GLM-5 は、GLMモデルファミリーの現行世代を切り開いたリリースです。4.x 系より明確に強いコーディングの基礎能力、より確実な複数ステップの実行、そして計画が実際のツール出力に耐えなければならない複雑なエージェントタスクでの明らかに良好な挙動を備えて登場しました。長時間の推論、エージェント型エンジニアリング、MIT のオープンウェイトという、いま5シリーズが評価されている要素はすべてここから始まります。
モデル開発元が完全な比較表を公表しているのは GLM-5.2 と GLM-5.1 だけであるため、GLM-5 には独自のベンチマーク列がありません。このページはその点に正直です。数値を創作する代わりに、公表されたスペックと位置づけ、そして最も近い公表参照列を提示します。判断に確かなスコアが必要なら、フラッグシップのページをご覧ください。
登録もアカウントもクレジットも不要。プロンプトを入力すれば、その場で回答がストリーミングされます。
ここに回答がストリーミングされます...
このプレイグラウンドは OpenRouter 経由で無料のオープンソースLLMを実行しています。GLM-5.2 ではなく、GLMのウェイトも使用していません。以下に掲載したGLMの公表ベンチマークを読みながら、稼働中のモデルを実際に試せるように用意したものです。
4.x 系から GLM-5 への一歩は、派手な能力向上というより信頼性の話でした。複数ステップの実行は、エージェント作業が完走できるかを静かに決める部分です。見事に推論できてもステップを落とす、制約を忘れる、すでに終えた作業をやり直す——そんなモデルは50ターンの軌跡を生き延びられません。GLM-5 はその挙動を引き締め、同時にコーディングと複雑なエージェントタスクの扱いも改善しました。だからこそ続く2つのリリースは、基本的な信頼性ではなく時間軸の長さに集中できたのです。5シリーズは3つの動きとして読めます。GLM-5 が長い軌跡を確実にし、GLM-5.1 がそれを長くし、GLM-5.2 がアテンションスタックを共有インデクサ中心に再構築して極めて長くした、というわけです。
公表された比較表がカバーするのは GLM-5.2 と GLM-5.1 です。以下の列は GLM-5.1 のもので、GLM-5 世代に最も近い公表参照点になります。GLM-5 自体のベンチマーク列は公表されておらず、当サイトで創作もしていません。
上の列は GLM-5 のスコアではなく、上限の目安として捉えてください。GLM-5 の直後の世代がどこに着地したかを示しています。AIME 2026 で95.3、GPQA-Diamond で86.2、MCP-Atlas で71.8、SWE-bench Pro で58.4、一方で長時間タスクの項目はまだ弱いままです。実測性能でGLMモデルを選ぶなら、公表列があるのは GLM-5.2 と GLM-5.1 の2つだけで、その直接対決では GLM-5.2 が全項目で勝っています。
Terminal-Bench 2.1（Terminus-2）での比較。モデル開発元の公表値です。
チャートは Terminal-Bench 2.1 における5シリーズの推移をオープンウェイト勢と並べて示しています。GLM-5.1 の63.5 と MiniMax M3 の65.0 は同じ帯に収まり、Qwen3.7-Max が75.0 に達し、GLM-5.2 が81.0 で抜け出します。GLM-5 はこれらの測定より前のモデルなので、その位置は実測ではなく位置づけからの推定にすぎません。設計レビューで根拠にできる数値が必要なら、フラッグシップのページへ移るべき理由がここにもあります。
GLM-5 は GLM-4.7 に続き、GLM-5-Turbo、GLM-5.1、GLM-5.2 に先行します。精神的な直系の後継は GLM-5-Turbo で、同じベースを動的で長い連鎖のエージェントシナリオ向けに調整したものです。今日の本番用途では、ファミリーは GLM-5.2 を指し示します。GLM-5 が重要なのは主に、現行世代の設計判断が定まった地点だという点においてです。
GLMモデルのベンチマークを読んだら、実際のモデルを動かしてみてください。上のプレイグラウンドは無料で、何の登録も必要ありません。より本格的なAIツールが必要なら、パートナーの無料プランをどうぞ。