GLM-5.2は、Zhipu（Zhipu AI）が2026年6月17日に発表しオープンソース化したフラッグシップコーディングモデルです。グローバル盲測プラットフォームCode Arenaで世界の利用可能モデル1位の成績を収め、100万トークン（百万級）のロスのないコンテキストに対応し、長時間タスク（Long-horizon Task）向けに設計されています。モデルの重みはMITライセンスに従い、自由にダウンロード、デプロイ、商用利用が可能です。

大規模コードベースで継続的に作業する必要がある開発者や、数時間にわたって複雑なエンジニアリングタスクを自律的に推進できるAIコーディング基盤が必要な人にとって、GLM-5.2は試す価値があります。

核心能力

1Mロスなしコンテキスト

GLM-5.2は真の1M（100万トークン）コンテキストウィンドウを実現しました。従来の長コンテキストモデルの多くは、数十万トークンを超えたあたりから明らかに劣化し始めていました。GLM-5.2はCoding Agent訓練環境の拡張により、自動化リサーチ、性能最適化などの複数領域をカバーし、1Mコンテキスト下での性能がClaude Opus 4.7を上回ることさえあります。

GLM-5.2はFrontierSWEでOpus 4.8よりわずか1%低いだけで、GPT-5.5とOpus 4.7を上回る。

実際のテストでは、GLM-5.2は開発・結合・テストからパッケージングして公開まで、Web、モバイル、ミニプログラムをカバーするマルチプラットフォームアプリを1つ完全に納品し、累計88万トークンを処理、1Mコンテキストウィンドウをほぼ使い切りました。

コーディング能力

Code Arena（グローバル大規模モデル盲測プラットフォーム）で、GLM-5.2は1595点を獲得し、総合ランキング2位、グローバルな利用可能モデル1位となりました。Design Arena（モデルのセンスを評価するベンチマーク）ではグローバル1位を取得しています。

Code Arenaコーディング評価システムのランキング。

開発者からのフィードバックで中心となる向上点：

• プロジェクト規模のコンテキスト保持力がより強く、完全な工程を同じ推論チェーンに載せられる
• 長時間タスクの実行がより安定し、複雑なタスクを継続的に推進しても途中で脱線しにくい
• 本番級のエンジニアリング規約の遵守がより確実で、チーム開発プロセスのハード制約を守れる
• クライアント・モバイルのエンジニアリング能力がより堅実で、実機デバッグのクローズドループを完結できる

思考レベル制御

GLM-5.2はeffort level（思考レベル）制御を導入し、能力・速度・コストのバランスを取れます。HighとMaxの2段階の思考強度設定を提供し、複雑なコーディングタスクではより高いレベルを有効にして、アーキテクチャ級ロジックの厳密さを確保できます。

近いトークン予算の下で、GLM-5.2のコーディング能力はClaude Opus 4.7と4.8の間に位置する。

使い方

オープンソースダウンロード

• GitHub: https://github.com/zai-org/GLM-5
• Hugging Face: https://huggingface.co/zai-org/GLM-5.2
• ModelScope: https://modelscope.cn/models/ZhipuAI/GLM-5.2

モデルの重みはMITライセンスに従い、地域制限はありません。vLLM、SGLang、transformersなどの主要な推論フレームワークがすでに対応済みです。

API接続

• BigModelオープンプラットフォーム: https://docs.bigmodel.cn/cn/guide/models/text/glm-5.2
• Z.ai: https://docs.z.ai/guides/llm/glm-5.2

オンライン体験

• Z.ai: https://chat.z.ai
• 智譜清言 App/ウェブ版: https://chatglm.cn

Agent製品

• AutoClaw（オフィスシーン）: https://autoglm.zhipuai.cn
• ZCode（コードツール）: https://zcode.z.ai/cn

1Mコンテキストを使うべきとき

1Mコンテキストは、すべてのタスクに必要なわけではありません。以下のシーンで最も威力を発揮します：

• リポジトリ全体のコード理解とアーキテクチャ分析
• ファイル横断のバグ追跡（呼び出しチェーンをたどる）
• 長期リファクタリングと大型機能追加
• 複数の成果物があるリサーチプロジェクト（レポート、表、グラフ、スクリプト）
• 超長ドキュメントのレビュー

小さな関数の修正や簡単なスクリプトの追加といった軽量タスクでは、必要なファイルだけを与えるほうが逆に速く、きれいです。

基盤技術の最適化

GLM-5.2の進歩は、モデルアーキテクチャ、推論システム、訓練インフラの協調設計から来ています：

• IndexShare: 4層ごとのスパースアテンション層の間で同じインデクサを再利用し、単位トークンあたりのFLOPsを2.9倍にまで低減
• 改良されたMTP層: 投機的デコーディング（speculative decoding）に用いられ、受容長を最大20%向上
• 自社開発のSlimeフレームワーク: 大規模Agentic RLとOPD訓練を支える

Day 0で、Huawei Ascend、T-Head、Moore Threads、Cambricon、Kunlunxin、MetaX、Hygon、Birenなど中国製計算プラットフォームとの推論適応をすでに完了しています。