TL;DR
2026年10月下旬時点で、Z.ai（Zhipu AI）はGLM-5.5を公式にリリースまたは確認していない。コミュニティおよび中国メディアのリークでは、総パラメータが2.5〜3.5兆（初期報道では1兆超）に達する次期フラッグシップの可能性、100万トークンのコンテキスト継続、長期ホライズンのコーディングとエージェント工学への強い注力、アーキテクチャのアップグレード（ハイブリッドアテンション、mHCによる効率化、再帰/ループ型Transformerの噂）、およびオープンウェイト化の可能性が語られている。
CometAPIは現行のGLM-5シリーズ全体への割引のOpenAI互換アクセスを既に提供しており、後継が登場した場合の発売初日からの迅速な提供に向けた体制が整っている。
Key Takeaways
- GLM-5.5は未確認・未リリース。公式チャネルにはGLM-5.3とGLM-5.3-Flash（2026年8月）が掲載されている。
- パラメータに関する噂は、2026年半ばのJPMorgan/アナリストノートなどの>1Tから、2026年10月の中国側報道では総2.5〜3.5Tへと変化。MoEモデルであるため、トークン当たりのアクティブパラメータは大幅に小さい見込み。
- リークが示す焦点領域：長時間稼働の自律コーディングエージェント、推論の深さの向上、推論効率、アーキテクチャ上の新規性の可能性。
- リリース時期の推測は、Z.aiの歴史的なリズム（主要リリース間が約54〜70日）と、「新モデル」を示唆した最近の報酬告知に基づき、8月から10月下旬〜11月上旬へと移行。
- 価格は不明。GLM-5.3の掲示レート（100万トークンあたり入力約$1.40／出力$4.40）や、より低いFlash価格からの外挿では、強いコスト対効果の継続が示唆される。
- 上位Claudeモデル（Fable/Mythosクラスのコーディングやエージェント能力を含む）への対抗馬という位置づけは推測だが、Z.aiが近年、オープンウェイトのSOTAベンチマークで差を詰めている流れとは整合的。
- 開発者は今日からCometAPI経由で現行GLMモデルにアクセスでき、将来のGLM-5.5エンドポイントのシームレスな追加にも備えられる。
What Is GLM-5.5?
GLM-5.5は、Z.aiのGLM-5シリーズにおける次の大規模モデルと噂されるものに対し、コミュニティとメディアが付けた呼称である。
類似基盤の上でのポストトレーニングや効率化中心の従来のポイントリリースと異なり、リークではGLM-5.5をより大きな一歩と位置づける。すなわち、事前学習規模の再ジャンプ、もしくは長期ホライズンのエージェント型コーディングと複雑なシステム工学を狙った重要なアーキテクチャ進化の可能性である。2026年10月下旬時点で、Z.aiは公式文書、モデルカード、Hugging Faceリポジトリ（zai-org）、APIカタログ、リリースノートに「GLM-5.5」という名称を用いていない。
現在の確認済みモデルは、コーディング、エージェントワークフロー、長いコンテキスト（最近のバージョンでは100万トークン）と、Flashではネイティブなマルチモーダル性を強調している。GLM-5.5の噂もこの方向性を継承しつつ、より大きな総規模と効率性の改善を主張する。
Rumored / speculative improvements for GLM-5.5
リークは総パラメータが2.5〜3.5Tに跳ね上がると主張する——GLM-5.3比で約3.4〜4.7倍。これらはMoEモデルであるため、アクティブパラメータ（ひいてはトークン当たりのFLOPs）は線形には増えない。コミュニティでは、Z.aiが研究で検証済みの再帰的/ループ型Transformer要素の可能性や、すでにFlashで見られたハイブリッドアテンションやmHC技術のさらなる洗練も議論されている。
総容量の拡大は、データ品質やポストトレーニングが伴えば、知識密度、希少スキルのカバレッジ、非常に長いエージェント軌跡における整合性維持の向上に寄与するのが一般的である。
Long-Horizon Coding and Agentic Performance
2026年のGLM-5各リリースは、「vibe codingからエージェント工学へ」、より長い独立タスクのホライズン（マーケティング上は時間単位になる場合もある）、ツール使用、コーディング系ベンチマーク（SWE-benchファミリー、Terminal-Benchなど）を強調してきた。GLM-5.3は、複雑なコーディングや新興のサイバーセキュリティ関連能力の向上を特に打ち出した。
リークは、GLM-5.5がこの焦点を継続かつ強化すると位置づける：より優れた長時間稼働の自律エージェント、より信頼できる多段階の計画、実務的なエンジニアリング課題での強化。パラメータやアーキテクチャの主張が正しければ、エージェント系スイートでの計測可能な向上と、重いスキャフォールディングや頻繁な人手介入の必要性の低減が期待できる。
What Does the Leaked GLM-5.4/5.5 Expert Memo Actually Say?
2026年10月21日、Xのユーザー@NFT_Chenが、Z.aiの次期基盤モデルに関する専門家インタビュー要約のスクリーンショットを共有した。以下の画像は、画面上ではXueqiuの投稿に帰属する資料を再現しているが、これは流布する主張の存在を示す証拠であり、Z.aiの真正な技術開示ではない。
元のインタビュー参加者、ソース文書、技術的根拠は独立に認証されていない。したがって、以下はZ.aiの公式発表ではなく、リーク資料が何を主張しているかの記述である。
The rumored parameter count increases to 2.5T–3.5T
この書き起こしは、GLM-5.5が10月下旬に約1.6兆パラメータで登場するという以前の主張に正面から異議を唱える。
代わりに、次の基盤モデルを2.5〜3.5兆パラメータの範囲に置くとしている。
| Specification | GLM-5.5 in CometAPI |
|---|---|
| Developer | Zhipu AI / Z.ai |
| Possible model name | GLM-5.4 or GLM-5.5 |
| Release status | Not officially announced |
| Total parameters | 2.5T–3.5T, unverified leak |
| Active parameters | Not disclosed |
| Architecture | Described as an aggressive redesign |
| Training approach | Faster training and improved efficiency are claimed |
| Training progress | Earlier loss plateau reportedly resolved |
| Context window | Not disclosed |
| Input modalities | Not confirmed |
| Performance target | Fable-class flagship capability, unverified |
| Inference | Faster, lower-cost operation targeted |
| Day-one deployment | Large-scale availability claimed |
| API pricing | Not announced |
| Open-weight availability | Not confirmed |
| Release date | No verified date |
総パラメータとアクティブパラメータの区別は重要である。スパースなMixture-of-Experts（MoE）モデルは、総パラメータが数兆に達しても、各トークンで活性化されるのはその一部にとどまる。
Why did GLM-5.5 reportedly encounter training difficulties?
書き起こしは、事前学習の初期段階で、期待どおりに損失が低下しなくなった局面を記述している。
これは多兆パラメータ規模では意味のある問題である。学習の不安定性は、最適化設定、アーキテクチャの相互作用、数値精度、データ分布、分散システムの挙動などから生じうる。リーク資料は、どの要因が原因だったのかを特定していない。
その後、この問題は解消され、学習プロセスは完了に近づいていると主張している。
ただし、この解釈には2つの限界がある。第一に、学習損失の低下は下流能力の強さの証拠にはならない。第二に、事前学習の完了は、ポストトレーニング、安全性テスト、本番デプロイが完了したことを意味しない。
What does the day-one availability claim mean?
リークされたインタビューは、少数しか安定してアクセスできない状態でモデルをローンチするのではなく、即座に相当な推論キャパシティを提供したいというZ.aiの意向を示している。
また、複数のクラウドベンダーとのレベニューシェアに関する協議や、Z.aiのインフラチームの強化にも触れている。
これらは具体的な運用上の主張だが、プロバイダー名、契約、キャパシティコミットメント、SLAなどは開示されていない。
GLM-5.5 Major Architectural Changed: 2.5T–3.5T
Z.aiは、744BパラメータのMoEアーキテクチャでGLM-5を正式に紹介しており、トークンあたり約40Bのパラメータを活性化する。後のGLM-5.3はGLM-5.2のベースモデルを再利用し、新たな基盤アーキテクチャではなくポストトレーニングによる改善を行った。
How much larger would GLM-5.5 be?
| Metric | GLM-5.3 | GLM-5.5 lower rumor | GLM-5.5 upper rumor |
|---|---|---|---|
| Total parameters | ~744B | 2,500B | 3,500B |
| Relative scale | 1.0× | 3.36× | 4.70× |
| BF16 weight storage | ~1.49 TB | ~5.0 TB | ~7.0 TB |
| FP8 weight storage | ~0.74 TB | ~2.5 TB | ~3.5 TB |
| Active parameters | ~40B | Unknown | Unknown |
| Architecture verification | Official family specification | Unverified | Unverified |
ストレージの見積もりは10進テラバイト表記で、モデル重みの値のみをカウントする。量子化メタデータ、KVキャッシュ、活性化、通信バッファ、サービングのレプリカ、その他の実行時オーバーヘッドは含まない。
ただし、総パラメータが4.7倍に増えても、トークン当たりの計算量が4.7倍になるとは限らない。スパースなエキスパート活性化、メモリ最適化、改良されたモデル並列性などにより、この関係は変わりうる。
Which architectural improvements could make the practical?
リリース済みのGLMファミリーには参考になる前例が2つある。
第一に、GLM-5.2はIndexShareを導入し、4つのアテンション層にわたりスパースアテンションのインデクサを再利用した。Z.aiは、100万トークンのコンテキスト長において、トークン当たりのアテンションFLOPsを2.9倍削減できたと報告している。
第二に、GLM-5.3-Flashは、スパースと線形アテンションを組み合わせた、総320B・アクティブ18Bの新規学習アーキテクチャを採用した。また、Manifold-Constrained Hyper-Connectionsや30Tトークンのマルチモーダル事前学習コーパスを導入した。
GLM-5.3と比較して、GLM-5.3-Flashはアテンション計算を約3.0倍削減し、KVキャッシュを4.4倍小さくしたとZ.aiは報告している。
これらの改善はGLM-5.5のアーキテクチャを確定するものではないが、Z.aiが兆単位スケールで顕在化する効率性の課題にすでに取り組んでいることを示している。
はるかに大規模なMoEモデルでは、2つの力が拮抗する。絶対的な計算コストの増大と、アクティブパラメータや推論コストを管理可能に保つスパース化と効率化技術（ハイブリッドアテンション、Flash関連の議論で報告されたmHCなど）である。Z.aiは歴史的に、西側のクローズドなフロンティアモデルに対して優れた性能対価格を重視してきた。API価格は競争力を維持——現行フラッグシップに近い帯域か、やや高い程度——と予想される。特に、オープンウェイトがセルフホスティングを可能にする場合はその傾向が強まるだろう。
Can GLM-5.5 Really Support Large-Scale Inference From Day One?
数兆パラメータのMoEモデルをサービングするには、重みを格納する以上の課題がある。エキスパートルーティング、アクセラレータ間通信、プレフィル処理、デコーディングスループット、長コンテキストのメモリ管理が、同時ワークロード下でも確実に機能する必要がある。
もっとも、モデルサイズとは異なり、Z.aiはサービングインフラにおける実際の進展を示すエビデンスを発表している。
Z.ai has already demonstrated infrastructure scaling
9月17日の研究記事で、Z.aiは、GLM-5.3を用いたインフラエージェントが、国内のAIアクセラレータ10万台超のクラスター上でGLM-5.3-Flashを本番稼働に導くのを支援した経緯を説明している。
公式のインフラレポートは、エンドツーエンドのサービング性能が約3倍改善し、2週間未満でデプロイ最適化が完了したことを記述している。
| Infrastructure indicator | Published GLM-5.3-Flash result | GLM-5.5 implication |
|---|---|---|
| Accelerator deployment | More than 100,000 domestic accelerators | Evidence of existing large-scale infrastructure |
| End-to-end performance | Approximately 3× improvement | Serving optimization capability demonstrated |
| Adaptation timeline | Less than two weeks to production readiness | Faster deployment processes demonstrated |
| Agent-assisted optimization | GLM-5.3 infrastructure agent | Potential reuse of automated optimization |
| GLM-5.5 capacity | Not reported | Still unverified |
これらの結果はGLM-5.3-Flashに関するものであり、噂される数兆パラメータ級の後継を直接示すものではない。
Does the GLM HighSpeed trial provide additional evidence?
Z.aiのZCode 3.15.1の変更履歴（2026年10月12日付）は、ランダムに選ばれた購読者がGLM HighSpeedトライアルに参加できたことを確認している。
コミュニティの報告では、このトライアルがGLM-5.3-Highspeedという名称と結び付けられ、局所的には非常に高い生成速度が観測されたとされる。
公式の変更履歴はトライアル自体を確認しているが、GLM-5.5との関連や標準化されたスループットのベンチマークは確立していない。
What Would Confirm That GLM-5.5 Is a Genuine Frontier Upgrade?
リークはいくつかの具体的な主張を含んでおり、今後の開示によって裏付けられるか反証される可能性がある。
| Leaked claim | Evidence needed | Why it matters |
|---|---|---|
| 2.5T–3.5T parameters | Official architecture or model card | Verifies the claimed scaling jump |
| New high-efficiency architecture | Technical report and active-parameter disclosure | Explains inference economics |
| Training difficulties resolved | Official training or release information | Supports development readiness |
| Fable-class performance | Matched independent evaluations | Establishes actual competitiveness |
| Large-scale day-one availability | Production capacity and service measurements | Tests operational readiness |
| Lower inference cost | Published API pricing and workload measurements | Determines commercial viability |
| GLM-5.5 model identity | Official model identifier | Distinguishes the real release from rumors |
Conclusion
GLM-5.5をめぐる議論は、オープンウェイトのフロンティアの速さと、未確認のリークに伴うノイズの両方を示している。3.5Tに達するという規模の噂と、発売初日から実用的なエージェント型コーディング能力を継続重視する姿勢は、確かに期待を生んでいる。一方で、公式の確認が欠けている現状では、特定の数値やタイムラインはすべて仮のものとして扱うべきだ。
Z.aiの2026年の実績——迅速な反復、競争力のあるオープンモデル、実務的なエンジニアリングワークロードへの強い注力——を踏まえると、意味のある次の一歩は十分にあり得る。それまでは、既に利用可能なGLM-5.3／Flash世代を活用するのが最善だ。CometAPIのようなプラットフォームは、実験の摩擦を下げると同時に、後継がアクセス可能になった瞬間に採用できる体制を整えてくれる。