GLM-5：Claude 4.5やフロンティアモデルに匹敵する次世代AIの登場

はじめに：GLM 5の公式リリースとその意義

Z.ai（智譜AI / ZhipuAI）によって開発された大規模言語モデル「GLM-5」が、この度、正式にリリースされました 1。GLMシリーズにおける「第5世代フラッグシップ基盤モデル」と位置づけられるGLM-5は 2、AIの役割を従来の「対話（Chat）」から「実務（Work）」へ、さらに「雰囲気によるコーディング（Vibe Coding）」から「自律的なエンジニアリング（Agentic Engineering）」へと転換させることを目的としています 3。

GLM-5の発表は、複数の情報源によると2026年2月11日に行われ 1、Z.aiの公式Xアカウント（@Zai_org）からのツイートによって公にされました 4。公式ドキュメントでは、提供開始日として2026年2月12日と記されています 5。現在、chat.z.aiで既に利用可能となっており 4、将来的にはAPI提供や、Hugging FaceおよびModelScope上でのMITライセンスによるオープンソース公開も予定されています 6。

GLM-5は、フロンティアレベルのAI機能を比較的低コストで提供する選択肢として注目されており 6、その戦略的な位置づけが、AIエコシステムにおける重要な進展として期待されています。

GLM-5の革新的な特徴と主要な進歩

大規模言語モデルGLM-5は、AIの役割を従来の「対話（Chat）」から「実務（Work）」へ、そして「雰囲気によるコーディング（Vibe Coding）」から「自律的なエンジニアリング（Agentic Engineering）」へと転換させることを目的とした、Z.aiの「第5世代フラッグシップ基盤モデル」です 。この革新は、AIが単なる対話相手ではなく、より高度で自律的なタスク遂行者となる未来を示唆しています。

Agentic Engineeringへの特化と前モデルからの進化

GLM-5は、特に「Agentic Engineering」に焦点を当てて設計されており、複雑なバックエンド設計、アルゴリズムの実装、深いデバッグといった、システム全体のエンジニアリングプロセスを完遂することに重点を置いています 。チャット、コーディング、エージェントタスクに最適化されており、開発者がプロジェクト単位でAIコーディングを進める際の長期的なタスク（設計から実装、デバッグ、リファクタリングまで）を強力にサポートします 。

前モデルであるGLM-4.7が長時間タスク処理、安定したツール呼び出し、他段階推論に強みを持っていたのに対し 、GLM-5はその能力をさらに発展させ、コード生成、複雑な推論能力、エージェントの実行能力において大幅な向上が見られます 。

主要な技術的特徴と効率性の強化

GLM-5の優れた性能を支えるのは、以下の先進的な技術的特徴です。

• 大規模なモデルアーキテクチャ:
  • 総パラメータ数: 合計で744億パラメータを有し 、一部では745億パラメータと記載されています 。
  • アクティブパラメータ数: Mixtrue of Experts（MoE）アーキテクチャを採用しており、推論時には約40億パラメータがアクティブになります 。これは前モデルGLM-4.6の355億パラメータ（アクティブ32億）から規模を大幅に拡大したものです 。
  • 事前学習データ: 従来の23兆トークンから、28.5兆トークンへと学習データ量が大幅に増強されています 。
• 自立したトレーニング基盤: 米国製の半導体に依存せず、Huawei Ascendチップをはじめとする中国国内のハードウェアとMindSporeフレームワークで完全にトレーニングされており 、技術的な自立性を確立しています。

• 効率性と性能の革新:
  • DeepSeek Sparse Attention (DSA): DSA技術の統合により、長文処理性能を維持しながら推論コストとトークン効率を大幅に改善しています 。
  • 非同期RL基盤「slime」: 独自の非同期強化学習インフラストラクチャ「slime」の開発・導入により、トレーニング効率が飛躍的に向上しました 。
  • コンテキスト長: 最大200,000トークン以上という広大なコンテキスト長をサポートし 、ツール利用時には最大202,752トークンまで対応します 3。
  • 最大出力: 最大128,000トークンもの長文出力をサポートし、巨大コード、仕様書、調査レポート、テスト生成といった用途に活用できます 。

強力なエージェントおよびコーディング機能

GLM-5は、特に「Agentic Engineering」の中核となるエージェント機能とコーディング能力において、画期的な機能を提供します。

• Thinking Mode (思考モード): 複雑なタスクに対し、ステップ・バイ・ステップで思考プロセスを展開し、より正確な回答を導き出す機能です 。これにより、AIが問題解決の過程を可視化し、信頼性を高めることが可能になります。
• Function Calling (ツール呼び出し): 外部ツールとの連携やマルチステップワークフロー管理を強化し、自律的なタスク実行を可能にします 。これにより、AIエージェントがより広範な実務に対応できるようになります。
• Office成果物の直接生成: PRD（製品要求仕様書）、試験問題、財務報告書、提案書などのWord、PDF、Excelファイルを直接出力する機能を備え 、ビジネス文書作成の効率を劇的に向上させます。
• ストリーミング: tool_streamなど、エージェントの実装に役立つストリーミング機能が明文化されており 、リアルタイムに近いインタラクションと柔軟なエージェント設計を支援します。

これらの革新的な特徴により、GLM-5は単なる大規模言語モデルの枠を超え、自律的なエンジニアリングと実務遂行のための強力なプラットフォームとしての地位を確立しようとしています。

GLM-5の主要ベンチマーク結果

GLM-5は、主要なベンチマークテストにおいて優れた性能を発揮しており、特にコーディング能力とエージェント機能でその実力を示しています。Z.aiの公式発表によると、GLM-5は複数の分野で既存のオープンソースモデルを凌駕し、一部ではGemini 3.0 Proなどのフロンティアモデルをも上回る結果を達成しています。

特に、以下のベンチマーク結果が注目されます。

• コーディング能力: 複雑なコーディングタスクを評価する「SWE-bench Verified」において77.8、「Terminal Bench 2.0」において56.2のスコアを記録し、これらのベンチマークでGemini 3.0 Proを上回る結果を示しました。これは、GLM-5がAIの役割を「実務（Work）」や「自律的なエンジニアリング（Agentic Engineering）」へと転換させるというZ.aiの目標と合致するものです。
• エージェント関連ベンチマーク: エージェントの実行能力を測る「BrowseComp」「τ²-Bench」「MCP-Atlas」といったベンチマークにおいて、オープンソースモデルの中でSOTA（State-Of-The-Art）を主張しています。
• 長期タスク実行: 長時間タスク処理能力を評価する「Vending Bench 2」では4,432ドルのスコアを達成し、オープンソースモデル内での世界1位を獲得しました。

これらの結果は、GLM-5がコード生成、複雑な推論能力、エージェントの実行において前モデルのGLM-4.7から大幅な進化を遂げたというZ.aiの主張を裏付けるものと言えます。

競合モデルとの料金体系および価格競争力比較

GLM-5は、その高性能にもかかわらず、競合するフロンティアモデルと比較して費用対効果の高い料金体系を提供しているとされています。Z.aiの公式料金表によると、GLM-5およびGLM-5-CodeのAPI利用料金は以下の通りです。

この料金は、GLM-4.xシリーズの約$0.11/100万トークンと比較すると上昇していますが、OpenAIのGPT-5が推測される価格（入力$1.25/100万トークン、出力$10.0/100万トークン）と比べると、GLM-5はより低コストで同レベルの先進的なAI機能を利用できる選択肢として注目されています。この価格設定は、フロンティアレベルの性能をより多くの開発者や企業に提供することで、市場での競争力を高める戦略と考えられます。

GLM-5の相対的な強みと留意点

GLM-5は、AI市場において高性能と低コストを両立させることで、戦略的なポジショニングを確立しています。

相対的な強み

GLM-5は、特に以下のようなユーザーや利用シナリオにおいて強力な選択肢となり得ます。

• AIコーディングプロジェクトの推進: 設計から実装、デバッグ、リファクタリングといった長期的な開発タスクに対応できるため、プロジェクト単位でAIコーディングを進めたい開発者に向いています。
• 長文出力の活用: 最大128,000トークンという長い出力をサポートするため、巨大なコード、詳細な仕様書、広範な調査レポート、テスト生成など、大規模なテキスト生成が必要な場合に有効です。
• コスト効率と高性能の両立: 高度なAIモデルを比較的手頃な価格で利用できるため、トークン単価を抑えつつ高い性能を求めるユーザーにとって魅力的です。
• 自律的なタスク実行とシステム構築: エージェント設計、複雑なシステム構築、長期タスクの自動化など、高度なエージェント機能を活用したい場合に強みを発揮します7。

留意すべき点

一方で、GLM-5の導入を検討する際には、以下の点に留意が必要です。

• 超巨大コンテキスト処理: Google Gemini 3が100万トークンの入力を提供しているため、100万トークン級の超巨大なコンテキスト処理が最優先される場合は、Gemini 3がより適切な選択肢となる可能性があります。GLM-5の最大コンテキスト長はツール利用時で202,752トークンです3。
• マルチモーダル機能: GLM-5はテキスト単体のモデルであるため、画像や動画を含むマルチモーダルな推論が必要な場合は、同社のGLM-4.6VやGLM-Imageといった専門モデルとの組み合わせ設計が必要となります。
• 日本語品質と地域知識: 超高品質な日本語表現を求める場合、現時点ではClaudeがやや優位である可能性が指摘されています7。また、日本固有の細かな知識については課題が残るとの報告も一部で見られます3。
• サービス初期の安定性: サービス開始当初のユーザーフィードバックでは、長文におけるグリッチ（中国語の混入、フォーマット崩れ）、プロバイダエラー、レート制限など、提供の安定性に関する懸念も一部見られました。これは初期導入において考慮すべき点となります。

GLM 5がもたらす影響と今後の展望

大規模言語モデルGLM-5のリリースは、AIの進化において重要な節目となります。Z.aiは、そのフラッグシップモデルであるGLM-5を通じて、AIの役割を「対話」から「実務」へ、そして「雰囲気によるコーディング」から「自律的なエンジニアリング（Agentic Engineering）」へと転換させることを目指しています。

特に「Agentic Engineering」への特化は、開発プロセスとAIシステムの進化に大きな影響を与える可能性を秘めています。GLM-5は、複雑なバックエンド設計、アルゴリズム実装、深いデバッグといった、システム全体のエンジニアリングプロセスを完遂することに重点を置いて設計されており2、チャット、コーディング、エージェントタスクに最適化されています4。この能力は、「Thinking Mode」によるステップ・バイ・ステップの思考プロセス2や、「Function Calling」による外部ツール連携とマルチステップワークフロー管理の強化によって支えられ、自律的なタスク実行の可能性を広げます。これにより、AIは単なるコード生成ツールを超え、開発プロジェクト全体を自律的に推進する「AIエンジニア」としての役割を担うことが期待されます。

GLM-5の費用対効果の高さは、AI市場に新たなインパクトをもたらすでしょう。OpenAIのGPT-5が入力100万トークンあたり$1.25、出力$10.0という価格設定であるのに対し、GLM-5は入力$1.0、出力$3.22と、フロンティアレベルのAI機能をより低コストで提供します。これにより、AIコーディングをプロジェクト単位で進めたい開発者2や、最大128,000トークンという長文出力を活用し、巨大コード、仕様書、調査レポート、テスト生成などを行いたいユーザー2にとって、高性能AIへの導入障壁が大きく下がる可能性があります。コスト効率を重視しつつ、エージェント設計、複雑なシステム構築、長期タスクの自動化を目指すユーザー層7にとって、GLM-5は魅力的な選択肢となるでしょう。

一方で、いくつかの留意点も存在します。超巨大コンテキスト処理が最優先される場合、Google Gemini 3が提供する100万トークン級の入力能力が候補となる可能性があります2。また、GLM-5はテキスト単体のモデルであるため、画像や動画を含むマルチモーダルな推論が必要な場合は、同社のGLM-4.6VやGLM-Imageといった専門モデルとの組み合わせ設計が不可欠です2。日本語の品質に関しては、超高品質な最終表現を求める場合、Claudeがやや優位である可能性が指摘されており7、日本固有の細かな知識については課題が残る可能性も示唆されています3。

さらに、サービス開始当初には、長文でのグリッチ（中国語の混入、フォーマット崩れ）、プロバイダエラー、レート制限といった安定性に関する初期の課題が一部ユーザーから報告されました2。これらの点は、フロンティアモデルがサービスを開始する際の一般的な課題とも言え、今後の運用を通じて改善が期待される領域です。

GLM-5は、その高性能と費用対効果、そしてAgentic Engineeringへの明確な方向性により、AI開発と応用の新たなフェーズを切り開く可能性を秘めています。これらの留意点を考慮しつつ、その潜在能力を最大限に引き出すための利用が今後も模索されていくでしょう。

結論：次世代AIモデルとしてのGLM 5

大規模言語モデル「GLM-5」は、Z.ai（智譜AI）によって正式にリリースされた「第5世代フラッグシップ基盤モデル」であり、AIの役割を「対話」から「実務」へ、そして「Vibe Coding」から「Agentic Engineering」へと転換させるという明確な目的を持って登場しました 。その主要な特徴とベンチマーク結果は、GLM-5が現在のAI市場における強力な競合モデル、特にClaude 4.5やGPT-4といったフロンティアモデルに匹敵し、特定の領域では凌駕する可能性を秘めていることを明確に示しています。

GLM-5は、特に「Agentic Engineering」に焦点を当てて設計されており、複雑なバックエンド設計、アルゴリズム実装、深いデバッグといったシステム全体のエンジニアリングプロセスを完遂する能力を特長としています 。前モデルGLM-4.7からの進化により、コード生成、複雑な推論能力、エージェントの実行が大幅に向上しており 、SWE-bench VerifiedやTerminal Bench 2.0といった主要なコーディングベンチマークでは、Gemini 3.0 Proを上回るスコアを達成していると主張されています 2。また、BrowseComp、τ²-Bench、MCP-Atlasなどのエージェントベンチマークにおいても、オープンソースモデル内でトップクラスの性能を示し 2、Vending Bench 2の長期タスクでは世界1位の4,432ドルを記録するなど、自律的なタスク実行能力の高さが際立っています 。これらの強力なコーディング能力とエージェント機能は、開発者の生産性向上に大きく寄与すると期待されます。

技術的特徴としては、合計744億パラメータ（一部745億パラメータ）のMixture of Experts（MoE）アーキテクチャ 、DeepSeek Sparse Attention (DSA)による効率改善 、そして200,000トークンを超える長大なコンテキスト長 と最大128,000トークンの出力サポート が挙げられます。さらに、Huawei Ascendチップを含む中国国内のハードウェアとMindSporeフレームワークで完全にトレーニングされた点は、米国半導体への依存を脱却し、AIサプライチェーンの多様化を促進する点で注目に値します 。

料金体系においては、GLM-5は入力100万トークンあたり$1.0、出力$3.2という価格設定で提供されており 2、OpenAIのGPT-5とされる価格（入力$1.25/100万トークン、出力$10.0/100万トークン）と比較しても、フロンティアレベルのAI機能をより低コストで利用できる費用対効果の高さが魅力です 。これにより、高度なAI技術の民主化を促進する可能性を秘めています。

もちろん、サービス開始当初に報告された中国語の混入、フォーマット崩れ、プロバイダエラー、レート制限といった課題 2や、日本語の最終表現におけるClaudeの優位性、日本固有知識に関する課題 といった留意点もあります。しかし、GLM-5は、その設計思想、技術革新、そして競合に比肩する性能と価格設定により、今後のAI進化において重要な役割を果たす次世代AIモデルとして、大きな期待が寄せられています。特に、そのオープンソース化の予定は、より広範な開発者コミュニティに影響を与え、AIエコシステム全体の発展を加速させる可能性を秘めていると言えるでしょう 。