GLM-5.2 の技術仕様
| 項目 | GLM-5.2 |
|---|---|
| 提供元 | Zhipu AI |
| リリース日 | June 13, 2026 |
| モデルタイプ | Open-weight Mixture-of-Experts (MoE) LLM |
| 総パラメータ数 | ~744B |
| アクティブパラメータ | ~40B per token |
| コンテキストウィンドウ | 1,000,000 tokens |
| 出力上限 | 131,072 tokens |
| 推論モード | High, Max |
| ライセンス | MIT |
| 主な用途 | Agentic coding, software engineering, long-horizon reasoning |
| API 提供状況 | Z.ai platform and compatible providers |
| オープンウェイト | Yes |
GLM-5.2 は Zhipu AI の GLM ファミリーにおける最新のフラッグシップモデルです。汎用のフロンティアモデルとは異なり、GLM-5.2 は主にコーディング優先かつエージェント指向のモデルとして位置づけられ、リポジトリ規模のソフトウェアエンジニアリング、自律的なワークフロー、そして極めて長い文脈での推論に対応します。最大の特長はネイティブで 1 百万トークンのコンテキストウィンドウを備えることで、オープンウェイトモデルの中で公開されているコンテキストウィンドウとしては最大級です。
GLM-5.2 の主な機能
- 1M-token コンテキストウィンドウにより、リポジトリ全体、長大なドキュメントセット、複数セッションにまたがるエージェントワークフローを処理。
- リファクタリング、デバッグ、コード生成、ソフトウェアエンジニアリングタスクに焦点を当てたコーディング優先の最適化。
- Claude Code、Cline、Roo Code、OpenCode などのコーディングエージェント向けエージェントワークフロー対応。
- MIT ライセンスの下でのオープンウェイト公開により、セルフホスティングやファインチューニングが可能。
- **2 つの推論モード（High と Max）**でレイテンシと推論深度のトレードオフを選択可能。
- 大規模 MoE アーキテクチャ（総パラメータは約 744B、効率のためトークンあたり ~40B のみをアクティブ化）。
GLM-5.2 のベンチマーク性能
Zhipu はローンチ時に包括的な公式ベンチマーク結果を公表しておらず、GPT-5 や Claude といったモデルに比べて直接的なベンチマークが不確実であるとの指摘があります。複数の業界レポートが、第三者により検証されたベンチマークの不在を指摘しています。
| ベンチマーク | 報告スコア |
|---|---|
| Terminal-Bench 2.1 | 81.0 |
| SWE-Bench Pro | 62.1 |
| NL2Repo | 48.9 |
| AIME 2026 | 99.2 |
GLM-5.2 と GLM-5.1 と Claude Opus 4.8 の比較
| 仕様 | GLM-5.2 | GLM-5.1 | Claude Opus 4.8 |
|---|---|---|---|
| リリース日 | 2026-06-13 | 2026 | 2026 |
| コンテキストウィンドウ | 1,000,000 | ~200,000 | 1,000,000 |
| オープンウェイト | Yes (MIT) | Yes | No |
| 推論モード | High, Max | Standard | Extended Thinking |
| 総パラメータ数 | 744B | 744B | Not disclosed |
| アクティブパラメータ | 40B | 40B | Not disclosed |
| 公式ベンチマークデータ | Not published | Published at launch | Published |
GLM-5.2 の GLM-5.1 に対する主な文書化済みアップグレードは、コンテキストウィンドウの 1M トークンへの拡張と、選択可能な High/Max の推論モード導入です。ローンチ時点では、Z.ai は SWE-Bench、LiveCodeBench、HumanEval などの公式ベンチマーク結果を公開していないため、Claude Opus 4.8、GPT-5、DeepSeek、Qwen といったモデルとの性能比較は検証されていません。
他のオープンモデルと比較した場合、GLM-5.2 の主な差別化要因は、非常に大きなコンテキストウィンドウ、コーディング特化、そして MIT ライセンスの組み合わせです。一般的なチャット用途よりも、リポジトリ規模のソフトウェアエンジニアリングに強みがあります。
なぜ CometAPI 経由で GLM-5.2 を使うのか？
CometAPI を利用すると、数多くの先進 AI モデルと同一のインターフェースで GLM-5.2 を統合できます。
利点には以下が含まれます:
- 複数プロバイダー間での統一認証
- OpenAI 互換の API 連携
- 請求と利用管理の簡素化
- 代替モデルでの迅速な実験
- コーディング、推論、画像、音声、動画モデル間の容易な切り替え
- 本番システムでのベンダーロックインの低減
AI IDE、社内エンジニアリングアシスタント、エンタープライズ自動化プラットフォームのいずれを構築する場合でも、CometAPI は統合の労力を最小化しつつ柔軟性を維持します。
CometAPI で GLM-5.2 API にアクセスする方法
いくつかの簡単な手順で今すぐ始められます...
Step 1: GLM-5.2 API キーにサインアップ
CometAPI にアカウントを作成し、API ダッシュボードで GLM-5.2 API キーを生成します。このキーはすべてのリクエストを認証し、1M token のコンテキストウィンドウと 128k の出力トークンを含む GLM-5.2 API の全機能に即時アクセスできます。
Step 2: GLM-5.2 API にリクエストを送信
GLM-5.2 API キーを使って CometAPI エンドポイントに POST リクエストを送ります。プロンプトを渡し、effort level や max tokens などのモデルパラメータを設定すると、GLM-5.2 API がリクエストを処理し、コード生成からドキュメント分析、エージェント的なツール使用までをカバーします。
Step 3: GLM-5.2 API の結果取得と統合
GLM-5.2 API は、完了テキスト、ツール呼び出し指示、トークン使用量メタデータを含む構造化レスポンスを返します。標準的な同期レスポンスに加え、stream: true を設定した場合は Server-Sent Events (SSE) によるリアルタイムストリーミングもサポートします。エンドポイントは、url(//api.cometapi.com/v1) を Bearer Token 付きで経由させることで、標準の HTTP クライアントや OpenAI 互換 SDK に容易に統合できます。