一騎打ち
GLM-5.2 vs GLM-5.3:2026年に勝つAIモデルはどっち?
GLM-5.2($4.40/1M out)と GLM-5.3($4.40/1M out)は、2026年に最も使われているAIモデルのひとつです。 4件のコミュニティ票のうち、GLM-5.2 が支持率50%でリードしています。
即断の評決
推論で選ぶなら GLM-5.2:アリーナの評価は4.5/5、対する GLM-5.3 は3.5/5です。 開始価格は同じ:$4.40/1M outです。
項目別比較
強みと弱み
GLM-5.2
- Artificial Analysis Intelligence Index でオープンウェイト首位(スコア 53、106 モデル中 4 位)。MIT ライセンスで実際にダウンロードして自社運用できる最強のモデルです
- SWE-Bench Pro で 62.1 と GPT-5.5 の 58.6 を上回り、Terminal-Bench 2.1 で 82.7、GPQA-Diamond で 91.2。安価な代替品ではなく、フロンティア級のコーディングと推論です
- 入力 100 万トークンあたり 1.40 ドル、出力 4.40 ドル(キャッシュヒット時は入力 0.26 ドル)。GPT-5.5 や Claude Opus 4.8 のトークン単価のおよそ 6 分の 1 です
- 実際に高速で、出力は毎秒 153.2 トークン、最初のトークンまで 1.39 秒。同じオープンウェイト帯の Kimi K3(毎秒 33 トークン)を大きく上回ります
- 100 万トークンのコンテキストと最大 128K の出力に加え、フルコンテキスト時にトークンあたりの FLOPs を 2.9 分の 1 にする IndexShare アーキテクチャ
- MIT ライセンスとウェイト公開により、自社運用すればベンダーロックインもホスト API のデータ管轄の問題も解消されます
- 主要モデルの中で最も冗長です。Artificial Analysis の 1 タスクあたり出力 43,000 トークン(うち推論が 37,000)で平均の 1.8 倍。安い表示価格も実際には 1 タスク 0.32 ドルとなり、OpenRouter では応答に約 75 秒かかります
- ハルシネーション補正後の知識に弱く、AA-Omniscience は 4。Claude Opus 4.8 の 27、Gemini 3.5 Flash の 23、GPT-5.5 の 20 に大きく劣り、上位モデルが回答を控える場面でも自信を持って答えてしまいます
- テキスト専用で、画像や音声の入力に対応していません。直接の競合の多くはネイティブにマルチモーダルです
- Artificial Analysis は、同規模の他のオープンウェイトモデルと比べて高価だと指摘しています。価格面の優位はクローズドな米国フロンティアに対してであり、オープン勢に対してではありません
- 753B のパラメータは自社運用にマルチ GPU のデータセンター環境を要します。多くのチームにとって「オープンウェイト」は実際に動かせることではなく、可搬性と監査可能性を意味します
GLM-5.3
- Z.aiによると、GLM-5.2からエージェント型コーディングが大きく向上。DeepSWE v1.1は46.2から66.9へ、Terminal-Bench 3.0は4.6から28.3へ、Z.ai Code Benchは23.4%から34.5%へ上がり、しかも出力トークンは少なめ
- GLM-5.2と同じ価格。入力100万トークンあたり1.40ドル(キャッシュヒット時0.26ドル)、出力100万トークンあたり4.40ドルで、キャッシュ入力の保存は期間限定で無料
- Hugging Faceから重みをダウンロードできるため、クローズドな米国のフロンティアモデルと違い自前でホスティング可能
- 100万トークンのコンテキストと最大128Kトークンの出力で、リポジトリ全体や長文ドキュメントの作業に向く
- Z.aiによるとセキュリティとエクスプロイトで好成績。CyberGymはGLM-5.2の77.2%に対し84.5%、ExploitBenchは24.4%に対し54.4%
- 公式APIで関数呼び出し、ストリーミング、コンテキストキャッシュ、構造化JSON出力に対応
- 独立評価ではフロンティアに遠く及ばない。Artificial Analysis Intelligence Index v5で32と、出力トークン単価が4分の1のDeepSeek-V4.1-Flash(33)とほぼ同等
- デフォルトのmaxでは非常に冗長で遅い。Artificial Analysisによると、インデックスの実行に1億3,500万出力トークン、最初の回答トークンまで約60秒、インデックスのタスクあたり5.01ドル
- 重みのライセンスがGLM-5.2のMITから、商用利用を制限付きでしか認めないGLM-5.3ライセンスに変更
- 推論をオフにできない。thinkingを無効にしたリクエストは失敗するようになり、レイテンシ重視の用途には不利
- 入力はテキストのみで、画像・音声・動画は非対応。この価格帯の競合の多くはマルチモーダル
あなたの審判を下す
1人につき各ツール1票。あなたの推薦が、みんなの見る観客スコアを動かします。
GLM-5.2 へのアリーナの評決
GLM-5.2 は現時点でダウンロードできる最良のモデルです。Artificial Analysis でオープンウェイト勢を牽引し、SWE-Bench Pro で GPT-5.5 を上回り、トークン単価はクローズドな米国フロンティアのおよそ 6 分の 1。エージェント型コーディング、腰を据えたリポジトリ作業、100 万トークン規模の分析に向いており、自社運用やライセンスの自由がロードマップ上重要ならなおさらです。ただし冗長さには注意してください。1 タスクあたり 43,000 出力トークンを消費するため実際の費用は 1 タスク 0.32 ドル前後になり、応答には約 75 秒かかるので、対話型プロダクトには不向きです。また知識のよりどころとして使わないでください。AA-Omniscience が 4(Opus 4.8 は 27)ということは、控えるべき場面でも自信を持って答えるということなので、事実に関わる用途には検証層を挟んでください。純粋なトークン単価では DeepSeek V4 のほうが安価です。GLM-5.2 の売りは、自分のものにできるフロンティア級の能力です。
GLM-5.3 へのアリーナの評決
今使うべきGLMはGLM-5.3です。価格もベースモデルもGLM-5.2と同じですが、Z.ai自身のベンチマークではエージェント型コーディングとセキュリティ作業で明らかに上回っています。コーディングエージェント、ターミナル自動化、あるいはフロンティアに近い規模の重みをダウンロードしてセルフホストしたい場合に選びましょう。ただし期待は現実的に。Artificial Analysisのスコアは32で、はるかに安く画像も扱えるDeepSeek-V4.1-Flashと同水準です。常時オンの推論のせいで遅く(maxでは最初の回答トークンまで約1分)、新ライセンスはGLM-5.2のMITより制限が多いため、重みを使って商用製品を作る前に条件を確認してください。
観客の声
GLM-5.2 について
“yok”
“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”
“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”
“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”
GLM-5.3 について
まだ審判はありません。最初の声を上げてください。
比較を続ける
よくある質問
GLM-5.2 は GLM-5.3 より優れていますか?
推論では GLM-5.2 が上回っています(4.5/5 vs 3.5/5)。 最適な選択は用途次第です。このページの項目別比較で、料金、主要スペック、アリーナ評価を分解しています。
GLM-5.2 と GLM-5.3、安いのはどちらですか?
開始価格は同じで、どちらも$4.40/1M outからです。
GLM-5.2 と GLM-5.3 の100万トークンあたりの料金は?
GLM-5.2:入力100万トークンあたり$1.40/1M in (cache hit $0.26)、出力100万トークンあたり$4.40/1M out。GLM-5.3:入力100万トークンあたり$1.40/1M in (cache hit $0.26)、出力100万トークンあたり$4.40/1M out。