテキストキャッシュのヒット時の入力単価は通常入力の約1/5にあたる$0.26で、キャッシュの保管料は「Limited-time Free」と表記されている（いつまで無料かは同ページに書かれていない）。

APIドキュメントのモデルページでは、Positioning「Flagship Foundation Model」、Context Length「1M」、Maximum Output Tokens「128K」と記載されている。本文の131,072トークンは128Kと同じ値。

GLM Coding Planは課金単位がプロンプト数からクレジットに変わった

本文はLite/Pro/Maxを「週◯◯プロンプト」として説明したが、2026年8月14日時点の公式ドキュメントはプロンプト数ではなくクレジットで規定している。5時間ごとの枠と週次の枠が併存する。

クレジット消費は「(入力トークン×入力係数 ＋ キャッシュ入力トークン×キャッシュ入力係数 ＋ 出力トークン×出力係数) ÷ 10,000」で計算され、GLM-5.2の係数は入力6.9・キャッシュ入力1.7・出力24。ピーク時間（シンガポール標準時の月〜金 14:00–18:00）以外は50%になると書かれている。

同ページはトークン換算の目安も出している。ただし「コーディング用途の平均値」としてキャッシュヒット率90.9%を仮定した数字である旨がドキュメント自身に明記されている。

幅は課金時間帯の差で、上限はすべてオフピーク（0.5倍）、下限はすべてピーク（1倍）で計算したものと説明されている。

配布されている重みはBF16で約1.51TBある

本文のセルフホスティング要件はFP8約800GB・INT4約200GBとしていたが、実際に配布されているファイルはBF16で合計約1.51TBある。FP8とINT4はいずれも量子化後の数字であり、ダウンロードするファイルそのもののサイズではない。

モデルカードは対応フレームワークとして次を挙げている。

• SGLang（v0.5.13.post1以降）
• vLLM（v0.23.0以降）
• Transformers（v0.5.12以降。glm_moe_dsa として実装）
• KTransformers（v0.5.12以降）
• Unsloth（v0.1.47-beta以降）
• Ascend NPU向けにvLLM-Ascend、xLLM、SGLang

なおTransformersのバージョン表記はモデルカードでは「v0.5.12+」だが、config.json の transformers_version は 5.12.0 になっており、両者の表記が食い違っている。

「Terminal-Bench 63.5%」の版表記がモデルカード内で食い違う

• ベンチマーク数値はGLM-5.2についてはローンチ時点で一切未公開。前モデル5.1の数値はZhipuの自己報告であり、独立検証された値ではない
• MIT重みは「翌週公開予定」とされているが、本記事執筆時点（2026年6月15日）ではまだHugging Faceに掲載されていない
• Zhipu AI（智譜）は2025年1月15日に米BIS（産業安全保障局）のEntity Listに掲載されている
• 本記事は2026年6月13-15日の報道に基づく

以下は2026年8月14日の追記分についての但し書き。

• 追記の数値はすべて2026年8月14日にHugging Face APIとZ.AI公式ドキュメントを直接取得して確認した。いずれのページも更新されうる
• ベンチマークは大半がZhipuの自己報告。第三者実施と明記されているのはFrontierSWE・PostTrainBench・SWE-Marathonの3つのみで、その3つも評価の受託であり、独立した再現検証ではない
• 比較列のClaude Opus 4.8・GPT-5.5・Gemini 3.1 Proの数値も、Zhipuが同じ表に載せた値をそのまま引用している。各社の公式発表との突き合わせはしていない
• 本文の「Terminal-Bench 2.0で63.5%」について、GLM-5.2モデルカードでは同じ63.5がGLM-5.1の値として「Terminal Bench 2.1（Terminus-2）」の列に載っている。どちらのバージョン表記が正しいかは特定できていない
• 本文の「事前学習データ28.5Tトークン」と「アクティブパラメータ約40B」は、モデルカード・config.json・APIドキュメントのいずれにも記載を確認できなかった。config.json から読み取れるのは、ルーティング対象256＋共有1のエキスパートから1トークンあたり8個を使う構成までである
• 思考モードの「High」「Max」というプリセット名も一次資料では確認できなかった。APIドキュメントは reasoning_effort というパラメータと「複数の思考モード」という記述にとどまり、選択肢の一覧は載っていない
• GLM Coding Planのプラン別USD価格は、確認したドキュメントには「Starting at just 18 USD per month」としか書かれておらず、価格表がない。本文の「Lite ~$10 / Pro ~$30 / Max ~$80」が現在も有効かは確認できていない
• Hugging Face APIの downloads は2,662,328、likes は4,948（2026年8月14日取得）。downloads の集計期間はAPIレスポンスからは判別できないため、累計かどうかは断定しない
• Zhipu AIが米BISのEntity Listに掲載されている件が、MITライセンス下での重みの入手・利用にどう影響するかは、本記事では確認していない