GLM-5 の技術仕様
| 項目 | GLM-5（報告値） |
|---|---|
| モデルファミリー | GLM (Z.ai / Zhipu AI) — フラッグシップ世代 |
| アーキテクチャ | エキスパート混合（MoE）+ スパースアテンション（DeepSeek/DSA の最適化）。 |
| 総パラメータ数 | ≈744–745B（MoE プール）。 |
| アクティブ/ルーティング済みパラメータ（トークンあたり） | ~40–44B がアクティブ（ルーティング/エキスパートに依存）。 |
| 事前学習トークン数 | ~28.5T トークン（報告値）。 |
| コンテキストウィンドウ（入力） | 最大 200,000 トークン（ロングコンテキストモード）。 |
| 最大出力トークン数 | 128,000 トークン（1 回の呼び出しあたりの最大生成、報告値）。 |
| 入力モダリティ | テキストのみ（主）；リッチテキスト → 出力（ツール経由での doc/xlsx 生成）に最適化。 |
GLM-5 とは
GLM-5 は、MoE ルーティング設計とスパースアテンション最適化により GLM 系列をスケールさせ、長文脈推論とエージェント型ワークフロー（マルチステップ計画、コードとシステムのオーケストレーション）を実現する Zhipu AI の次世代基盤モデルです。API およびセルフホスティングによりエンタープライズ向けにアクセス可能で、エージェントおよびエンジニアリングタスクにおけるオープンウェイトの有力候補として明確に位置付けられています。
🚀 GLM-5 の主な特徴
1. エージェント型インテリジェンスと推論
GLM-5 は、長く複雑なタスクを順序立てたステップに分解し、幻覚を抑制するワークフロー向けに最適化されています。これは従来の GLM バージョンからの大幅な改良です。知識の信頼性やタスク生産性に関する一部のオープンウェイトモデルのベンチマークでトップを獲得しています。
2. ロングコンテキスト対応
200K トークンのコンテキストウィンドウにより、きわめて長い対話、大規模ドキュメント、長い推論チェーンでも一貫性を維持できます。これは実務アプリケーションでますます重要になる能力です。
3. DeepSeek スパースアテンション
スパースアテンション機構を統合することで、GLM-5 はメモリフットプリントを効率的に拡張し、コストの線形的な増加を伴わずに、より長いシーケンスを処理できます。
4. ツール統合と出力フォーマット
構造化出力や外部ツール統合（JSON、API 呼び出し、動的ツール使用）をネイティブにサポートし、スプレッドシート、レポート、自動コーディングアシスタントなどのエンタープライズ用途で実用的です。
5. コスト効率
GLM-5 は、主要製品と比べて入出力の料金が大幅に低い、コスト競争力の高いモデルとして位置付けられており、大規模導入に適しています。
GLM-5 のベンチマーク性能
複数の独立評価と初期の業界ベンチマークにおいて、GLM-5 はオープンウェイトモデルの中で強力なパフォーマンスを示しています:
- 信頼性と真実性を測る指標である Artificial Analysis Intelligence Index において、幻覚率の記録的低水準を達成し、従来モデルを大きく上回りました。
- エージェント中心のベンチマークでは、GLM-4.7 や他のオープンモデルと比べ、複雑タスクの遂行で大幅な向上が示されています。
- コスト対性能の指標では、速度は第4四分位である一方、知能と価格ではオープンウェイトモデルの中で最上位に位置付けられています。
定量スコア（ランキングプラットフォームの例）:
- Intelligence Index: オープンウェイトモデル中で #1。
- Pricing Efficiency: 低い入出力コストで高評価。
GLM-5 API へのアクセスと使用方法
ステップ 1: API キーにサインアップ
cometapi.com にログインしてください。まだユーザーでない場合は、まず登録してください。CometAPI コンソール にサインインします。インターフェースのアクセス認証である API キーを取得します。パーソナルセンターの API トークンで“Add Token”をクリックし、トークンキー: sk-xxxxx を取得して送信します。
ステップ 2: glm-5 API にリクエストを送信
エンドポイントとして“glm-5”を選択し、API リクエストを送信してリクエストボディを設定します。リクエストメソッドとリクエストボディは当社サイトの API ドキュメントから取得できます。当社サイトでは利便性のため Apifox テストも提供しています。<YOUR_API_KEY> をアカウントの実際の CometAPI キーに置き換えてください。呼び出し先: Chat フォーマット。
content フィールドに質問やリクエストを入力します—これがモデルの応答対象になります。API レスポンスを処理して、生成された回答を取得します。
ステップ 3: 結果の取得と検証
API レスポンスを処理して生成された回答を取得します。処理後、API はタスクステータスと出力データを返します。