GLM-5.2はClaude Opus 4.8に追いついた：オープンモデルの費用は5分の1

GLM-5.2とは何か、なぜこれほど話題なのか？#

2週間前、コーディング界隈で珍しいことが起きました。中国発のオープンモデルが、最も高価なClaudeに肩を並べたのです。GLM-5.2は、独立したテストによってマーケティング上の誇張ではないことが確認されました。

要点を説明しましょう。GLMは巨大なモデルで、パラメーター数は7530億です。ただしリクエストごとに有効化されるのはその一部（約400億）だけなので、規模のわりに高速で低コストです。コンテキストウィンドウは100万トークンで、約700ページの本を一度に扱える量です。北京を拠点とする企業Z.aiが開発しました。同社は清華大学から生まれた企業です。重要なのは、このモデルがオープンに利用できることです。GLM-5.2はMITライセンス、GLM-5.3は独自のGLM-5.3ライセンスで提供され、趣旨としては同様に寛容です。つまり、自由に入手して利用できます。制限があるのは大企業だけです。年間売上高が100億ドル以上のサービスは、Z.aiのセキュリティ審査を受けなければなりません。ここで説明している利用方法には地域制限がなく、Claudeとは異なります。

公開のタイミングも追い風になりました。公開前日、米国政府の指令により、Anthropicは最上位モデル2つを急きょ停止しました。

GLM-5.2はその翌日に登場しました。オープンで、制限がなく、低価格です。

当時、総合では4位で、Fable 5、Opus 4.8、GPT-5.5に続いていました。しかし、開発者の許可なくダウンロードして実行できるモデルの中では最良でした。起業家にとって、これはつまり、強力なClaudeの競合製品がコーヒー1杯ほどの価格で登場したということです。

その後、各社のラインアップは目まぐるしく動きました。7月24日、Anthropicは同じ価格（100万トークンあたり5ドルと25ドル）でOpus 5を公開しました。続いて8月14日にGLM-5.3が登場しました。パラメーター数7530億、コンテキストウィンドウ100万トークンはそのままに、コーディング性能は大きく向上し、Z.aiの社内テストではGLM-5.2を50%上回りました。9月1日、AnthropicはFable 5.1とMythos 5.1を発表しました。したがって、この記事のここから先に出てくる数値は、現行バージョンのGLM-5.3に関するものです。

GLM-5.2は本当にコーディングでClaudeに追いついたのか？#

以下の数値はGLM-5.3の公式HuggingFaceモデルカードから引用しています。Z.aiは自社モデルをOpus 5ではなくOpus 4.8と比較しています。これはZ.aiの比較表だという点に留意してください。

状況をまとめると、GLM-5.3はほとんどの分野でOpus 4.8を上回ります。一方、大規模プロジェクトのセクション全体を書き換えるタスクや、複数時間にわたって筋道を見失わずに作業を続けるタスクでは後れを取ります。この複数時間ベンチマークの報告差は、(48.8 − 19.4) − (48.8 − 42.5) = 23.1パーセントポイント縮みました。約79%の縮小で半減ではありません。この表の話で、自分のプロジェクトの信頼性を測った値ではありません。Opusが依然として優位を保つ最後の分野は、長時間の自律的な作業です。

6月、GLM-5.2の公開直後、Clineのチームは、同モデルとOpus 4.8に対して、自社プロジェクトで実際に発生したバグの修正を依頼しました。

興味深いのは、限られたタスクではGLMがClaudeを上回ることがある点です。セキュリティ企業のSemgrep（GLMの開発元ではなく、独立した第三者）は、脆弱性検出でモデルをテストし、エージェントを介さないGLM-5.2が、Opusで動くエージェントを上回ったと報告しました。ただし、覚えておくべき厳しい但し書きも添えています。

この但し書きを忘れないでください。モデルそのものより、ハーネスのほうが重要です。テストから言えるのは、GLM-5.3は日常的なコーディングでOpus 4.8に追いつき、上回っており、最難関のタスクでもほぼ互角だということです。Opus 5との比較は、独立した測定結果が出てからお伝えします。起業家が取り組むほとんどのタスクでは、現時点での優位性で十分です。

GLM-5.2はClaudeよりどれくらい安いのか？#

価格の話に移りましょう。100万トークンあたりの価格を比較します。

価格差は非常に大きく、GLMの出力料金は6～8分の1です。

つまり、個別のタスクで実際に節約できる額は、GLMがどれだけ自己確認を行うかによって2～7倍ほどです。価格だけを見たときの「5倍」より小さい場合もありますが、それでも出費を抑えられます。GLMは費用を抑える方法の1つです。DeepSeekやコーディング向けのその他の低価格モデルについては、別の記事で解説しています。

1つのモデルで節約できる金額は、始まりにすぎません。どのモデルを使ってもClaudeが幻覚を起こさない仕組みを作ることのほうが、はるかに重要です。モデルはエンジンです。車を作るのはコンテキストです。

完全なセットアップには、コンテキストエンジニアリング + セカンドブレイン + AIクローンが含まれます。高価なOpusでも低価格のGLMでも、AIが幻覚を起こさないために欠かせない3つの柱です。

GLM-5.2を5分でClaude Codeに接続する方法#

最大の利点は、ツールを変えなくてよいことです。Claude Codeはそのまま使い、内部で応答するモデルだけが切り替わります。設定に数行追加するだけで接続できます。

方法1 - Z.aiのサブスクリプション（日常的な作業向け）

Z.aiはコーディングツール向けに調整されたGLM Coding Planという専用サブスクリプションを提供しています。料金は固定で、APIエンドポイントはClaude Codeのネイティブ形式に対応しています。

1. サブスクリプションに登録する

   z.ai/subscribeにアクセスしてプランを選びます。Liteは月額18ドルからで、集中的に作業する1日分には十分です。一日中コーディングする人向けに、さらに高額なプランもあります。

2. キーを作成する

   z.aiでAPI Keysに移動し、「Create a new API key」をクリックしてコピーします。

3. 設定する

   ファイル~/.claude/settings.jsonを開き、以下のブロックを貼り付け、プレースホルダーを自分のキーに置き換えます。

4. ターミナルを再起動する

   新しいターミナルを開いてclaudeを実行し、/statusを入力して確認します。

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "your_z_ai_key",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]",
    "API_TIMEOUT_MS": "3000000"
  }
}

設定すると、Claude Codeには「Opus」や「Sonnet」と表示されますが、内部ではGLMが実行されます。Z.ai側でモデルを切り替えるためです。設定にglm-5.2が残っていても問題ありません。Z.aiはGLM-5.2と5.1へのリクエストをGLM-5.3に、GLM-4.7へのリクエストをGLM-5.3-Flashに振り分けます。

1. キーを取得する

   Ailootのドキュメントでツールのガイドを探す

2. 資金を追加する

Ailootのドキュメントでツールのガイドを探す

3. 設定する

   以下のブロックにはGLMモデルがすでに指定されています。これを~/.claude/settings.jsonに貼り付けます。

4. Claude Codeを起動する

   新しいターミナルを開いてclaudeを実行します。/modelコマンドで、実行中にモデルを切り替えられます。

{
  "env": {
    "ANTHROPIC_BASE_URL": "<OFFICIAL_URL>",
    "ANTHROPIC_AUTH_TOKEN": "sk-or-v1-YOUR-KEY",
    "ANTHROPIC_API_KEY": "",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "z-ai/glm-5.3",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "z-ai/glm-5.3"
  }
}

自宅でローカル実行するのは現実的ではない

ウェイトが公開されているので、自分でダウンロードして無料で実行できるのか、という疑問が浮かぶでしょう。専用サーバーを持たない起業家にとっては、無理です。

同じく7530億のパラメーターを持つGLM-5.3を動かすには、H200グラフィックスカード8枚規模のサーバーが必要です（ビデオメモリは1テラバイトを超え、ハードウェア費用は数十万ドルに及びます）。最上位クラスのノートパソコンでも動作しません。オープンライセンスの意義は別のところにあります。価格競争と、利用制限がないことです。実際には、引き続きAPI経由で使うことになります。

GLM-5.2はどんなときに使い、どんなときにClaude Opusを使い続けるべきか？#

どちらか1つのモデルを選び、ずっと使い続ける必要はありません。賢いバイブコーダーは両方を使い分け、タスクに応じて切り替えます。実務者の意見に基づいた、実践的なルールを紹介します。

GLMを使う場面：

1. 下書きや反復作業。まず形にして、見直し、やり直す。
2. フロントエンド、レイアウト、標準的なデータベースコード。
3. やり直しが問題にならない、大量の低コストな定型作業。
4. わずかな費用で大きなコンテキストウィンドウを使いたいとき。
5. 簡単なタスクが全体の80%を占めるなら、その分の費用を抑えたいとき。

Opusを使い続ける場面：

1. 最終版となる、複雑な設計コードを書くとき。
2. エージェントが行き詰まらずに進める必要がある、長い複数ステップのタスク。
3. エラーの代償が大きい重要なロジック。
4. 最初から正確さが求められるとき。Opusなら修正回数を半分に抑えられます。

GLM-5.2には、長い複数ステップのタスクでループに陥り、同じ操作を繰り返すことがあるという、報告済みの弱点がありました。Z.aiのSWE-Marathon報告では、GLM-5.3とOpus 4.8との差は29.4から6.3パーセントポイントへ縮みました（42.5対48.8）。このテストではOpusが高いものの、それだけで自分の長時間自律タスクの信頼性を測ったとはいえません。

そして、思わぬ落とし穴があります。最も安いツールが、作業費用も最も安くなるとは限りません。GLMで3回失敗し、自分で仕上げることになれば、最初から正解を出してくれるOpusよりも、低価格のモデルのほうが結果的に高くつきます。トークン単価ではなく、完成した成果物にかかる費用を数えましょう。Claudeを使い続ける場合、タスクにどちらを選ぶべきかというSonnetとOpusの比較は別の記事で解説しています。

アクセス方法と支払い条件で考慮すべきことは？#

リスクと落とし穴は？#

低価格だからといって、完全に無料というわけではありません。あらかじめ知っておくべきことを説明します。

プライバシー。 国際版Z.aiサービスはシンガポールの企業が運営しており、API利用に関するポリシーは比較的妥当に見えます。明示的な同意なしに素材を保存したり、モデルの学習に使ったりしないとしています。しかし、これはポリシー上の約束であり、監査済みの保証ではありません。公開されているセキュリティ認証もありません。親会社は中国企業であり、中国の法律によって理論上データへのアクセスを求められる可能性があります。また、2025年1月にZhipuは米国の輸出管理リストに追加されました。これは同社が米国から購入できるものを制限します。モデルの利用を禁止するものではありませんが、念頭に置くべき兆候です。

安定性——最も具体的な欠点です。 GLM-5.2の公開直後の6月中旬、厳しい負荷制限によりAPIが数日間停止しました。ピーク時には、リクエストの最大半数が拒否されました。本番環境で使う場合は、Claudeを予備として用意し、単一のモデルに全面的に依存しないことを意味します。

一般的なセキュリティ上の助言。 これは第三者AIすべてに当てはまりますが、中国のモデルには特に注意が必要です。プロンプトに秘密情報や個人データを含めないでください。APIキー、パスワードファイルの内容、本物の顧客のメールアドレスや電話番号、本番データベースのダンプなどです。ポリシーは約束であり、暗号学的なロックではありません。バイブコーディングのセキュリティに関するガイドで、プロジェクトのセキュリティをさらに詳しく解説しています。

GLM-5.2に切り替えるべきか？#

資料が2026年10月1日に更新された時点では、GLM-5.3の公開によって状況はさらに進展しています。オープンモデルは再び何分の一かの価格となり、Z.aiの表ではOpus 4.8を上回りました。Claudeの利用上限で予算を使い果たすことを心配する起業家にとって、これは明確な答えです。

ただし、モデル選びだけの問題だと思わないよう注意したいところです。Semgrepの但し書きを思い出してください。モデルそのものより、ハーネスのほうが重要です。実務者は皆、同じことを言っています。バイブコーディングで最もよく問題が起きる原因は、モデルにコンテキストを与えていないことです。低価格のGLMを選び、コンテキストエンジニアリングの設定に失敗して、使いものにならない結果を得たあと、モデルのせいにする人を見てきました。

私の助言はシンプルです。今日GLMを接続し、自分のタスクで1週間試し、難しいタスクにはOpusを使い続けましょう。同時に、本当に差を生むコンテキスト管理にも取り組んでください。そうすれば、低価格のモデルでも安定した結果が得られます。

低価格のモデルは費用を節約します。安定した結果は、コンテキストエンジニアリング + セカンドブレイン + AIクローンの組み合わせから生まれます。この組み合わせを整えることで、コンテキストを一貫して扱えるようになります。

追加資料はAilootでご覧いただけます。