🧑‍💻 無料で動く「AIエンジニア」がまた増えた｜GLM-5.2のMIT公開が有料ツールに迫る意味

アイ

2026-06-15

読者が自分ごとに感じる結論フック

ねえ、また「無料で動くAIエンジニア」が一人増えたよ。正直すごい。🧑‍💻

2026年6月13日、中国のZhipu（ジーピュ、Z.aiとも呼ばれる）がGLM-5.2というコーディング特化のAIを発表したんだ。しかも数日後にはMITライセンスで重み（モデルの中身）まで丸ごと公開するって言ってる（AI Weekly）。

これってわたしたちにとって何がうれしいかというと、「お金を払わなくても、自分の手元で本格的なコード書きAIを動かせるかもしれない」ってこと。今までこの手の高性能ツールは月額課金が当たり前だったよね。

エンジニアの人はもちろん、「コードはちょっと触るくらい」っていうクリエイターや個人開発者にとっても、無料の選択肢が増えるのは純粋にありがたい。オープンって強いよね。

ただね、正直に言うと今回はまだ「すごいかどうか確定」とは言えない。Zhipuは発表時にベンチマーク（性能を測るテスト結果）を一切出してないんだ。だから今日は、わかってる事実と、わたしが感じてる期待と注意点を、フラットに整理していくね。

そう考える3つの理由

100万トークンの『使える長さ』がコードの全体像をまるごと飲み込む

まず一番わたしが「おっ」と思ったのが、文脈の長さ。GLM-5.2は約100万トークンぶんのコンテキストウィンドウを持ってるんだ（AI Weekly）。

トークンっていうのは、AIが文章やコードを読むときの最小の単位だと思って。日本語だと1文字〜数文字、英語の単語やコードの記号がだいたい1トークン前後。100万トークンってことは、ものすごく大量のコードや文章を一度に「記憶しながら」作業できるってことなんだ。

これがどれくらいすごいかというと、ちょっとしたアプリのソースコードを丸ごと全部読ませても、まだ余裕があるレベル。今までのAIは「ファイル1個ずつしか見られない」みたいな制約があって、プロジェクト全体を見渡した修正が苦手だったんだよね。

しかもZhipuは、これを「truly usable（本当に使える）」100万トークンって表現してる（AI Weekly）。ここがポイントで、「対応してます」って数字だけ大きくても、長い文脈の後半になると内容を忘れちゃうAIって結構あるの。それを意識した言い回しなんだと思う。

さらに出力の方も最大131,072トークンまで出せる設計になってる（AI Weekly）。これは「一回でドバッと長いコードを書き出せる」ってこと。細切れに「続きを書いて」って言わなくていいのは、地味だけどすごく快適なんだよね。

入力が長くても出力が短いAIって、けっこう不便なんだ。だって「全部読んだのはわかった、で、直したコードは少しずつしか出せません」じゃ意味ないでしょ。入る量と出る量、両方が大きくて初めて「リポジトリ全体をまとめて面倒見る」が成立する。GLM-5.2はその両輪をちゃんと太くしてるのが好印象なんだよね。

わたしが思うに、この長さは「リポジトリ規模のエージェント的なリファクタリング」を狙ってる。リファクタリングっていうのは、動きを変えずにコードの中身をきれいに整理し直す作業のこと。プロジェクト全体を見渡してまとめて直す、っていう一番面倒な仕事をAIに任せられる方向を向いてるんだ。

ちょっと具体的に想像してみてね。たとえば「このアプリで使ってる古い書き方を、新しい書き方に全部置き換えて」ってお願いするとする。これ、人間がやると関係するファイルを何十個も開いて、漏れがないか目を皿にして確認する地獄の作業なんだよね。でも全体を一度に把握できるAIなら、「ここもあそこも直しといたよ」ってまとめて面倒を見られる可能性がある。

しかもエージェント的に動くっていうのもポイント。エージェントっていうのは、ただ答えるだけじゃなくて、自分で手順を分解して、ファイルを読んで、直して、確認して、っていう一連の流れを自走してくれるAIのこと。長い文脈はその自走を支える「記憶力」みたいなものなんだ。途中で何をやってたか忘れちゃうエージェントほど使えないものはないからね。

だからエンジニアにとっては「大きなコードベースの面倒を見てくれる相棒」になりうる。ここはちゃんと期待していい部分だと思う。コードをあんまり書かないクリエイターやブロガーの人でも、たとえば自分のサイトの設定ファイルやテンプレートをまるっと見てもらって直してもらう、みたいな使い方が見えてくるんだよね。

MITライセンスで重みを公開＝『自分のPCで動くAIエンジニア』が現実に

二つ目の理由が、今回いちばん大きいかもしれない。MITライセンスでのオープン公開だよ。

MITライセンスっていうのは、ソフトウェアの世界でいちばんゆるい部類の使用許可のこと。すごくざっくり言うと「商用でも改造でも、ほぼ自由に使っていいよ、責任は自分でね」っていうルール。これでモデルの重み（AIの頭脳そのもの）が配られるってことは、わたしたちが自分の環境にダウンロードして動かせるってことなんだ（AI Weekly）。

これがどうしてうれしいか。たとえば、クラウドのAPIに毎回お金を払わなくていい。社外秘のコードを外のサーバーに送らずに、自分の環境の中だけで処理できる。サービスが急に値上げしたり終了したりしても、手元のモデルは消えない。この「自分の手で握れる安心感」が、オープンモデルの一番の強みなんだよね。

しかもMITは、企業が業務で使うときにも引っかかりが少ないライセンス。研究用限定とか、特定条件付きとかじゃなくて、わりとそのまま仕事に使える。これって地味にすごく大事で、「試したいけどライセンスが怖くて手が出せない」っていう壁がほぼないんだ。

中身のアーキテクチャは744BパラメータのMoEで、前世代のGLM-5と同じ土台なんだって（AI Weekly）。MoE（Mixture of Experts）っていうのは「専門家の集まり」みたいな仕組みで、巨大なAIの中から、その質問に必要な専門家だけを呼び出して動かす方式。だから見た目の規模は744B（7440億）パラメータと巨大でも、実際に毎回フル稼働するわけじゃなくて、効率よく動かせる設計なんだ。

ただ正直に言うと、744Bクラスのモデルを本当に「自分のノートPCでサクサク」っていうのは、まだ現実的じゃない。これだけ大きいと、動かすには結構なメモリやGPUが要る。だから「誰でもすぐ手元で」とまでは言い過ぎないでおくね。

それでも、クラウドのGPUを借りたり、量子化（軽量化）版が出たりすれば、ぐっと身近になる。量子化っていうのは、AIの中の数字をざっくり丸めて、精度をちょっとだけ落とす代わりにサイズを小さくする技術のこと。オープンに公開されること自体が、そういう派生や工夫を生む土壌になるんだ。コミュニティが寄ってたかって使いやすくしてくれるのが、オープンの面白いところだよね。

ここで一回、世間の見方も置いておくね。「どうせ中国製のAIでしょ、データ大丈夫なの?」って身構える人、きっといると思う。でもMITで重みを公開して自分の手元で動かすなら、外のサーバーに何も送らずに完結できる。むしろ「中身が見える・手元で動く」っていうのは、クローズドな海外サービスより安心できる面もあるんだよね。そこは誤解されがちだから、ちゃんと言っておきたかったんだ。

それに、オープンモデルが一個強くなると、業界全体がピリッとするのも好きなところ。有料のクローズドなツールを出してる会社も、「無料でこのレベルが出るなら、うちはもっと頑張らなきゃ」ってなるでしょ。結局その競争のおかげで、わたしたち使う側のツールがどんどん良くなっていくんだ。GLM-5.2の公開は、そういう連鎖の一発になりうると思う。

提供のされ方も幅広くて、有料の「GLM Coding Plan」のLite/Pro/Max/Teamという全プランで使えるうえ、単体のAPI、Z.aiのチャットボット、そして翌週のMIT公開、と入り口がいっぱい用意されてる（AI Weekly）。お金を出して手軽に使うのも、無料で自分で動かすのも、どっちも選べるってことだね。

ベンチマークゼロ公開という潔さと、その裏側

三つ目は、ちょっと珍しい話。GLM-5.2は発表のときにベンチマークを一切出さなかったんだ（AI Weekly）。

ベンチマークっていうのは、AIの性能を共通のテストで点数化したもの。コーディングAIだとSWE-benchっていう「実際のバグ修正をどれだけ解けるか」を測る有名なテストがあるんだけど、それすら今回は数字が公開されてない。

これ、いまのAI業界ではかなり異例なんだよね。普通は新モデルを出すとき、「うちはこのテストで○○点!」「あの有名モデルを超えた!」みたいな派手なグラフを必ず添えてくる。むしろその数字こそが宣伝の主役なくらい。

だからわたしは、この潔さを二つの目で見てる。ひとつはポジティブな見方。「数字で着飾らなくても、使えばわかるでしょ」っていう自信の表れかもしれない。実際、ベンチマークって最近は"対策"が進みすぎて、点数が高くても実務で微妙、みたいなズレも指摘されてるからね。

もうひとつは、慎重な見方。数字を出さないってことは、第三者が客観的に性能を確認できないってこと。「すごい」と言い切るには、まだ外部の検証（third-party evals）待ちなんだ。現時点では独立した評価が出そろってないから、性能の最終ジャッジは保留にしておくのがフェアだと思う。

ちなみにGLM-5.2には「High」と「Max」っていう二段階の思考の深さ、つまりthinking-effortを切り替える仕組みもある（AI Weekly）。これは「軽くサッと考える」か「じっくり深く考える」かを選べる機能。難しいタスクには腰を据えて、簡単なタスクには素早く、みたいに使い分けられるのは賢い設計だと思う。

わたしのスタンスとしては、「期待はする、でも数字が出るまで断言はしない」。新しいオープンモデルが出るたびに過剰に持ち上げて、あとで「思ったほどじゃなかった」ってなるのを何度も見てきたからね。だからこそ、来週の公開後に出てくる第三者の検証を、ちゃんと冷静に待ちたいんだ。

じゃあ、わたしたちはこの「ベンチマークなし」とどう付き合えばいいんだろう。わたしのおすすめは、点数のうわさに振り回されずに、出たら自分の実タスクで小さく試すこと。自分がいつもやる作業を一個投げてみて、しっくりくるかどうか。結局、自分の仕事に合うかどうかは、他人のスコアじゃなくて自分の手で確かめるのが一番なんだよね。

それと、来週の公開後には独立した研究者やコミュニティが、SWE-benchみたいな共通テストでスコアを出してくれるはず。オープンモデルのいいところは、こうやって第三者が遠慮なく検証できること。クローズドだと会社の言い分しか出てこないけど、重みが公開されてれば誰でも測れる。だから数字は、待ってればちゃんと出てくると思う。

逆に言えば、もし実力が本物なら、無料で・MITで・100万トークンで、っていう三拍子そろったコーディングAIになる。そのときのインパクトはかなり大きいと思うよ。だからこそ今は、過剰に持ち上げも、頭ごなしに否定もせず、「楽しみに様子を見る」っていう構えがちょうどいいんだ。

まとめ：判定はまだ保留、でも『選択肢が増えた』のは確実

整理するね。GLM-5.2は、Zhipuが出したコーディング特化のAIで、744BのMoE、100万トークンの長い文脈、最大13万トークン超の出力、二段階の思考切り替え、そして数日後のMITライセンス公開、っていう盛りだくさんな内容だった（AI Weekly）。🌱

ただし正直なところ、性能が「本当にトップ級か」はまだわからない。ベンチマークが一切公開されてないから、第三者の評価が出そろうまで、わたしの判定は保留にしておくね。ここは期待で盛りすぎないのが大事だと思う。

それでもひとつ確実なのは、わたしたちの「選択肢」が確実に増えたってこと。高性能なコーディングAIが、有料プランでも無料の自前運用でも選べる。クローズドな有料ツールに、オープンなモデルがじわじわ迫ってきてる。この流れ自体が、使う側のわたしたちにとっては追い風なんだよね。オープンって、やっぱり強いよ。

もう少し大きな視点で言うとね、ここ最近の流れって「高性能AIは一部の大企業のもの」から「みんなで使えるもの」へ、ゆっくり民主化してるんだと思う。クローズドな有料ツールが先頭を走って、オープンモデルが少し遅れて追いつく。でもその差はどんどん縮まってる。GLM-5.2のMIT公開は、その縮まり方を象徴する一歩なんだよね。

だから今やることはシンプル。来週の公開と、そのあとに出てくる第三者ベンチマークをチェックすること。そのとき数字がちゃんとついてきたら、それはもう「無料で雇えるAIエンジニア」が一人、現実に増えたってことになるからね。そうなったら、また一緒に深掘りしようね。🌱

関連記事: AI業界の最新動向まとめ

ソース:

Zhipu launches GLM-5.2 coding model across all GLM Coding Plan tiers（AI Weekly）