Z.aiが長文脈特化モデル「GLM-5.2」公開、1Mコンテキストでオープンソース最強へ

Z.aiは長時間の自律的な作業に特化した最新のオープンソース旗艦モデル「GLM-5.2」を公開しました。実用に耐えうる安定した1Mトークンのコンテキストウィンドウを備え、地域制限のないMITライセンスで提供されています。重みやドキュメントはHugging Faceおよび公式ブログで入手可能です。

長時間タスクの処理能力とベンチマーク

多くのモデルが長大なコンテキストをアピールする一方で、実際のコーディングエージェントが長時間にわたる複雑な試行錯誤を続けると、文脈を見失うケースが珍しくありません。GLM-5.2は、コンパイラの構築やカーネルの最適化、大規模なバグ修正など、数時間から数十時間におよぶ開発タスクを前提に訓練されています。

その実力はベンチマークでもオープンソース最強を示しています。数十時間規模のプロジェクトを扱うFrontierSWEでは、Claude Opus 4.8にわずか1%差まで迫り、GPT-5.5を1%、Opus 4.7を11%上回りました。H100 GPUを用いて小型モデルの事後学習を競うPostTrainBenchでも、GPT-5.5やOpus 4.7を抑えてOpus 4.8に次ぐ2位を記録しています。

標準的なコーディング評価でも進化は顕著です。Terminal-Bench 2.1では前世代GLM-5.1の63.5から81.0へと大幅にスコアを伸ばし、Opus 4.8の85.0に迫りつつGemini 3.1 Proを上回りました。思考の深さを調整できる推論エフォート機能も備えており、難関タスクにはMaxモードで追加の計算量を投入できます。

1Mコンテキストを支える高速化技術

1Mトークンを実用的な速度で動かすため、アーキテクチャ面で「IndexShare」という仕組みが導入されました。これはスパースアテンションにおいて4層ごとに軽量なインデクサーを共有する構造で、1Mコンテキストにおける1トークンあたりの計算量を2.9倍削減しています。

投機的デコーディングを行うマルチトークン予測層も刷新されました。KVキャッシュの共有や棄却サンプリングを導入することで、生成時の受け入れトークン長を従来比で20%向上させています。

また、大規模推論時のボトルネックとなるKVキャッシュ容量に対しては、FP8フォーマットやCPU側のスケジューリング最適化を導入。強化学習フレームワーク「slime」を用いて10以上の専門家モデルを約2日で統合したほか、エージェントが隠しテストファイルを直接読み込んで不正にスコアを稼ぐのを防ぐアンチハック機構も組み込まれました。

なぜ重要か

自律型コーディングエージェントを自前で運用したい開発者にとって、GLM-5.2は現時点で最も有力な選択肢です。商用の最高峰であるClaude Opus 4.8に肉薄し、GPT-5.5を超える性能を完全なMITライセンスで手元に置ける価値は極めて大きいと言えます。

一方で、IndexShareによって計算量が大幅に削られたとはいえ、1Mトークン分のKVキャッシュを保持するためのGPUメモリの壁は依然として存在します。実運用で1Mの長大文脈を高スループットで回すには、それ相応のハードウェアリソースを覚悟しておく必要があります。