GLM-5.2 リリース: Artificial Analysis Index における新たな主要オープンウェイトモデル

Z ai の GLM-5.2 は、Artificial Analysis Intelligence Index においてスコア 51 を記録し、トップのオープンウェイトモデルとなりました。この順位により、MiniMax-M3 (44)、DeepSeek V4 Pro max (44)、および Kimi K2.6 (43) を含む他の主要なオープンウェイトモデルを上回っています。特筆すべきは、GLM-5.2 が「知能 vs タスクあたりのコスト」のパレートの境界線（Pareto frontier）上に位置しており、特定の知能レベルにおいてタスクあたりのコストが最も低いモデルを提供している点です。

ベンチマークと知能の向上

GLM-5.2 は、前身である GLM-5.1 と比較して、特に科学的推論とエージェント機能において大幅な改善を示しています。モデルサイズ（合計 744B / アクティブ 40B パラメータ）は維持しつつ、Intelligence Index v4.1 で 11 ポイント向上しました。

科学的推論と汎用知能

GLM-5.2 は、いくつかの主要な評価指標において大幅な向上を見せました：

  • CritPt: 16 ポイント増加して 21%
  • HLE: 12 ポイント増加して 40%
  • AA-LCR: 9 ポイント増加して 71%
  • tau3 banking: 15 ポイント増加して 27%
  • SciCode: 7 ポイント増加して 50%
  • TerminalBench v2.1: 16 ポイント増加して 78%
  • GPQA Diamond: 3 ポイント増加して 89%

エージェント性能 (GDPval-AA v2)

実世界のエージェント性能を測定する GDPval-AA v2 指標において、GLM-5.2 は 1524 を記録しました。これは MiniMax-M3 (1418) および DeepSeek V4 Pro max (1328) を上回り、実質的に 1514 を記録したプロプライエタリな GPT-5.5 (xhigh reasoning) と同等レベルに位置しています。

ハルシネーションと全知性

GLM-5.2 は AA-Omniscience Index でスコア 4 を記録し、GLM-5.1 (2) のスコアを倍増させました。この改善は、より高い精度 (25.1% vs 24.2%) と、減少したハルシネーション率 (28.1% vs 29.4%) によるものです。

技術仕様と可用性

GLM-5.2 は MIT ライセンスの下でリリースされ、大幅に拡張されたコンテキストウィンドウを備えています。

  • Model Architecture: 744B total parameters / 40B active parameters.
  • Context Window: 1M tokens (GLM-5.1 の 200K から増加).
  • Pricing: $1.4 per 1M input tokens, $4.4 per 1M output tokens, and $0.26 per 1M cache hit tokens.
  • Availability: Z ai のファーストパーティ API および DeepInfra, Novita, Nebius, Parasail, Siliconflow, GMI Cloud, Baseten, and Fireworks を含むサードパーティプロバイダー経由でアクセス可能です。

効率性とトレードオフ

知能の向上にもかかわらず、GLM-5.2 は他のモデルと比較してトークン効率が低くなっています。このモデルは、Intelligence Index のタスクあたり平均 43k 出力トークン（そのうち 37k は推論トークン）を使用しますが、これは GLM-5.1 の 26k や MiniMax-M3 の 24k と比較して多くなっています。

コスト vs. パフォーマンス

GLM-5.2 のタスクあたりのコストは約 $0.46 です。これは DeepSeek V4 Pro max ($0.05) や MiniMax-M3 ($0.18) よりも高いものの、パレートの境界線において、特定の知能レベルにおける最も費用対効果の高い選択肢として位置付けられています。

コミュニティの洞察と分析

GLM-5.2 に関する技術的な議論では、ベンチマーク性能と実世界の効率性の間の乖離が指摘されています。

推論の冗長性

ユーザーは、このモデルが思考プロセスにおいて過度に冗長になりがちであると指摘しています。あるユーザーは、Nim での単純な数学評価タスクにおいて、最初のファイルが書き出される前に 15 分以上の推論と 45k トークンを消費したと報告しており、それと比較して「GPT 5.5 は極めて推論効率が高い」と述べています。

競争力のあるポジショニング

一部のユーザーは、GLM-5.2 をオープンウェイトモデルの大きな勝利として見ており（その品質を Opus 4.7 の数分の一のコストで実現）、一方で、他のユーザーは、これらのモデルと絶対的な最前線（フロンティアモデル）であることがまだ差が存在すると主張しています。

"GPT5.5 medium と比較して GLM5.1xhigh はコストが 2 倍で知能が半分... もしフロンティアモデルに近づきたいのであれば、誰もが Opus, Fable, GPT5.5 について話しているという事実を誠実に受け入れるべきです。"

他のユーザーは、ハイブリッドワークフローを提案しています。生成には GLM-5.2 を使用し、レビューとデバッグには GPT-5.5 を使用するという、高額なプロプライエタリなプランの代替案として費用対効果の高い方法です。

Sources