GLM 5
2525°
Z.ai | 204,800 token context | $1.00/M input, $3.20/M output. GLM-5 is Z.ai’s flagship open-source foundation model engineered for complex systems design and long-horizon agent workflows. Built for expert developers, it delivers production-grade performance on large-scale programming tasks, rivaling leading closed-source models. With advanced agentic planning, deep backend reasoning, and iterative self-correction, GLM-5 moves beyond code generation to full-system construction and autonomous execution.
このモデルのガイド
用途別おすすめローカルLLM（2026年10月）：仕事に合ったオープンモデルを選ぼう
ローカルAIに実際どれくらいのVRAMが必要？
オープンウェイト、オープンソース、API専用：実際に何ができるのか
GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）
キャプテンのメモ
2026-10-13のメモ
GLM-5はZ.aiのフラッグシップオープンウェイトモデルで、7440億パラメータ（うち400億がアクティブ）のスパースMoEで、複雑なシステムエンジニアリングや長期的なエージェント作業向けに特化しています。GLM-4.5からパラメータ数と事前学習データを増やし、非同期強化学習インフラ「slime」を導入して後学習効率を高めています。多段階エージェントパイプラインや大規模バックエンドシステムの構築・運用に関わるなら、まずベンチマークすべきオープンウェイトモデルです。
得意分野
- SWE-bench VerifiedとSWE-bench Multilingualでトップクラスのオープンソーススコア
- 最先端の非公開モデルと競合する強力なエージェント性能と終端タスク性能
- 7440億パラメータ／400億アクティブのMoEアーキテクチャで推論コストを抑制
- 204,800トークンのコンテキストウィンドウとDeepSeek Sparse Attentionで長文品質を維持
- 単発コード生成を超えた反復的自己修正と自律実行
注意点
- 7440億パラメータのためセルフホストには相当なハードウェアが必要で、多くはAPI利用になる。
- ライセンス条件はここに詳細なし。商用展開前にHugging Faceリポジトリを確認すべき。
- 出力料金が100万トークンあたり$1.92と高めで、長いエージェントループはコスト増。
試してみるプロンプト
分散タスクキューを設計する
Redisを使った本番対応の分散タスクキューをPythonで設計してください。リトライロジックと指数バックオフを備えたワーカープロセス、失敗ジョブ用のデッドレターキュー、シンプルなプロデューサーAPIを含めてください。ファイル構成、各ファイルのコード、主要な設計判断を説明してください。
並行性バグをデバッグする
GoのHTTPサーバーで負荷時に古いデータを返すことがあります。複数のゴルーチンが同期なしに共有マップを読み書きしています。競合状態を特定し、症状の原因を説明し、sync.RWMutexを使った修正版を書き、これを検出するテストを追加してください。
多段階エージェントを計画する
GitHubリポジトリを監視し、新しいIssueに「bug」ラベルが付いたらサンドボックスで再現し、修正案を提案し、プルリクエストを作成し、Slackチャンネルに通知するエージェントを構築しています。これを段階的に分解し、各ステップで必要なツールを特定し、人間の承認が必要な箇所を示してください。
比較する
- GLM 5.3 FlashXAPI専用モデル1,048,576トークンのコンテキスト · $0.37/M 入力、$1.25/M 出力
- GLM 5V TurboAPI専用モデル202,752トークンのコンテキスト · $1.20/M 入力、$4.00/M 出力
- GLM 5 TurboAPI専用モデル202,752トークンのコンテキスト · $1.20/M 入力、$4.00/M 出力
- GLM 5.3 PrimeAPI専用モデル1,000,000トークンのコンテキスト · $2.80/M 入力、$8.80/M 出力
z-aiの他のテキストモデル
よくある質問
- GLM-5はオープンウェイトでローカル実行できますか？
- はい。重みはHugging Faceのzai-org/GLM-5で公開されています。7440億パラメータ（400億アクティブ）のため、ローカル実行には相当なハードウェアが必要です。VRAMや量子化のガイドを参照してください。
- GLM-5の料金とコンテキストウィンドウは？
- Z.ai APIでは入力トークンが100万あたり$0.60、出力トークンが100万あたり$1.92で、コンテキストウィンドウは204,800トークンです。
- GLM-5はGLM-4.5やGLM-4.7とどう違いますか？
- GLM-5はGLM-4.5の3550億パラメータ（320億アクティブ）から7440億（400億アクティブ）に拡大し、事前学習データも23兆トークンから28.5兆トークンに増加。DeepSeek Sparse Attentionとslime非同期強化学習インフラを追加し、コーディング、推論、エージェント性能で両前モデルを上回る成果を出しています。
キャプテンの評価真剣なエージェントやシステムエンジニアリング作業に最適な最強のオープンウェイトモデルですが、インフラや出力トークン料金を負担できることが前提です。
Hugging Faceのモデルカード
キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
このスコアの計算方法
このモデルはまだどのソースからも人気データがないため、リストを完全に保つために7,000°未満の仮の数値が割り当てられています。データのあるモデルより上位には決してなりません。内訳はソースが報告次第ここに表示されます。
用語集：ここで使われている用語
- ヒートスコア
- モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
- フロア
- 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
- ダウンロード相当数
- スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
- 対数スケール
- 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
- いいね
- すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
- 普及率
- 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
- 測定済みと推定
- 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
- シーダー
- トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
- AI Horde
- 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
- 生成サイト
- PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
- OpenRouterトークン
- ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
- 完全モデル（チェックポイント）
- 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
- LoRAと埋め込み
- 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
- ファミリーと重み
- モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
- 年齢
- ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
- ファミリーブースト
- このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
- 代替スコア
- まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
- 新着！(猶予期間)
- 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
- トレンド
- ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
- 典型的なモデル
- カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。
GLM 5 は Text / LLM ファミリー向けのテキストモデルで、オープンソース AI 画像・動画・テキストモデルの読み取り専用カタログ ModelTrends.ai に掲載されています。他の Text / LLM モデルと比較し、ヒートスコアでトレンドを確認できます。
モデルファミリーから探す
Text / LLM モデル
434
Anima モデル
528
Chroma モデル
19
Fibo モデル
2
Flux モデル
1,496
Flux 2 / Klein モデル
1,239
Flux 3 モデル
3
Moss モデル
3
Iris モデル
1
MiniMax H3 モデル
364
Hunyuan モデル
204
Ideogram モデル
20
Krea2 モデル
717
Qwen モデル
20
Qwen2 モデル
47
Ltx2 モデル
153