GLM-5.5：予想されるスペック、特徴、 性能

TL;DR

GLM-5.5 は Z.ai の GLM ファミリーにおける次期メジャーモデルと目されている。Reuters は GLM-5.5 を後期のロードマップ上のマイルストーンとして言及したが、確定したローンチ時期、アーキテクチャ、パラメータ数、コンテキスト上限、ベンチマーク表、価格、アクセス計画は公表されていない。

Z.ai は GLM-5.3 を最新のフラッグシップかつ次リリースを推定するうえで最も信頼できる基準として提示している。前世代と同一のベースモデルを用い、性能向上はポストトレーニングによる。さらに1M トークン・コンテキスト / 128K 出力をサポートし、社内 Code Bench で 50% のコーディング性能向上を報告している。

最も妥当な期待は単なる「より大きなモデル」ではない。Z.ai は将来モデルのターゲットとして、長期スパンのタスクと自己進化型の自律エージェントを公言している。したがって GLM-5.5 は、ヘッドラインのパラメータ増加よりも、信頼できるタスク遂行、自己修正、コンテキスト管理、ツール使用、持続的なエンジニアリング作業を重視する可能性が高い。

Key Takeaways

• Reuters は GLM-5.5 を後期のロードマップ・マイルストーンと示したが、Z.ai は正確なローンチ確約を公開していない。
• GLM-5.3 は Z.ai の最新の公開フラッグシップモデルである。
• 現在のアーキテクチャ基準は、GLM-5.3が同一ベースモデルを維持しポストトレーニングで改善しているため、おおよそ 744B 総計 / 40B 有効の疎 MoE クラスである。
• GLM-5.3はすでに1M トークンのコンテキストウィンドウと 128K の最大出力を提供しているため、GLM-5.5 はより大きな上限よりもコンテキスト品質とメモリ管理を優先する可能性がある。
• Z.ai の開発方向性は、より長時間稼働する自律的で自己修正可能なエージェントにあると見込まれる。
• GLM-5.3がオープンウェイトとして位置付けられているため、オープンウェイトの継続はあり得るが、GLM-5.5 のライセンスは不明。
• GLM-5.5 に関して特定のトリリオン・パラメータの主張を支持する公的根拠は現状存在しない。
• CometAPI はすでに GLM-5.3専用のエンドポイントを用意し、表示上 20% 割引を行っている。GLM-5.5 が公式リリースされれば、CometAPI は迅速に追加し割引価格で提供すると予想され、他のフラッグシップ GLM モデルも同プラットフォームで利用可能なままとなる。

What Is GLM-5.5?

GLM-5.5 は Z.ai のフロンティアモデル・ロードマップにおいて、GLM-5.3の先に位置すると報じられている後続マイルストーンである。「5.5」という名称は Reuters の報道で現れたが、Z.ai の公式モデルカード、開発者向けエンドポイント、リリースノート、Hugging Face リポジトリ、価格表にはまだ現れていない。

このモデルファミリーは明確な順序で進んできた。GLM-5は744B パラメータの疎 MoEにより「Agentic Engineering」という方向性を確立した。GLM-5.1は持続的な実行に注目を移し、次世代では利用可能なコンテキストが 1M トークンへ拡張された。GLM-5.3は同一ベースモデルを維持しつつ、ポストトレーニングをより積極的にスケールし、複雑なコーディングと長期スパンのエージェント性能を強化している。

この進展から、GLM-5.5 は単一の短い単発テストでの性能ではなく、どれだけ長く信頼性を持って作業できるか、誤りからどれほど回復できるか、実際に何を成果として提供できるかで評価される可能性が高い。

What Is Likely to Be New in GLM-5.5?

A Shift Toward Self-Evolving Autonomous Agents

最も明確な公開シグナルは、Reuters に対して Z.ai の CodeGeeX テックリードが、将来モデルは長期スパンのタスクと自己進化型の自律エージェントをターゲットにすると語った点にある。これは、実験を実行し、結果を検査し、戦略を修正し、限定されたタスク環境内で自らの作業を改善できるエージェントを示唆する。

ソフトウェアエンジニアリングにおいては、リポジトリ解析、計画、実装、テスト、デバッグ、性能測定、検証のより緊密なループを意味し得る。モデルは個々の回答の見た目の品質ではなく、プロジェクトの最終的な状態によって評価される。

視覚的なベースライン：パフォーマンスセクションの最新の公式ベンチマーク図は文書化しているのは GLM-5.3 であり、未発表の GLM-5.5 の仕様ではありません。

A Continuation of Sparse MoE Scaling

疎 Mixture-of-Experts（MoE）アーキテクチャは、最も防御可能なアーキテクチャ上の期待である。GLM-5の技術レポートは、744B 総計 / 40B 有効、256 エキスパート、トークンごとに 8 のルーティング済みエキスパートと 1 の共有エキスパートを記述している。GLM-5.3は同一ベースモデルを用いているため、この疎 MoE 設計が最も近い公開アーキテクチャ参照点である。

GLM-5.5 はモデル容量を増やす可能性はあるが、1 兆パラメータを超えるとする公的根拠は存在しない。Z.ai は、全体のモデル規模を概ね同じクラスに保ちながら、学習データ、エキスパートの専門化、ルーティング、強化学習、投機的デコーディング、推論効率の改善によってより大きな利得を得る可能性がある。

Better Use of Long Context

GLM-5.3は 1M の入力トークンと最大 128K の出力トークンをサポートしている。したがって、より大きなヘッドラインのコンテキストウィンドウは GLM-5.5 が意味のあるアップグレードとなるために必須ではない。より価値のある改善は、初期要件のより良い想起、目標の逸脱の低減、大規模なコードベースにわたるより強い検索、より信頼できるコンテキスト圧縮、より低い提供コストなどだろう。

コンテキスト圧縮は、ツールログや中間状態がモデルのウィンドウを超え得るエージェントにとって特に重要である。GLM-5.3は、長期スパンのトレーニング向けの圧縮付き SAO を継承しており、短期ではなく拡張タスクで性能向上が持続するのを助ける。後続モデルがこのアプローチを拡張してもおかしくない。

More Efficient Sparse Attention and Decoding

GLM-5.3が同一ベースモデルを維持しているため、現在の長コンテキスト・スタックはIndexShareの上に構築され続けている。ここでは 4 層の疎アテンションを 1 グループとして同じインデクサを再利用する。Z.ai は、この設計により 1M トークンのコンテキスト長でインデクサ関連のトークン当たり計算を 2.9 倍削減し、マルチトークン予測が投機的デコーディングを改善すると報告している。GLM-5.3は、その後の利得の大半をポストトレーニングのスケールによって追加している。

GLM-5.5 は、より効率的なトークン選択、KV キャッシュ管理、エキスパート・ルーティング、ドラフトモデルによるデコーディングなどの技術の上に築く可能性がある。こうした改善は、長時間のエージェント実行における待ち時間とコストに直接影響する。

Stronger Reinforcement Learning and Verification

GLM-5の技術レポートは、推論 RL、エージェント RL、一般 RL を含む逐次ポストトレーニング・パイプラインを記述しており、生成と学習を分離する非同期インフラによって支えられている。これにより、より長い軌跡を探索し、計画、ツール使用、自己修正、環境からのフィードバックから学習できる。

GLM-5.5 において可能性が高い改善は、単に推論トークンを増やすことではない。成果の検証をより強化することである。すなわち、コードがコンパイルされたか、テストが通ったか、性能目標に到達したか、ツール呼び出しが許可されたか、要求された成果物が元の制約を実際に満たしたかを把握することだ。

What We Don’t Know Yet

GLM-5.5 にはリリース時期が報じられているが、最終的な製品仕様は未公開だ。以下の予測は意図的に保守的であり、発表済み仕様として読むべきではない。

Architecture and Active Parameters

現在のアーキテクチャ基準は異例に詳細だ。GLM-5は256 エキスパート、トークンごとに 8 のルーティング済みエキスパート＋1 の共有エキスパートを用いる。744B 総計 / 40B 有効の設計は、GLM-4.5の総容量をほぼ倍増させる一方で、有効容量は 32B から 40B により控えめに増加させた。

Z.ai はGLM-5.3が前世代と同一のベースモデルを用い、主要な利得はすべてポストトレーニングから来ていると述べている。これにより、744B 総計 / おおよそ 40B 有効の疎 MoE 設計が最も近い公開アーキテクチャ基準となるが、GLM-5.5 が同一レイアウトを維持することを意味しない。

実運用の提供においては、見出しの総数よりも有効パラメータ数が重要である。それはメモリトラフィック、エキスパート間通信、レイテンシ、トークン生成当たりに必要なハードウェア量に影響する。ルーティングやアテンションが改善されれば、モデルは比例して高価にならずともより能力を高め得る。

Context Window and Memory

GLM-5.3は1M のコンテキストウィンドウと 128K の最大出力をサポートする。Z.ai は、このコンテキスト容量を純粋な上限値としてよりも、複雑なソフトウェアエンジニアリングと長期スパンのエージェント・ワークフロー向けに位置付けている。

GLM-5.5 にとって重要なのは、モデルが初期の制約を保持できるか、完了した作業を記憶できるか、正しいファイルを取得できるか、古いツールの履歴を重要な状態を失わずに圧縮できるか、長時間にわたり一貫した判断を維持できるかである。名目上の 2M トークン・ウィンドウよりも、より低いレイテンシとコストで信頼できる 1M トークンのワークフローの方が有用だろう。

Performance

GLM-5.5 のベンチマーク結果は公開されていない。現在のGLM-5.3の基準には、Terminal-Bench 3.0 で 28.3、DeepSWE v1.1 で 66.9、Agents’ Last Exam で 28.5 が含まれる。Z.ai は、社内 Code Bench で 50% の改善を報告しており、最も大きな利得は複雑なコーディングと長期スパンのタスクに現れている。

Source: Z.ai official release &#xNAN;· View original image

Z.ai は、GLM-5.3が CyberGym、AutomationBench、GDPval-AA v2 の比較で先行している一方で、GPT-5.6 Solは Terminal-Bench 3.0 と DeepSWE で依然優位、Claude Fable 5は幾つかのエクスプロイト開発評価で強いと報告している。これらはベンダー報告の結果であり、評価設定を念頭に解釈すべきである。

GLM-5.5 の意味のある改善は、反復実行時の信頼性と完了率に現れるだろう。すなわち、放棄されたタスクの減少、戦略の漂流の抑制、失敗コマンド後のより成功率の高い回復、リポジトリ規約へのより良い準拠、より強い最終検証である。短い推論テストでの小幅な利得よりも、実プロジェクトでの持続的な実行の方が重要だ。

API Pricing and CometAPI Availability

Z.ai は標準の価格ページで GLM-5.3の一般的なトークン単価の API 料金を公開していない。GLM-5.3はGLM Coding Planで利用可能であり、標準 API レートが完全に公開されるまではサブスクリプションアクセスがより関連性の高い公式参照となる。

CometAPI は GLM-5.3を入力 $1.12/M、出力 $3.528/Mで掲載し、表示上 20% 割引を提供している。また、同 API プラットフォームで GLM-5や GLM-5-Turboへの専用アクセスも提供している。

GLM-5.5 の価格は未発表である。妥当な予想は、現在のフラッグシップの価格帯に近い水準を維持するか、推論コストが上昇する場合は控えめなプレミアムを適用することだ。GLM-5.5 が公式にリリースされた場合、CometAPI は専用エンドポイントを迅速に追加し割引戦略を継続すると見込まれ、開発者は他のフラッグシップモデルと並行して低コストの経路を得られる。

Product Variants and Access Paths

既存の GLM エコシステムにはフラッグシップモデル、より高速なエージェント作業向けの GLM-5-Turbo、Coding Plan、ホスト型 API、オープンウェイトのチェックポイントが含まれる。GLM-5.3は3 つの推論努力レベル、ストリーミング、関数呼び出し、コンテキストキャッシュ、構造化出力をサポートする。

GLM-5.5 は、Z.ai のチャット製品または Coding Plan で先行登場し、その後に標準 API やダウンロード可能なウェイトが続く可能性がある。また、速度最適化版やビジョン対応版が別途ローンチされる可能性もある。こうしたパッケージングの選択はどれも未発表だ。

Competitive Position and Likely Use Cases

GLM-5.5 の競争上の位置付けとしては、異例に長いコンテキストと低い提供コストを備えたオープンまたはアクセスしやすいコーディング／エージェントモデルが有力である。最も強いユースケースは、大規模リポジトリの開発、システムのリファクタリング、自動テスト、性能最適化、リサーチ・エージェント、文書量の多いエンタープライズ・ワークフロー、外部のクローズド API に全面的に依存できないプライベート導入などとなるだろう。

モデルは、Claude Opus 5やGPT-5.6などのクローズドなフロンティアシステムだけでなく、他のコスト効率の高いエージェントモデルとも競合する。Z.ai の優位性は、オープンな導入、強力なコーディング、長いコンテキスト、信頼できる自律的実行を、許容できないレイテンシやインフラ要件なしに組み合わせられるかにかかっている。

オープンウェイトは、ローカルなセキュリティ制御、ドメイン適応、国内アクセラレータ上での導入、推論スタックの直接制御を必要とする企業に特に価値がある。しかし、アクティブなパラメータがトークン当たりで一部に限られるとしても、750B クラスの MoE モデルを自前ホストするのは依然として高価だ。

Exact Release Date and Access

Reuters は GLM-5.5 を将来のロードマップ・マイルストーンとして記述している。この文言は公式のローンチ確約ではなく期待を表しており、固定的な展開順序は示していない。

Z.ai の公開文書、価格ページ、Coding Plan はGLM-5.3を中心としている。レビューした情報源には、公式の GLM-5.5 エンドポイント、モデルカード、ベンチマークレポート、ライセンス、詳細なアクセス計画は存在しない。

将来の GLM-5.5 リリースは依然としてあり得る。「リリース」とは、アナウンス、限定的な Coding Plan プレビュー、ホスト型チャットの展開、API エンドポイント、エンタープライズ向けアクセス、オープンウェイト、またはこれらすべてが段階的に行われることを意味し得る。最初の公式アップデートが現れた際には、これらのマイルストーンを区別して理解すべきである。

Final Assessment

GLM-5.5 は、Z.ai のコード生成から自律的エンジニアリングへの移行の継続として理解するのが最善である。公開されている根拠は、長期スパンのタスク、自己進化型エージェント、疎 MoE の効率、実用的なタスク遂行に焦点があることを支持する。最終的なパラメータ数、ベンチマークスコア、コンテキスト上限、価格、ライセンス、正確な日時を支持するものではない。

重要なのは GLM-5.5 が GLM-5.3 よりも大きいかどうかではない。目標により長く整合し続けられるか、メモリをより効果的に管理できるか、失敗した行動から回復できるか、自らの作業を検証できるか、より少ない監督でより多くの実際のエンジニアリングタスクを完了できるかである。

Z.ai がモデルカードとアクセス詳細を公開するまでは、GLM-5.5 は期待はされているが、未発表と記述すべきである。8 月のウィンドウは監視に値するが、詳細仕様はすべて予測として明確にラベル付けすべきだ。