中国のZhipu AI（z.ai）が2026年6月中旬に公開したGLM-5.2は、オープンウェイトのコーディング向け大規模モデルとして、公開直後から開発者の注目を集めています。約7,500億パラメータ級（MoE構成で、推論時に動くのはその一部）でありながら、長時間のコーディング作業で上位の商用モデルに迫る成績を出し、しかもトークン単価は大幅に安い。この組み合わせが話題の中心です。
GLM-5.2については「手元のPCで動かせるか」という観点が先行していますが、約7,500億パラメータ級のモデルは消費者向けの単体マシンには簡単に収まりません。一方でGLM-5.2はローカル専用ではなく、z.aiの公式チャット、従量課金のAPI、月額のコーディングプランという3つの経路で、手元のハードウェアに関係なくクラウドから使えます。本記事では料金・コーディング精度・速度・使い勝手の4点で、GLM-5.2をClaude（Anthropic）やOpenAI Codexと並べて整理します。OpenAI Codexは複数のモデルを切り替えて使えますが、本記事では比較軸としてそのうちのGPT-5.5を用います。比較に出てくるClaude Opus 4.8・Sonnet 4.6も、いずれも2026年6月時点の主要なコーディング向けモデルです。数値はすべてこの時点で各提供元・第三者が公表している値で、筆者環境での再計測ではありません。料金もベンチも改定・条件差があるため、本記事の数字は目安として読み、最終的な判断の前には各社公式の最新情報を確認してください。
クラウドでGLM-5.2を使う3つの経路
GLM-5.2を試す、あるいは業務に組み込む経路は、大きく3つに分かれます。どれを選ぶかで料金体系も使い勝手も変わります。
- 公式チャット：z.aiのチャット画面から対話で使う形です。アカウントを作ればすぐ触れるため、まず性能を確かめたい段階に向きます。
- 従量課金API：トークン量に応じて支払う方式です。入力100万トークンあたり1.40ドル、出力100万トークンあたり4.40ドル（キャッシュ済み入力は0.26ドル）。コンテキストは最大約105万トークン、1回の出力上限は約13万トークンです。アプリケーションへの組み込みや、利用量が読めない用途に向きます。少量の利用なら数ドル相当から試せます。
- GLM Coding Plan：月額のサブスクリプションで、コーディング用途に最適化された定額枠です。現行の標準価格ではLiteが月18ドルから、上位プランほど高くなります（公表の標準ではPro 72ドル、Max 160ドル程度）。年払い・移行割引・プロモーションで月額換算が下がる場合があるため、正確な価格はz.ai公式の購読ページで確認してください。Claude CodeやClineなど公式が対応するツールから、専用のエンドポイント経由でGLM-5.2を呼び出します。
従量APIとCoding Planは性格が異なります。前者は使った分だけ払う設計で、利用が少なければ安く済み、多ければ青天井になります。後者は定額で、コーディングのように繰り返しトークンを消費する用途では月額のほうが読みやすい。Claudeでいう「APIキー従量」と「Pro/Maxプラン」の関係に近い構図です。
料金：GLM-5.2は何が安いのか
GLM-5.2の最大の訴求点は価格です。コーディング向けの主要モデルを、2026年6月時点で各社が公表する従量API価格で並べると差がはっきりします。なお下表のGPT-5.5は短文脈の標準価格で、GLM-5.2の広い文脈と同じように長文を扱う場合はGPT-5.5側が長文脈価格に切り替わる点に注意が要ります。料金は改定され得るため、導入前には各社公式の最新価格を確認してください。
| モデル / プラン | 入力（/100万トークン） | 出力（/100万トークン） | 備考（2026年6月時点の公表値） |
|---|---|---|---|
| GLM-5.2（z.ai API） | 1.40ドル | 4.40ドル | キャッシュ入力0.26ドル／約105万トークン文脈。別途Coding Plan（標準でLite月18ドル〜・要公式確認）あり |
| Claude Opus 4.8 | 5.00ドル | 25.00ドル | Anthropicの最上位。100万トークン文脈 |
| Claude Sonnet 4.6 | 3.00ドル | 15.00ドル | 速度と知能のバランス型 |
| GPT-5.5（OpenAI Codexで使える主要モデル） | 5.00ドル（短文脈） | 30.00ドル（短文脈） | 27万トークン超の長文脈では入力10ドル/出力45ドル。Batch/Flexで標準は2.50/15ドルに低下 |
価格はいずれも各社公式の公表値（2026年6月時点）です。
出力トークンで見ると、GLM-5.2の4.40ドルはGPT-5.5の標準（短文脈）30ドルのおよそ6.8分の1、長文脈価格の45ドルと比べれば約10分の1です。Claude Opus 4.8の25ドルと比べても5分の1強。VentureBeatも「長期コーディングベンチでGPT-5.5を上回りながらトークン単価は6分の1」と報じています。入力側でもGLM-5.2の1.40ドルはGPT-5.5やOpus 4.8の5ドルに対して約3分の1にとどまり、コーディングのように入出力を大量に往復させる用途ほど、この単価差は効いてきます。
定額のGLM Coding Planは、もう一段わかりやすい比較対象になります。Claude CodeはClaudeのProプラン（月20ドル）やMaxプラン（5xで月100ドル、20xで月200ドル）の枠を消費して動きます。GLM Coding Planの標準価格はLite月18ドルから最上位160ドル程度で、Claude Maxの帯（100〜200ドル）と重なる位置です。年払いや割引でさらに下がることもあり、トークンあたりの単価ではGLM側が大きく安いことを踏まえると、コーディングエージェントを一日中回す使い方では定額の総額が読みやすいこと自体が選定理由になり得ます（具体的な月額はプランと時期で変わるため、公式の購読ページで確認してください）。
コーディング精度：フロンティアとの距離
安さだけでは選べません。問題は「どこまで使えるか」です。GLM-5.2のコーディング精度を、公表ベンチマークのランドスケープとして見ていきます。以下の数値はz.aiの公称比較表および第三者の報道・計測に基づくもので、いずれも2026年6月時点です。ベンチマークごとに対象の問題や測定条件が異なり、Claude・GPTの値もz.aiの比較表内の数字を含むため、絶対的な優劣ではなく傾向の目安として見るのが安全です。
| ベンチマーク | GLM-5.2 | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| SWE-bench Pro | 62.1 | 69.2 | 58.6 |
| Terminal-Bench 2.1 | 81.0 | 85.0 | 84.0 |
| FrontierSWE | 74.4 | 75.1 | 72.6 |
| MCP-Atlas（ツール使用） | 76.8 | 77.8 | 75.3 |
z.ai公称の比較表および第三者報道による公表値（2026年6月時点）。測定条件はベンチごとに異なります。
並べてみると、GLM-5.2の立ち位置がつかめます。これらの公表値の範囲では、最上位のClaude Opus 4.8には届かないものの、その差はベンチマークによって1〜13ポイント程度で、長期タスク系のFrontierSWEやツール使用のMCP-Atlasではほぼ肩を並べます。GPT-5.5に対しては、対象としたSWE-bench ProとFrontierSWEで上回る。オープンウェイトのモデルとしては、これらの対象ベンチで先頭に立っています。フロンティアの一角に、誰でもダウンロードして使えるモデルが入り込んできた、というのが現在の図です。
補足として、純粋なコーディング能力の天井は別にあります。AnthropicのClaude Fable 5はSWE-bench Verifiedで95.0と最上位級の数字が報じられていますが、入力10ドル/出力50ドルとClaude Opus 4.8より高価で、30日のデータ保持が要るなどAPIの仕様も異なり、時期によって利用可否も変わります。本記事では利用しやすさを優先し、実用上の比較対象はOpus 4.8です。競技プログラミング寄りのLiveCodeBenchでは、一部のランキングでDeepSeek V4が93.5前後と別格の強さを示します。総合的な実装力ならOpus 4.8、競技的な難問ならDeepSeek、コストと開放性を含めた実用バランスならGLM-5.2という住み分けで、GLM-5.2は性能で一位を取りに行くモデルではなく、上位の数ポイント下を桁違いの安さで押さえるモデルだと位置づけられます。
この成績で効いているのが、長期タスクへの強さです。SWE-bench ProやFrontierSWEは一問一答ではなく、実在のリポジトリに対して複数ファイルにまたがる修正を最後までやり切れるかを測るベンチマークです。GLM-5.2が公称で約13万トークンの出力と約105万トークンの文脈を持つのは、計画を立て、複数ステップで実装し、検証するという一連の流れを一回のセッションで回すためで、短い補完よりもエージェント的な使い方で差が出ます。
ここまでは単一モデルとしての到達点だが、公開モデルでフロンティアに迫る道はもう一つある。GLM-5.2のような公開モデルを単体で使うのではなく、複数を束ねて役割分担・検証・統合させるオーケストレーションだ。Sakana Fuguはこの方式で、公開モデルだけを組み合わせて最前線級に肩を並べると主張する（自社ベンチ・独立検証はこれから）。単一モデルのスケールで上に迫るGLM-5.2と、異種モデルの組み合わせで底上げするFugu——どちらも公開モデルがフロンティアに近づく異なる道として、複数AIを束ねるオーケストレーション（Sakana Fugu）の解説で詳しく扱っている。
他のオープンモデルの中での位置づけ
GLM-5.2の評価は、商用モデルとの比較だけでは半分しか見えません。オープンウェイトのコーディングモデルは2026年に入って増え、Kimi K2.6、Qwen系、MiniMax M3、DeepSeek V4などが候補に挙がります。第三者のコーディングモデルランキングを見ると、得意分野の分布はモデルごとに分かれます。
長期のソフトウェアエンジニアリング系ベンチでは、GLM-5.2がオープン勢の先頭グループに位置します。一方、競技プログラミング寄りの難問を集めたLiveCodeBenchでは、一部のランキングでDeepSeek V4が突出し、数学や超長時間の自律タスクではQwen系が強いと報じられています。オープンモデルの中でも一強というわけではなく、GLM-5.2は実装寄りの長期タスクを開放的なライセンスで安く回せる点が持ち味です。用途が競技的な難問や数学に寄るなら、同じオープン勢でも別のモデルが候補に入ってきます。
速度：他のモデルと比べてどうか
安さの裏で速度が犠牲になっていないかは、乗り換えを考えるうえで欠かせない確認点です。出力速度（毎秒のトークン生成数）を横断計測のArtificial Analysisで見ると、GLM-5.2は速い側に入ります。いずれも2026年6月時点、推論モードでの公表計測です。提供プロバイダや設定で大きく変わるため、これも厳密な順位ではなく目安として見てください。
| モデル | 出力速度（トークン/秒） | 備考（2026年6月時点の公表計測） |
|---|---|---|
| GLM-5.2 | 約96〜220＋（提供元で差大） | 中央値は約96。速い提供元（Wafer・GMI・Together等）では150〜220 token/s級。最初の応答までの時間は上位でも10秒を超えることがある |
| GPT-5.5（high） | 約59 | OpenAI Codexで使える主要モデルの一つ |
| Claude Opus 4.8 | 約50台（GPT-5.5より遅い） | 最上位ゆえ精度寄り。同系のOpus 4.7計測で約53 |
Artificial Analysisの公表計測（2026年6月時点）。プロバイダ・reasoning effort・混雑で変動します。
Artificial Analysisのプロバイダ別計測では、GLM-5.2は速い提供元で100 token/sを大きく超え、上位では200 token/s級の値もあります（中央値は約96）。GPT-5.5（約59 token/s）やClaude Opus 4.8（約50台）と比べると、出力スループットでは優位です。ただし最初のトークンが返るまでの時間（First Answer Token）は上位の提供元でも10秒を超えることがあり、混雑や思考の深さの設定でも体感は変わるため、実運用では利用するプロバイダごとの確認が要ります。それでも、価格が大幅に安いうえで出力速度も劣らない傾向であることは、「安いぶん遅いのを我慢する」という構図ではないことを示しています。速度と価格を両方取りに行く用途では、乗り換えを検討する余地が出てきます。
速度の条件は、もう少し細かい補足が必要です。GLM-5.2はオープンウェイトのため複数の事業者が配信しており、出力速度も最初の応答までの時間も提供元によって幅があります。毎秒のスループットは速くても、構成によっては最初の応答までに数秒から十数秒かかることがあり、対話的に短い往復を繰り返す使い方では体感が変わります。安定した速度が要るなら、どのプロバイダ経由で使うかを選ぶことが前提になります。
思考の深さはHighとMaxの2段階です。z.aiは、計画を立てて段階的に実装する複雑なタスクにはMax、速度を優先する軽い作業にはHighを推奨しています。約105万トークンというコンテキストの広さと合わせると、リポジトリ規模のコードを丸ごと読ませて長い計画を立てさせる、といった使い方が現実的な選択肢に入ります。
使い勝手：既存のコーディング環境にそのまま挿す
GLM-5.2が実務で扱いやすいのは、既存のコーディングツールから接続先を切り替えるだけで使える点です。GLM Coding Planでは、Claude CodeやGoose向けにAnthropic互換の専用エンドポイントが用意され、ClineやOpenCodeなど公式が対応するツールからも専用エンドポイント経由で利用できます。新しいツールを覚え直す必要がなく、いつものワークフローのモデルだけを安価なものに切り替える、という導入の仕方ができます。コーディングツール自体の選び方（Cursor・Copilot・Claude Code・Codexの違い）は、AIコーディングツールはどれを選ぶか｜用途別比較で整理しています。
クラウド経由で使うかぎり、モデルの計算はz.ai側で行われるため、手元のマシンに推論用の大型GPUは要りません。必要なのはエディタやCLIを動かせる程度の環境で、これはClaude Codeのようなクラウド型のコーディングツールを使うときの推奨スペックと同じです。ただし手元でビルドやテスト、コンテナ実行を伴う場合は、通常の開発作業に必要なCPU・メモリ・ディスク性能は要ります。どの程度のPCで快適かは、姉妹サイトのClaude Code推奨スペック｜GPU不要・ノートPCで快適に使える環境を解説がそのまま目安になります。手元で約7,500億パラメータ級を動かす場合の重いメモリ要件とは対照的に、クラウド利用なら軽量なマシンで足ります。
Claude Codeから使うと、料金はどうなるか
ここで多いのが「Claude CodeでGLM-5.2を使うと、Claudeのサブスクが減るのか」という疑問です。減りません。Claude CodeはAnthropic製のツールですが、接続先を切り替えられる設計で、GLM-5.2を呼ぶときはAnthropicのモデルではなくz.aiのモデルを使うことになります。そのためClaudeのPro／Maxプランの枠は消費せず、料金はz.ai側に発生します。Claude Pro／MaxはあくまでAnthropicのClaudeを使うための枠で、別物だと考えるとわかりやすいです。もう一段分けて考えたいのは、Claude Codeというツールを使う権利と、どのモデル／APIを呼ぶかです。接続先をz.aiに切り替えてGLM-5.2を呼ぶ場合、モデル利用分はz.ai側の料金・枠で処理されます。一方で、Claude Code自体の提供条件（インストールや利用権）はAnthropic側のプランや配布条件に従います。
z.ai側の支払いは、これまで見た2つの経路のどちらかです。日常的に使うならGLM Coding Plan（月額定額）で、公式が対応するツール内での利用を定額枠でカバーします。散発的に使うなら従量APIで、入力1.40ドル／出力4.40ドル（100万トークンあたり）を使った分だけ払います。どちらの経路でも同じGLM-5.2を呼べます。GLM-5.2は少なくともLite・Pro・Maxの各プランで利用でき、公式ドキュメント上も「All plans support GLM-5.2」と説明されています。
ただし定額といっても、無制限ではありません。Coding Plan内ではGLM-5.2はClaude Opus級の高度モデルとして扱われ、通常のモデルより利用枠を多く消費します。z.aiのFAQでは、ピーク時は3倍、オフピーク時は2倍のレートで枠が差し引かれると説明されています（期間限定でオフピーク1倍の特典が付くこともあります）。そのため「定額だから一日中GLM-5.2を回し続けられる」わけではなく、日常の軽い作業はGLM-4.7のような通常モデル、難しい実装だけGLM-5.2に切り替える、という運用が公式でも勧められています。
設定そのものは軽く、Claude CodeやGoose向けにはAnthropic互換のエンドポイントが用意されています。接続先のURL（ANTHROPIC_BASE_URL）と認証キー（ANTHROPIC_AUTH_TOKEN）をそこへ向けるだけで、操作や使い方は変えずにモデルだけが差し替わります。エンドポイントの正確なURLや、Coding Planと従量APIで使うキーの違いは、z.ai公式のClaude Code設定ドキュメントで現行の値を確認してください。まず公式チャットで感触を確かめ、次にCoding Planで日常的に使い、アプリケーションに組み込む段になったら従量APIへ、と段階的に移ることもできます。日本語の指示にも対応しますが、細かなニュアンスの再現度は用途によって差が出るため、重要な処理では出力を確認しながら使うのが無難です。
クラウドで使う前に押さえたい注意点
安さと性能のバランスは魅力ですが、クラウドでGLM-5.2を使う前に確認しておきたい点があります。
一つはデータの扱いです。GLM-5.2を提供するz.aiは運営主体がシンガポール法人で、APIのデータはDPA（データ処理契約）に従って扱うとし、API利用者のコンテンツを明示的な合意なしにサービス改善へは使わないと説明しています。一方で、保持期間・処理地域・委託先（サブプロセッサー）などは契約条件に依存し、公開情報だけでは読み切れません。z.aiは中国のZhipu AIを母体とするグループでもあるため、機密性の高いコードを扱うなら、DPAの内容が自社の要件に合うかを確認しておくのが安全です。自前のハードウェアで動かせば、そもそも外部にデータを渡す経路自体が生じませんが、その分の機材が前提になります。
もう一つは提供プロバイダの選択です。GLM-5.2はオープンウェイトのため複数の事業者が配信しており、前述の速度だけでなく、可用性やデータの取り扱いも提供元によって変わります。どこ経由で使うかは、速度と機密性の両面で選ぶ必要があります。加えて公開当初はベンチマークが添えられていなかった経緯もあり、性能の評価は第三者の計測が出そろってから判断するのが堅実です。
ローカルとクラウド、どちらで動かすか
GLM-5.2を使うとき、最初に分かれ道になるのが「手元で動かすか、クラウドに任せるか」です。判断の軸はシンプルで、必要なメモリと初期投資、そしてデータの扱いです。
ローカルで動かす場合、約7,500億パラメータ級という規模が壁になります。量子化しても相応のメモリが要り、消費者向けの単体マシンでは構成に無理が出やすい。必要メモリの具体的な見積もりや、どのクラスのマシンなら現実的かは、姉妹サイトのGLM-5.2をローカルで動かせるか｜必要メモリと単体マシンの限界と、巨大オープンモデルは手元で動くのか比較｜必要メモリ早見表で詳しく扱っています。手元のハードウェアで完結させたい場合は、まずこちらでメモリ要件を確認するのが近道です。
クラウドを選ぶ場合は、初期投資が要らず、従量APIなら少量から始められるのが利点です。トレードオフはデータの扱いで、API経由ではコードや指示がz.ai側のサービスを経由します。ローカル実行なら処理は手元で完結しますが、そのためのハードウェアを用意する必要がある。「機密性の高いコードを外に出したくないからローカル、ただし相応の機材投資が前提」「まず安く試したい、運用負荷を持ちたくないからクラウド」という形で、どちらが安いかは利用規模と要件で逆転します。ただし損益分岐は入出力のトークン量・同時利用人数・GPU価格・電気代で大きく動くため、本記事では具体的な金額試算までは踏み込みません。少量・短期ならクラウドの従量、毎日チームで長時間回すならローカルの機材費との比較、という方向性を押さえたうえで、ご自身の利用量で見積もるのが確実です。
どんな人に向くか
- コストと速度を両取りしたい開発者：フロンティアの一段下の精度で十分なら、GLM-5.2の従量APIやCoding Planは費用対効果が際立ちます。公表計測では出力速度もGPT-5.5やOpus 4.8を上回る傾向で、安さのために速度を妥協せずに済みます。Claude CodeやClineの接続先を差し替えるだけで移行できます。
- 長いコンテキストを使う人：約105万トークンの文脈で、リポジトリ規模のコードや長い設計ドキュメントをまとめて扱いたい用途に向きます。
- 最高精度が要る人：難易度の高い実装で取りこぼしを避けたいなら、Claude Opus 4.8など最上位モデルのほうが安全です。GLM-5.2はあくまで上位に迫る性能を安く使うための選択肢です。
- 機密性を重視する人：コードを外部に出せない要件があるなら、クラウドAPIではなくローカル実行を検討することになります。その場合の機材要件は前掲のハードウェア側の記事が参考になります。
まとめ
GLM-5.2は、性能で全モデルを抜くタイプではありません。2026年6月時点の公表ベンチでは、Claude Opus 4.8の数ポイント下に位置しながら、対象としたベンチでGPT-5.5を上回り、オープンウェイトでは先頭という立ち位置を、トークン単価6分の1という価格で実現しています。特定時点・特定プロバイダの公表計測では出力速度もGPT-5.5やClaude Opus 4.8を上回る傾向で、安いぶん遅いのを我慢する選択肢ではありません。Claude CodeやGooseには接続先を差し替えるだけで挿せる導入のしやすさも、移行コストを下げています。フロンティア級の精度が、半額以下で、しかも上位モデルに引けを取らない速度でオープンに降りてきた——それが現在のGLM-5.2の意味です。精度がトップ群の直下で足りる用途なら、価格・速度・導入のしやすさから乗り換えを検討する価値があります。最高精度が要る局面はOpus 4.8に任せ、それ以外をGLM-5.2に寄せる、という使い分けが現実的です。手元で動かすにはハードウェアの壁がありますが、クラウドなら従量APIで少量（数ドル相当）から試せます。まず公式チャットかCoding Planでご自身のコードに当てて、Claudeとの差が許容範囲かを確かめてから本格導入する、という順序なら、安さを取りつつ失敗も抑えられます。
よくある質問
GLM-5.2は無料で使えますか？
オープンウェイトとして公開されており、自前のハードウェアで動かす分にはモデル自体のライセンス費用はかかりません。ただし自前で動かす場合もハードウェアや電気代はかかり、クラウドで使う場合は従量API（入力1.40ドル／出力4.40ドル・100万トークンあたり）か、月額のGLM Coding Plan（標準ではLite月18ドル〜、割引で変動）の料金が発生します。いずれも2026年6月時点の公表値で、改定され得ます。
Claude CodeでGLM-5.2を使えますか？
使えます。GLM Coding PlanではClaude CodeやGoose向けにAnthropic互換のエンドポイントが用意されているため、接続先を差し替えることで呼び出せます（Cline・OpenCodeなど公式対応ツールも専用エンドポイント経由で利用可）。このときAnthropicのサブスクリプションは消費せず、料金はz.ai側に発生します。
GLM-5.2はClaudeやGPT-5.5より遅いですか？
むしろ速い側です。Artificial Analysisの2026年6月時点・プロバイダ別の公表計測では、GLM-5.2の出力速度はGPT-5.5やClaude Opus 4.8を上回る傾向で、速い提供元では200 token/s級の値もあります。ただし提供プロバイダによって速度や最初の応答までの時間（上位でも10秒を超えることがある）に幅があり、安定を求めるなら配信元の選択が前提になります。
ローカルとクラウドはどちらが安いですか？
利用規模で逆転します。少量・短期の利用ならクラウドの従量課金が安く、初期投資も要りません。毎日長時間動かすなら、ローカル実行の機材費・電気代とクラウド定額の損益分岐を比べる段階に入ります。ローカルは約7,500億パラメータ級を動かせるハードウェアが前提になる点も加味が必要です。
GLM-5.2とClaude、どちらを選ぶべきですか？
最高精度と安定性を優先するならClaude Opus 4.8、コストを抑えつつ上位に迫る性能で十分ならGLM-5.2、という分け方が現実的です。GLM-5.2はClaude Codeから接続先を替えて呼べるため、同じ環境で両方を試し、難しい実装はClaude、量をこなす作業はGLM-5.2と使い分けることもできます。複数のAIを役割で組み合わせる考え方は、マルチオーケストレーション｜複数AIを役割で組み合わせる設計パターンでも扱っています。
