6月18日、vettedconsumer.comが「GLM-5.2: The Most Powerful Open-Weight Model Yet」と題した記事を公開した。この記事では、中国のZ.ai（後述）が公開したオープンウェイトLLM「GLM-5.2」の性能・アーキテクチャ・ローカル実行の現実について詳しく紹介されている。
独立ベンチマーク上位、MITライセンス、1Mトークンコンテキスト
GLM-5.2は、中国のAIラボZ.aiが2026年6月16日に公開したオープンウェイトモデルだ。なお、GLM（General Language Model）シリーズはこれまでZhipuAI（智谱AI）が開発・公開してきた経緯があるが、元記事では開発元を「Z.ai」と記述している。ZhipuAIのブランド変更なのか、別組織なのかについて元記事は明示していないため、本記事でも元記事の表記に従い「Z.ai」と記載する。
総パラメータ数753BのMixture-of-Experts（MoE）構造を持ち、1トークンあたりの推論時に実際に動くのは約40Bにとどまる（MoEとは、全パラメータを毎回使わず、入力ごとに一部のエキスパートだけを活性化するアーキテクチャ）。
特筆すべき点が3つある。
- 独立ベンチマーク上位：Simon WillisonがドキュメントしたArtificial Analysis Intelligence Index v4.1でスコア51を記録。元記事が参照したこのベンチマーク結果において、MiniMax-M3とDeepSeek V4 Pro（ともに44）、Kimi K2.6（43）を抑え、オープンウェイトモデルの中で最上位に位置する。なお、本ベンチマークはあくまで1指標であり、すべての能力を代表するものではない点には留意が必要だ。
- MITライセンス：商用・改変ともに制限がほぼない。ウェイトはHuggingFace（zai-org/GLM-5.2）で公開済み。
- 1Mトークンコンテキスト：前世代GLM-5.1の200Kから一気に5倍に拡張。
VentureBeatはZ.aiの主張として「GPT-5.5を複数の長時間コーディングベンチマークで上回り、コストは6分の1」と報じている。ただしCode Arena WebDevの対決では2位であり、元記事によれば1位は「Claude Fable 5」とされている（この名称はAnthropicの公式リリース名として広く確認されているわけではなく、元記事中の表記をそのまま引用している）。いずれにせよ、ベンダー側の主張はそのまま鵜呑みにしない方が妥当だ。
最も面白いポイント：「IndexShare」という効率化の仕掛け
多くのモデルの「マイナーバージョンアップ」は追加学習だけで終わる。GLM-5.2の実質的な新味はアーキテクチャにある。
Z.aiの技術ブログによると、IndexShareという機構が導入された。スパースアテンション（Sparse Attention）層において、軽量な「インデクサー」を一定間隔で走らせ、そのトップkトークン選択結果を後続の層で使い回す仕組みだ。なお、元記事の「4層ごとに1回インデクサーを走らせ次の3層で共有する」という記述については、翻訳・解釈の余地があるため、厳密な動作はZ.ai技術ブログの原文を確認することを推奨する。
効果として主張されているのは：
- 1Mトークンコンテキスト時のFLOPSを2.9分の1に削減
- 投機的デコーディング（MTP層）の改善により、承認長（acceptance length）を最大20%向上
この機構はファインチューニング後に後付けしたものではなく、中間学習（mid-training）の段階から組み込まれている点が重要だ。長時間のコーディングエージェント用途において、1Mトークンコンテキストを「実際に提供可能なコスト」に収めるための実用的な設計といえる。
実際に使った人たちの評価
独立した評価は概ね好意的だが、手放しではない。
Simon Willisonのテストでは、ペリカンのSVG生成は「非常に印象的な仕上がり」だった一方、オポッサムの描画は「GLM-5.1より明らかに劣化」という結果になった。ベンチマーク上位がすべての出力を保証するわけではない、という当たり前の事実を改めて示している。
AIハードウェアレビュアーのBijan BowenはGLM-5.2を使った33分間のコーディングセッションを公開。ブラウザOS上でGTAスタイルの「Gangster City」クローンを構築し、警察追跡ロジックやWebGLエフェクトが動作する成果を「これまで見た中で最も適切な都市スケールの出力」と評した。
ただし彼が繰り返し指摘したのはトークン消費の多さと生成の遅さだ。1タスクあたりのアウトプットトークン数はGLM-5.1の約26kに対してGLM-5.2は約43k。APIで使えばコストに、ローカル実行なら待ち時間に直結する。
Hacker Newsでの反応は「中国ラボがオープンに成果を公開してくれることへの感謝」が主なトーンだった。クローズドなリリースが増える中で、この傾向は繰り返し見られる反応だ。
なお、Z.aiのホストAPIを使う場合はデータレジデンシー（データの保存・処理場所に関する規制上の懸念）の問題を指摘する声もある。オープンウェイトを自前のハードウェアで動かすことが、プライバシー的には最もクリーンな選択肢となる。
ローカル実行の現実：フルウェイトは1.51TB
ここが最も現実的なポイントだ。BF16フルウェイトは1.51TB。量子化しても「普通のマシンで動く」モデルではない。
| 量子化 | 必要メモリ | 動くハードウェア | 実態 |
|---|---|---|---|
| Q4_K_M（4ビット） | 約476GB | マルチGPUサーバー（2×A100 80GB等） | データセンター専用 |
| 2ビット動的（Unsloth UD-IQ2_XXS） | 約241GB | Mac Studio M3/M4 Ultra（256GB以上） | 約3〜9トークン/秒 |
| 1ビット動的（UD-TQ1_0） | 約176GB | 256GB以上必要。128GB Strix Haloでは不可 | 品質が大幅に低下 |
現実的なローカル実行の選択肢は非常に限られる。
ユニファイドメモリ256GB以上のMac Studio M3/M4 Ultra（本体価格約9,500ドル）が、現状で唯一GLM-5.2を動かせる一般向けシングルボックスマシンだ。2ビット量子化で約3〜9トークン/秒が出る。チャット用途には遅すぎるが、非同期のエージェント実行なら許容できる速度ではある。24GBのGPU単体や128GB Strix Haloでは、どの量子化でもウェイトが乗り切らない。
大多数のユーザーにとっては、クラウドレンタルかAPIが現実解だ。 APIでは出力100万トークンあたり約4.40ドル。1タスク約43kトークンとすると、ヘビーなエージェントセッションは相応のコストになる。
誰向けのモデルか
GLM-5.2は長時間コーディングエージェント・長大コンテキスト処理向けに設計されている。複数ファイルのリファクタリング、大規模ドキュメントの推論、長時間の自律実行といった用途だ。
一方、高速なローカルチャットやコーディング補助が主な用途なら、24GBのGPUで動く30Bクラスのモデルの方がはるかに快適で安価だ。リーダーボードの上位モデルを選ぶことが正解とは限らない。「自分が実際にうまく動かせる最大のモデル」を選ぶ方が、ほぼ常に正解だ。
詳細はGLM-5.2: The Most Powerful Open-Weight Model Yetを参照していただきたい。
