7月21日、Zain Hasanが「Why Some Coders Now Reach for GLM 5.2 Before Frontier AI Models」と題した記事を公開した。コスト意識の高い開発者がAnthropicなどのフロンティアモデルより先に中国発のオープンウェイトモデル「GLM 5.2」を選ぶ理由と、その現実的な限界について詳しく掘り下げている。

「コスト無視の習慣」がフロンティアラボを守る堀になっている

Together AIのAIエンジニアZain Hasanは、AIコーディングアシスタントを使いつつコストにも目を向ける習慣を持つ。難しいタスクにはAnthropicのフロンティアモデルを使い、単純なタスクには安価なモデルを充てる——その「安価なモデル」として今使っているのがGLM 5.2だ。

GLM 5.2は北京拠点のZ.aiが2025年6月16日にリリースしたオープンウェイトモデルだ。「オープンウェイト（open-weights）」とは、モデルの重みパラメータが公開されており、十分なハードウェアを持つ組織なら無償でダウンロード・ホスティングできる形態を指す。Z.aiのAPIを有償利用しても、出力トークン100万件あたり4.40ドル。Anthropicのフロンティアモデルと比べて数分の1の水準だ。

しかしHasanが指摘するのは、多くの現場でそもそもトークンコストが管理されていないという実態だ。

「多くの企業は今もこの技術を試行錯誤中で、トークン予算という概念自体がない。会社が払ってくれるなら、最強のモデルを選ぶのが一番楽だ」

この「コスト無視」の習慣こそが、現状で米国フロンティアAIラボを守る最大の堀かもしれない——と記事は示唆している。コスト管理の文化が組織に根付いていない限り、価格競争力だけでは代替は進まないという構造的な問題が浮かび上がる。

GLM 5.2の実力：ベンチマークと現場の声

GLM 5.2はパラメータ数7530億（同時に活性化するのは約400億のみ）のMoEアーキテクチャを採用した大規模言語モデルだ。MoEとは「Mixture of Experts」の略で、全パラメータを常時使うのではなく、入力に応じて一部の専門モジュールだけを活性化することで推論コストを抑える設計を指す。MITライセンスで公開されており、商用利用を含めて自由に改変・配布できる。

※なお、パラメータ数「7530億」という数値は元記事記載のものをそのまま引用している。MoEモデルとしては非常に大きい数値であり、原文と合わせて精査いただきたい。

ベンチマーク上では、FrontierSWEやPostTrainBenchといったエージェント型コーディング評価でAnthropicのフロンティアモデルにほぼ並ぶスコアを記録している。サイバーセキュリティベンチマークでも高評価を得ており、semgrepの評価ブログではAnthropicの上位モデルに匹敵するとの結果も報告されている。

ただし公式レポートを精査すると、Z.aiが「勝利」を主張しているのは難易度の低い推論ベンチマーク2件のみで、コーディングでの勝利は主張していない。長時間エージェントコーディングを評価するSWE-MarathonではGLM 5.2の完了率は**13%**で、Anthropicのフロンティアモデルの約半分にとどまる。NL2Repo、DeepSWE、Tool-Decathlonでも10%以上の差をつけられており、タイトルにあるような「互角」はあくまで特定の用途・難易度帯に限った話であることに注意が必要だ。

開発者の実際の使い方

デンバーのMetaRouterでプリンシパルエンジニアを務めるDavid Nixは、GLM 5.2をローテーションに組み込んだ一人だ。

「フロントエンド開発なら、上位モデルに頼らなくてもGLM 5.2で十分なことが多い」

Nixによれば、LLMに回す作業全体の**10〜20%**をGLM 5.2が担い、フロントエンドデザインでは最初の選択肢になっているという。HasanもGLM 5.2の「Webデザインのセンス」を高く評価し、ポーランドのScreen StudioのエンジニアKacper MichalikはWebフォーム生成で良好な結果を得ている。

一方、ベンガルールのIndhic AIのエンジニアSai Kiran Myadaramは否定的だ。Z.aiのサブスクリプションプランに登録したところ、週間トークン割り当てを2〜3日で使い切ってしまったという。また、軽微なフロントエンド修正を依頼した際にハルシネーション（事実誤認の出力）や過剰な計画生成が発生し「コードベースが壊れた」と語り、現在はOpenAIのCodexに戻っている。

中国製モデルという壁とオープンウェイトの抜け道

GLM 5.2の中国発という出自は、機密データを中国系インフラに送ることを懸念する米国企業にとって導入障壁になる。ただし、オープンウェイトであることがその回避策になる。HasanのTogether AIはGLM 5.2を北米のインフラ上でホストしており、データの送信先を自社でコントロールできる。これはAPIのみで提供されるフロンティアモデルにはない選択肢だ。

ここで補足すると、GLM（General Language Model）シリーズはもともと清華大学KEG研究室が中心となって開発してきたモデル系列で、Z.aiはその商用展開を担う企業として位置づけられている。日本ではあまり知名度がないが、中国国内ではChatGLMシリーズとして研究者・開発者コミュニティに広く使われてきた経緯がある。GLM 5.2はその系譜を引く最新世代にあたる。

StanfordのAI Indexによれば、2025年に中国企業が生み出した「注目に値する」AIモデルの数は米国の半数強に達しており、2023年の約3分の1、2020年の約5分の1から増加している。GLM 5.2はその流れを加速させる一本として位置づけられている。

詳細はWhy Some Coders Now Reach for GLM 5.2 Before Frontier AI Modelsを参照していただきたい。