中国のAIスタートアップZ.aiが公開した最新モデル「GLM-5.1」。7540億のパラメータを持ちながら、誰でも無料で利用・改変できるオープンなモデルとして注目を集めています。最大の特徴は「長時間にわたって粘り強く考え続ける力」。従来のAIが苦手だった長丁場の作業で、その真価を発揮します。
「すぐ頭打ちになる」AIの弱点を克服した新モデル
2026年4月7日、中国に拠点を置くAIスタートアップ「Z.ai」（旧・智譜AI）が、最新のAIモデル「GLM-5.1」を公開しました。このモデルは、ソフトウェア開発の性能を測るテスト「SWE-Bench Pro」で、GPT-5.4やClaude Opus 4.6といった有料の最先端モデルを上回るスコアを記録しています。
しかし、GLM-5.1の本当の強みは「テストの点数」だけではありません。
これまでの多くのAIには、ある共通の弱点がありました。「最初の数回の試行で手持ちの手段をすべて使い切ってしまい、それ以降は何度やり直しても結果が良くならない」という壁です。人間で言えば、最初の30分は集中して良い仕事をするものの、その後は同じ作業を繰り返すだけで前に進めなくなる——そんな状態に似ています。
GLM-5.1は、この壁を乗り越えるために設計されました。
8時間かけて、じわじわ成果を上げる
GLM-5.1が最も力を発揮するのは、「すぐに答えが出ない難しい課題」に長時間取り組む場面です。Z.aiはこのような長丁場の作業を「ロングホライズンタスク」と呼んでいます。
公開されたデモでは、GLM-5.1に「高速なデータベース管理システムを設計せよ」という課題が与えられました。GLM-5.1は600回以上の試行と6,000回を超える操作を繰り返しながら、段階的にシステムの処理速度を向上させ、最終的に3.6倍の高速化を達成しています。
別のデモでは、「50個のアプリを備えたデスクトップ風のWebサイトを作れ」という指示を受け、8時間かけてタスクバーやウィンドウ、ブラウザ、メッセンジャーといった機能をひとつずつ実装していく様子が公開されました。1時間で骨組みを作り、2時間で基本動作を完成させ、8時間後にはすべてのアプリを実装し終えています。
大切なのは、「所要時間が長い」ということではなく、「時間をかけた分だけ、きちんと良くなり続ける」という点です。従来のAIであれば、数時間動かしても最初の1時間で出した成果から大きく改善されないケースがほとんどでした。GLM-5.1は、試行を重ねるたびに自分の戦略を見直し、うまくいかなかった部分を分析して次の手を打つことができます。
7540億パラメータを「MoE」で効率的に動かす
GLM-5.1の内部構造にも触れておきましょう。このモデルは7540億個のパラメータ（AIが学習した知識の量を示す数値）を持つ大規模なモデルです。
全パラメータを常に動かしていてはコストがかかりすぎるため、GLM-5.1は「MoE（Mixture of Experts）」と呼ばれる設計を採用しています。内部に多数の「専門家」グループを配置し、質問の内容に応じて必要な専門家だけを選んで動かす仕組みです。
巨大な知識の引き出しを持ちながら、質問一つに対しては最小限の計算で答えを出す。このバランスが、長時間にわたる作業でも安定して性能を発揮できる土台になっています。
「オープン」であることの意味
GLM-5.1のもうひとつの大きな特徴は、MIT Licenseという非常に自由度の高いライセンスで公開されている点です。Hugging Faceなどのプラットフォームから誰でもダウンロードでき、商用利用も改変も自由に行えます。
GPT-5.4やClaude Opus 4.6といった有力モデルの多くは、開発元のサービスを通じてのみ利用できる「クローズドモデル」です。利用するたびに料金が発生し、モデルの中身を確認したり手を加えたりすることはできません。
一方で、GLM-5.1のようなオープンモデルは自前の環境で動かすことができ、自社の用途に合わせた調整も可能です。もちろん、動かすには相応のコンピュータ環境や技術力が必要ですが、「特定のサービスに依存しない」という選択肢が生まれること自体に大きな価値があります。
中国発オープンモデルの台頭が意味するもの
ここ数年、中国発のオープンAIモデルが急速に存在感を増しています。2025年のDeepSeek、2026年初頭のQwen3.5やMiniMax M2.7、そして今回のGLM-5.1。いずれも世界のトップモデルと互角以上の実力を持ちながら、無料で公開されています。
この流れが加速すれば、AIを利用するためのコストは下がり、活用の裾野は広がります。一方で、強力なAIが自由に手に入る世界は、セキュリティや倫理面での新たな課題も生み出します。
AIモデルの開発競争は、もはや性能の高さだけを競うフェーズを超えました。「どれだけ粘り強く、実用的な仕事ができるか」「どのような条件で誰が使えるか」——GLM-5.1の登場は、私たちにそうした視点の変化を促しています。
用語解説
MoE（Mixture of Experts）
AI内部に複数の「専門家モジュール」を用意しておき、入力された課題に応じて必要な専門家だけを選んで動かす設計手法。すべてを動かす必要がないため、処理にかかるコストを大幅に抑えられる。パラメータ
AIが学習の過程で調整する数値。一般にパラメータ数が多いほどAIは複雑な処理ができるが、動かすための計算コストも比例して大きくなる。SWE-Bench Pro
AIのソフトウェア開発能力を測るためのベンチマーク（性能テスト）。実際のオープンソースプロジェクトから抽出されたバグ修正課題をAIに解かせ、その正答率でモデルの実力を評価する。オープンモデル
モデルの学習済みデータ（重み）が公開されており、誰でもダウンロードして利用・改変できるAIモデルのこと。クローズドモデルは開発元のサービス経由でのみ利用可能。MIT License
ソフトウェアやAIモデルに適用される許諾条件のひとつ。利用・改変・再配布・商用利用をほぼ制限なく認める、非常に自由度の高いライセンス。Hugging Face（ハギング・フェイス）
AIモデルやデータセットを公開・共有するためのプラットフォーム。オープンソースAIの中心的な存在として、世界中の研究者や開発者に利用されている。ロングホライズンタスク
AIが人間の介入なしに数時間から数十時間にわたって自律的に取り組む、長期間かつ複雑な作業のこと。戦略の見直しや試行錯誤を繰り返しながら成果を出すことが求められる。
出典・参考情報
- GLM-5.1 – Overview – Z.AI DEVELOPER DOCUMENT
Z.aiが提供するGLM-5.1の公式開発者ドキュメント。モデルの概要、対応機能（Thinking Mode、ストリーミング、Function Calling、構造化出力など）、APIの利用方法、SDK（Python・Java）の導入手順を掲載。 - zai-org/GLM-5.1 · Hugging Face
GLM-5.1のモデル公開ページ。モデルの紹介文、ベンチマーク結果（SWE-Bench Pro: 58.4、Terminal-Bench 2.0: 63.5、AIME 2026: 95.3など）、ローカルデプロイ対応フレームワーク（SGLang、vLLM、xLLM、Transformers、KTransformers）の一覧、技術レポートへの参照（arXiv:2602.15763）を掲載。 - Z.ai Blog – GLM-5.1: Towards Long-Horizon Tasks
Z.aiによるGLM-5.1の公式ブログ記事ページ。ロングホライズンタスクへの最適化、従来モデルとの性能比較グラフ、KernelBenchでの試行回数と性能向上の関係などを掲載。
技術とノウハウでデジタルシフトをサポート
中小企業の頼れるパートナー
執筆者: 綾部 一雄（株式会社クロスディーズ 代表取締役）
ネットワーク維持管理、システム開発、ベンダー調整のスペシャリスト。前職では、600名以上の介護事業所で、介護事業用ソフトの導入や契約の電子化、テレワークシステムの導入等に幅広くに携わる。2021年より、株式会社佐々木総研にて業務効率化のためのロボットや最新技術を活用した開発を行っている。