GLM-5 - Zhipu Open Sourceの次世代フラッグシップAIモデルで、Opus 4.5に匹敵する。 - AiBoss

GLM-5とは何ですか？

GLM-5はZAIの次世代フラッグシップAIモデルで、パラメータスケールはGLM-4.5の355Bから744B（40Bアクティベーション）に拡張され、事前学習データは28.5Tトークンに達しています。このモデルは、OpenRouterの人気チャートでトップに立った、これまで謎に包まれていた「Pony Alpha」モデルです。複雑なシステムエンジニアリングと長距離エージェントタスク向けに特別に設計されており、DeepSeek Sparse Attentionを統合して展開コストを削減し、独自開発のスリムな非同期RLインフラストラクチャを使用してトレーニング効率を向上させています。人工知能分析リーダーボードでは、GLM-5は世界第4位、オープンソースモデルでは第1位にランクされています。このモデルはOfficeドキュメントの生成をサポートし、Claude Codeなどのツールと互換性があり、Huawei Ascend、Moore Threads、Cambriconなどの国内チップへの展開をサポートしています。このモデルはz.aiウェブサイトとBigModel.cnプラットフォームでテスト可能で、APIも公開されています。

GLM-5の主な機能

複雑系工学このモデルは、フロントエンド開発やバックエンドアーキテクチャ設計といった多段階の技術タスクに対応でき、要件分析からコード実装までのエンジニアリングデリバリーの全プロセスをサポートします。
長距離エージェントタスク長期的な計画立案能力と資源管理能力を備えており、自動販売機ベンチ2のような1年間の継続運用を必要とするシミュレーションビジネスシナリオにおいて、自律的な意思決定を行い、目標を達成することができる。
インテリジェントな文書生成テキストや生データを.docx、.pdf、.xlsxなどの形式に直接変換し、PRD、財務報告書、授業計画などの専門的な文書を出力して、そのまま利用できるようにする機能をサポートしています。
マルチツールコラボレーションClaude CodeやOpenClawといった主流の開発ツールチェーンと互換性があり、アプリケーション間での自動操作やコラボレーションを可能にします。

GLM-5の技術原理

大規模な事前トレーニングの拡張モデルパラメータは355B（32B活性化）から744B（40B活性化）に拡張され、事前学習データは23Tから28.5Tに増加し、より多くの計算能力を使用して汎用インテリジェントベースを強化しました。
Slime、非同期強化学習インフラストラクチャ当社が独自開発した非同期型強化学習フレームワークは、大規模言語モデルにおける強化学習の効率性のボトルネックを解消します。このインフラストラクチャは、報酬計算とポリシー更新を並列処理でサポートし、よりきめ細かな事後学習の反復処理を可能にすることで、事前学習能力と実際のパフォーマンスとのギャップを効果的に縮小します。
スパースアテンションメカニズム DeepSeek Sparse Attentionが統合されたのは今回が初めてであり、エージェントシナリオにおけるトークン消費量と展開コストを大幅に削減しつつ、長文テキストの効果を損なうことなく維持します。
国内のコンピューティング能力に深く適応Huawei Ascend、Moore Threads、Cambricon、Kunlun Chip、Pingtouge、Muxiなどの国内チップの基盤となるオペレータ最適化とハードウェアアクセラレーションを完了し、高スループットかつ低遅延の推論を実現しました。

GLM-5の性能

推論能力
- 人類最後の試験の得点は30.5%で、キミK2.5の31.5%に近く、GLM-4.7よりもかなり高かった。
- AIME 2026 Iは92.7%を達成し、DeepSeek-V3.2と同等の成績を収めた一方、HMMT Nov. 2025は96.9%でほとんどの競合製品をリードした。
- GPQA-Diamondエキスパートレベルの推論テストでは86.0%、IMO AnswerBenchでは82.5%のスコアを獲得した。
プログラミングスキル
- SWE-bench Verified の実際のソフトウェアエンジニアリングテストでは 77.8% のスコアを獲得し、多言語版では 73.3% のスコアを獲得しました。どちらも GLM-4.7 より約 4 パーセントポイント高いスコアです。
- Terminal-Bench 2.0は、端末動作ベンチマークで56.2%を達成し、Claude Code環境ではさらに61.1%に向上し、GLM-4.7を大きく上回りました。
- CyberGymのサイバーセキュリティテストのスコアは43.2%で、GLM-4.7の23.5%のほぼ2倍であり、このシステムが複雑なシステムを攻撃および防御する能力を持っていることを示している。
エージェントとツールの使用方法
- Vending Bench 2の1年間のビジネスシミュレーションは、オープンソースモデルの中で4,432ドルの残高で1位となり、Claude Opus 4.5に迫る成績を収めている。
- BrowseCompはウェブブラウジングタスクで62.0%の効率を達成しており、コンテキスト管理戦略を組み合わせることで75.9%まで向上させることができ、Kimi K2.5を上回っています。
- τ²-Benchのマルチドメインツール呼び出し率は89.7%、MCP-Atlas共通セットは67.8%、Tool-Decathlonは38.0%に達した。

総合ランキング人工知能分析の権威あるランキング：世界第4位、オープンソース分野では第1位。

GLM-5の使い方

オンライン体験z.aiのウェブサイトにアクセスし、GLM-5モデルを手動で選択すると、チャットモードまたはエージェントモードを無料で試用できます。エージェントモードは、マルチツールコラボレーションとドキュメント生成をサポートしています。また、BigModel.cnプラットフォームまたはOpenAIフォーマットインターフェースに対応したZ.ai APIサービスからもアクセス可能です。
ローカル展開
- HuggingFaceからBF16/FP8の重みをダウンロードし、8カード並列推論をサポートするvLLM、SGLang、またはxLLMフレームワークを使用して実行してください。
- NVIDIA以外の環境では、Huawei AscendやMoore Threadsといった国産チップを使用して導入することが可能であり、公式の最適化ソリューションも提供されます。
開発ツールの統合
- Claude Code、OpenCode、Kilo Code、Roo Codeなどのツールでモデル名を「GLM-5」と設定することで呼び出すことができます。
- GLMコーディングプランに加入しているユーザーは、直接有効化することも、Z Code可視化環境を通じてマルチエージェントコラボレーションをリモートで制御することもできます。

GLM-5プロジェクトの住所

プロジェクト公式サイト：https://z.ai/blog/glm-5
GitHubリポジトリ：https://github.com/zai-org/GLM-5
ハギングフェイスモデルライブラリ：https://huggingface.co/zai-org/GLM-5

GLM-5の応用シナリオ

複雑系工学大規模プロジェクトのエンドツーエンドのデリバリーをサポートし、要件分解、アーキテクチャ設計、コード実装、デプロイメントといったプロセス全体を独立して完了できるようにします。
レガシーシステムの再構築このモデルは既存のコードベースを深く理解し、バックエンドアーキテクチャの最適化と近代化を実行できる。
詳細なデバッグと修復このモデルはログを分析し、根本原因を特定し、システムが安定して動作するまで頑固なバグを繰り返し修正することができます。
インテリジェントアシスタントこのモデルは、検索、整理、公開といったスケジュールされたタスクを24時間365日自動的に実行でき、ユーザーのデジタルインターンとなる。
ビジネス意思決定の最適化シミュレーションされたビジネスシナリオにおいて、長期的な計画策定能力と資源管理能力を実証し、インテリジェントな戦略策定を可能にする。