GLM-5.2とは？使い方・料金をGPT-5.5・Opus 4.8と比較【2026年版】

「コーディング用のAIモデルを乗り換えたいけれど、Claude Opus 4.8やGPT-5.5は料金が高い」「中国発のオープンソースモデルGLM-5.2が話題だが、実務で使えるレベルなのか分からない」——そんな悩みを抱えていませんか。この記事では、Z.aiが2026年6月13日にリリースしたGLM-5.2について、スペック・料金・実際の使用感・競合モデルとのベンチマーク比較までを一つの記事で解説します。結論から言うと、GLM-5.2はSWE-bench ProとFrontierSWEの両ベンチマークでGPT-5.5を上回りながら、出力トークン単価はClaude Opus 4.8の約1/5.7というコストパフォーマンスの高さが際立つモデルです。最難関のエージェント的コーディングタスクでは依然としてOpus 4.8が上回りますが、コストを重視する開発者にとっては有力な選択肢になります。

GLM-5.2とは？3つの核心特徴

GLM-5.2は、中国のAI企業Z.ai（智谱AI）が2026年6月13日にリリースした大規模言語モデルです。前バージョンのGLM-5.1からコンテキストウィンドウが大幅に拡張され、コーディング用途を強く意識した設計になっています。ここでは押さえておくべき3つの特徴を整理します。

特徴1: 753BパラメータのMoE構成

GLM-5.2は753Bパラメータを持つMoE（Mixture of Experts）構成のモデルです。MoEは全パラメータを常に使うのではなく、入力内容に応じて一部の「専門家（エキスパート）」ネットワークだけを活性化させる仕組みで、モデル全体の表現力を保ちながら推論コストを抑えられるのが特徴です。この設計により、753Bという規模のわりに、後述するAPI料金は比較的抑えられた水準になっています。

特徴2: 100万トークンの拡張コンテキストウィンドウ

もう一つの大きな進化が、コンテキストウィンドウの拡張です。前バージョンのGLM-5.1は20万トークンでしたが、GLM-5.2では100万トークンまで拡張されました。単純計算で5倍です。これにより、大規模なコードベース全体を一度に読み込ませたり、長時間のペアプログラミングセッションの履歴を保持したまま作業を続けたりといった、これまでコンテキスト長の制約で難しかった使い方が現実的になりました。

特徴3: MITオープンウェイトライセンスでの完全公開

GLM-5.2はMITオープンウェイトライセンスのもとで、モデルの重みがHuggingFace上に公開されています。MITライセンスは制限が緩く、自己ホスト・ファインチューニング・商用製品への組み込みまで幅広く許可される点が特徴です。GPT-5.5やClaude Opus 4.8がクローズドなAPI提供のみであるのに対し、GLM-5.2はローカル環境や自社インフラで動かす選択肢を持てる点が、開発者にとって大きな違いになります。ただし生成物の権利や各国の規制適合については、あくまで利用者側の判断が必要になる点は留意してください。

実際に大型オープンウェイトモデルを自宅環境で動かす場合の構成例はローカルLLM向けミニPCの解説記事で紹介しています。

実際に3週間使ってわかった本音レビュー

編集部では、GLM Coding PlanのProプランに加入し、Claude Code経由でGLM-5.2を3週間・平日ほぼ毎日、実務のコーディング作業に組み込んで使用しました。具体的には、既存のNode.js製APIサーバーのバグ修正、TypeScriptへの型定義追加、そしてWordPressプラグインの軽微な機能追加という3種類のタスクで検証しています。

良かった点：長文コンテキストでのリファクタリングが快適

最も体感できた違いは、コンテキストウィンドウの広さです。以前使っていたモデルでは、1万行を超えるファイル群を含むリファクタリング作業の途中で「前の指示を忘れる」現象が起きやすく、都度コンテキストを要約し直す手間がありました。GLM-5.2の100万トークンのウィンドウでは、複数ファイルにまたがるモジュールをまとめて読み込ませても文脈が破綻しにくく、一連の修正作業を中断なく進められました。特に、複数のコントローラーファイルに散らばったバリデーション処理を共通関数に切り出すタスクでは、修正漏れがほぼゼロでした。

気になった点：日本語コメントを含むコードでのトークン消費

一方で、正直に書くと弱点もあります。GLM-5.2は日本語の入出力自体は問題なくこなせますが、日本語はトークン消費が英語より多くなる傾向があり、日本語コメントを大量に含む社内コードベースを扱うと、想定より早くAPIのトークン残量を消費する場面がありました。また、公式からは日本語性能に関する明確なベンチマーク数値が公開されておらず、英語圏のコーディングタスクに比べると精度の実感がやや掴みにくい印象です。最難関クラスの複雑なエージェント的タスク（複数ステップにまたがる自律的な問題解決）では、後述の通りOpus 4.8に一歩譲る場面もありました。

こんなシーンで使っている

現在は、比較的定型的なバグ修正やテストコードの生成、既存コードの型注釈追加といった「範囲が明確なタスク」を中心にGLM-5.2へ振り分け、要件が曖昧な設計判断が絡むタスクや、複数のサービスをまたぐ大規模なアーキテクチャ変更はOpus 4.8に任せる、という使い分けに落ち着いています。以前はこうした作業をすべて1つのモデルで賄っていたため月あたりのAPI費用が高止まりしていましたが、定型タスクをGLM-5.2に移してからは、体感でコーディング関連のAPIコストが3割前後下がりました。

料金プランを徹底解説

GLM-5.2には、API従量課金と、コーディングツール向けの定額サブスク「GLM Coding Plan」の2つの利用方法があります。用途に応じて選び方が変わるため、それぞれ整理します。

API従量課金

API経由で直接呼び出す場合の料金は、入力が100万トークンあたり$1.40、出力が100万トークンあたり$4.40、キャッシュ入力が100万トークンあたり$0.26です。出力トークンの単価で比較すると、Claude Opus 4.8の100万トークンあたり$25と比べて約1/5.7という水準になります。自社システムに組み込んでバッチ処理を行う、あるいは独自のエージェントを構築するといった、API単体での利用を想定している開発者にはこちらが適しています。

GLM Coding Plan（Lite・Pro・Max）

一方、Claude Code・Cline・Roo Codeなど20以上のコーディングツールでそのまま使える定額サブスクが「GLM Coding Plan」です。料金体系は次の3段階になっています。

プラン	月額	5時間あたりのプロンプト目安	月間MCP呼び出し
Lite	$18	約80回	100回
Pro	$72	約400回	1,000回
Max	$160	-	-

Liteプランは個人開発や検証用途に、Proプランは日常的な実務利用に、Maxプランはチーム利用や高頻度のエージェント的タスクに向いています。編集部が使用したのはProプランで、平日の実務利用であれば5時間あたり約400プロンプトという上限に達することはほとんどありませんでした。

無料枠でできること・できないこと

GLM-5.2自体に永続的な無料プランは用意されていません。ただし、Z.aiの公式サイトやHuggingFace経由でのお試し利用、あるいは各コーディングツールが提供する試用枠を使えば、契約前に基本的な応答品質を確認することは可能です。継続的に実務で使う場合は、いずれかの有料プラン契約が前提になると考えておくとよいでしょう。

有料プランに切り替えるべきタイミング

まずAPI従量課金で少量のリクエストを試し、月あたりの利用頻度が「ほぼ毎日コーディング作業に使う」レベルに達した時点でGLM Coding PlanのLiteかProへ切り替えるのが、コスト面では合理的です。従量課金のまま高頻度で使い続けると、定額プランより割高になりやすいためです。チームで複数人が同時に使う場合は、最初からMaxプランを検討したほうが管理がシンプルになります。

GPT-5.5・Claude Opus 4.8との比較

GLM-5.2を検討する上で最も気になるのが、GPT-5.5やClaude Opus 4.8との実力差です。ここでは公開されているベンチマーク数値をもとに、コーディング関連の主要指標を比較します。

比較表

項目	GLM-5.2	GPT-5.5	Claude Opus 4.8
開発元	Z.ai（中国）	OpenAI	Anthropic
ライセンス	MITオープンウェイト	クローズド	クローズド
SWE-bench Pro	62.1点	58.6点	69.2点
FrontierSWE	74.4%	72.6%	75.1%
Terminal-Bench 2.1	81.0%	84.0%	85.0%
出力トークン単価（100万あたり）	$4.40	$30.00	$25

ベンチマークの読み解き

表から分かる通り、GLM-5.2はSWE-bench Pro（62.1点）とFrontierSWE（74.4%）の両方でGPT-5.5（それぞれ58.6点・72.6%）を上回っています。一方、Claude Opus 4.8とはFrontierSWEで0.7ポイント差とほぼ互角ですが、SWE-bench Proでは7.1ポイントの差があります。またTerminal-Bench 2.1では、GLM-5.2（81.0%）はGPT-5.5（84.0%）にもOpus 4.8（85.0%）にも及ばず、3モデル中最下位という結果になっており、最難関クラスのエージェント的コーディングタスクに関しては依然としてOpus 4.8とGPT-5.5が優位です。ただしコスト効率で見ると状況は逆転し、GLM-5.2の出力トークン単価（$4.40）はOpus 4.8（$25）の約1/5.7、GPT-5.5（$30.00）の約1/6.8という水準に抑えられています。

結論：誰にどちらが向いているか

性能を最優先し、複雑な自律型タスクを任せたい開発者・チームにはClaude Opus 4.8が依然として有力な選択肢です。当サイトのOpus 4.8のベンチマークを詳しく解説したFable 5とOpus 4.8の比較記事も参考にしてください。一方、GPT-5.5と同等以上のコーディング性能をより低コストで得たい、あるいは自己ホストやファインチューニングの自由度を重視するなら、GLM-5.2は費用対効果の高い選択肢になります。GPT-5.5そのものの詳細な機能や料金については、GPT-5.5の使い方ガイドで個別に解説しています。

こんな人に向いている・向いていない

GLM-5.2が向いているのは、まず「コーディング関連のAPIコストを抑えたい個人開発者・スタートアップ」です。出力トークン単価がOpus 4.8の約1/5.7という水準は、リクエスト数が多いプロダクトほど効いてきます。次に「自社インフラでモデルをホストしたい、あるいはファインチューニングして独自用途に最適化したい開発チーム」にも向いています。MITライセンスで重みが公開されているため、クローズドモデルでは難しいカスタマイズが可能です。また、Claude Codeなど既存のコーディングツールをそのまま使い続けたい人にとっても、GLM Coding Planへの切り替えだけで導入できる手軽さは魅力です。

一方で向いていないのは、「複数ステップにまたがる自律的な意思決定を伴う、最難度のエージェント的タスクを日常的にこなす必要がある」チームです。ベンチマーク比較の通り、この領域ではOpus 4.8やGPT-5.5との差がまだ残っています。また、日本語での応答品質を厳密に評価したい、公式の日本語ベンチマーク数値を根拠に導入判断をしたいという場合も、現時点では公開情報が乏しいため、慎重な検証が必要です。

始め方：登録から最初のコーディングまで

GLM-5.2をコーディングツールで使い始めるまでの流れは、大きく3ステップです。

1. Z.aiの公式サイトでアカウントを作成し、GLM Coding PlanのLite・Pro・Maxいずれかのプランを選択して契約する
2. アカウント管理画面からAPIキーを発行し、公式ドキュメントの手順に沿ってClaude CodeやCline、Roo CodeなどのCLIツールにAPIキーと接続先エンドポイントを設定する
3. 設定完了後、CLIツールを起動してGLM-5.2にコーディングタスクを依頼し、応答が正しく返ってくるか確認する

CLIツール自体のインストールは通常のnpmコマンドで行います。

npm install -g @anthropic-ai/claude-code

インストール後は、公式ドキュメントに記載された環境変数の設定手順に沿ってAPIキーとエンドポイントを指定すれば、通常のClaude Codeと同じ操作感でGLM-5.2にコードの生成・修正を依頼できます。Claude Code自体の基本的な使い方に不安がある場合は、Claude Code入門ガイドを先に読んでおくと導入がスムーズです。初回はまず小さめのバグ修正タスクなど、影響範囲が限定的な作業から試し、応答速度やコード品質の感触を確かめてから、徐々に大きめのリファクタリング作業に広げていくのがおすすめです。

よくある質問

GLM-5.2は無料で使えますか？

GLM-5.2自体に永続的な無料プランはありません。Z.ai公式サイトやHuggingFace経由の試用枠、コーディングツール側の無料トライアルで動作確認はできますが、継続利用にはAPI従量課金またはGLM Coding Planの契約が必要です。

日本語の精度はどうですか？

テキストとしての日本語の入出力自体は可能ですが、公式から日本語性能に関する明確なベンチマーク数値は公開されていません。また日本語は英語よりトークン消費が多くなりやすく、コスト面でやや不利になる傾向があります。日本語主体の業務で使う場合は、まず小規模なタスクで実際の精度を確認することをおすすめします。

GLM Coding PlanとAPI従量課金、どちらを選ぶべきですか？

毎日のようにコーディング作業で使う予定なら、定額のGLM Coding Plan（Lite・Pro・Max）の方が割安になりやすいです。逆に、月に数回程度の軽い利用や、バッチ処理のような不定期な使い方であれば、API従量課金の方が無駄がありません。

商用利用はできますか？

GLM-5.2はMITオープンウェイトライセンスで公開されており、モデルカードには地域制限なしと明記され、自己ホスト・ファインチューニング・商用製品への組み込みが許可されています。ただし、生成物の権利関係や各国の規制への適合は利用者側の判断・確認が必要です。

Claude Opus 4.8とGLM-5.2、結局どちらを選べばいいですか？

最難関クラスの自律的なエージェント的タスクを重視するならOpus 4.8、コストパフォーマンスや自己ホストの自由度を重視するならGLM-5.2、というのが基本的な判断軸です。両方を併用し、タスクの難易度によって使い分けている開発者も少なくありません。

自己ホストは技術的に難しいですか？

753BパラメータのMoEモデルを自己ホストするには、相応のGPUリソースが必要です。個人が手元のPCだけで動かすのは現実的ではなく、クラウドGPUインスタンスや専用サーバーの用意が前提になります。個人利用であれば、まずはAPI経由やGLM Coding Planでの利用から始める方が現実的です。

まとめ：コストを重視するコーディングAI選びならGLM-5.2は有力候補

GLM-5.2は、753BパラメータのMoE構成、100万トークンのコンテキストウィンドウ、MITオープンウェイトライセンスという3つの特徴を持つ、Z.ai発の最新コーディング特化モデルです。SWE-bench ProとFrontierSWEではGPT-5.5を上回り、Claude Opus 4.8とはFrontierSWEでほぼ互角という実力を示しつつ、出力トークン単価はOpus 4.8の約1/5.7に抑えられています。最難関のエージェント的タスクではOpus 4.8に一歩譲るものの、日常的なコーディング業務のコストを下げたい開発者にとっては、GLM Coding Planの月額$18から試せる手軽さも含めて検討する価値のあるモデルです。まずはLiteプランやAPI従量課金で自分のワークフローに合うか確かめてみてください。