Z.ai、コーディングモデル「GLM-5.1」をオープンソース公開　SWE-Bench Proで首位

公開 2026年4月7日拡散指数 57

Z.aiはMITライセンスの旗艦エージェント型コーディングモデル「GLM-5.1」を公開した。SWE-Bench Proで58.4点を記録し、GPT-5.4やClaude Opus 4.6を上回った。長期間タスク向けに設計されており、数百回の反復と数千回のツール呼び出しでも性能改善を持続できる。

GLM-5.1は、Z.aiがMITライセンスで完全公開した旗艦エージェント型コーディングモデルです。1つのタスクに対して最大8時間自律的に稼働し、自ら試行錯誤を繰り返す本格的なソフトウェアエンジニアとして機能します。

SWE-Bench Proベンチマークでは58.4点を記録し、GPT-5.4の57.7点やClaude Opus 4.6の57.3点を上回る最高水準を達成しました。現在Hugging Faceにて商用利用可能な形で重みが公開されています。

何ができるのか

従来のコーディングAIは数回のやり取りで改善が頭打ちになり、ツール呼び出しを増やすと方針を見失う傾向がありました。GLM-5.1は数千回のツール呼び出しや数百回の反復を経ても目標を見失わず、段階的に性能を伸ばし続けます。

Z.ai幹部のLou氏がXで明かしたところによると、昨年末時点の自律エージェントが約20ステップで限界を迎えていたのに対し、GLM-5.1は1,700ステップを連続で実行できます。

その持久力は具体的な成果として現れています。Rustで書かれたベクター検索の骨組みを与えて最適化させるVectorDBBenchテストでは、コード編集、コンパイル、プロファイリングを自律的に繰り返しました。

Claude Opus 4.6が3,547 QPSで頭打ちになった一方、GLM-5.1は655回のイテレーションと6,000回以上のツール呼び出しを実行し、最終的に約6倍となる21,500 QPSに到達しました。

90回目の反復でIVFクラスタ探索とf16圧縮に切り替え、240回目で二段階パイプラインを導入するなど、構造的な改善を自ら発見しています。再現率が95%を下回った際には自ら原因を診断し、パラメータを補正する挙動も見せました。

さらにKernelBench Level 3では、H100 GPUを備えたコンテナ内で、MobileNetやMamba向けのGPUカーネルコードを最大1,200ステップかけて自律最適化しています。

GLM-5.1は総パラメータ数7,540億のMixture-of-Experts構成で、202,752トークンのコンテキストウィンドウを備えています。

MITライセンスで提供されているため、商用環境への組み込みや自社インフラでの改変が自由に行えます。モデル重みはHugging Faceから直接入手可能です。

ただし754B規模のMoEモデルであるため、ローカルで動かすにはハイエンドGPUを多数搭載したデータセンター級のサーバー構成が必須となります。

数時間に及ぶ本格的な自律コーディングタスクは、これまで大手商用APIの独壇場でした。GLM-5.1は、オープンソース陣営でも最前線の知能とタスク持続力を実現できることを実証しています。

レガシーコードの大規模なリファクタリングやパフォーマンスチューニングを自動化したい開発現場にとって、検証する価値は極めて高いと言えます。一方で単なるコード補完や短い関数生成に使うには、リソース消費が過大である点には注意が必要です。