オープンウェイト
GLM-5 オープンウェイト：ダウンロードおよび実行可能なモデル
§ 01リポジトリ
ウェイトが公開されているGLM-5モデル
公式のHugging Faceリポジトリが存在するモデルのみを掲載しています。パラメータ数はモデルカードに明記されている場合のみ表示しています。
| モデル | Hugging Faceリポジトリ | ライセンス | パラメータ数 | 入力 | リリース日 |
|---|---|---|---|---|---|
| GLM-5 | zai-org/GLM-5 | MIT | 744B / 40B active | テキスト | 2026/02/11 |
| GLM-5.1 | zai-org/GLM-5.1 | MIT | 非公開 | テキスト | 2026/04/07 |
| GLM-5.2 | zai-org/GLM-5.2 | MIT | 非公開 | テキスト | 2026/06/16 |
| GLM-5.3 | zai-org/GLM-5.3 | GLM-5.3 (custom) | 非公開 | テキスト | 2026/08/18 |
| GLM-5.3 Flash | zai-org/GLM-5.3-Flash | MIT | 320B / 18B active | テキスト, 画像, 動画 | 2026/08/26 |
各Hugging Faceリポジトリに記載されているライセンス。商用利用の前に、必ずライセンス全文をご確認ください。
API限定（公開ウェイトなし）：GLM-5-Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime
§ 02背景
GLM-5におけるオープンウェイトの意味
簡易版ではなく、本物の重みを公開
オープンウェイト（open-weights）での公開とは、学習済みのパラメータ自体が公開されていることを意味します。ファイルをダウンロードし、自身で管理するハードウェア上で実行、検査、ファインチューニングが可能です。GLM-5では、これらはZ.aiがAPIを通じて提供しているものと同じモデルであり、機能を縮小したデモ版ではありません。GLM-5のリポジトリには、技術レポート「GLM-5: from Vibe Coding to Agentic Engineering」（arXiv 2602.15763）およびデプロイ例を含むGitHubリポジトリが付属しています。
オープンウェイトは、厳密な意味での完全なオープンソースとは異なります。学習データや完全な学習パイプラインは公開されていません。提供されるのは、モデル本体、その設定ファイル、トークナイザー、チャットテンプレート、そしてZ.aiによるサービング手順のドキュメントです。
MITライセンスとGLM-5.3ライセンスの違い
GLM-5、GLM-5.1、GLM-5.2、GLM-5.3 FlashはMITライセンスの下でリリースされています。MITは最も寛容なライセンスの一つであり、著作権表示およびライセンス表示を保持する限り、商用利用、改変、再配布が認められています。
GLM-5.3は異なります。そのHugging Faceリポジトリではライセンスが「other（その他）」、名称がglm-5.3と記載されており、Z.ai独自のカスタムライセンスであることを示しています。MITと同じ自由が認められていると思い込まず、特に商用サービスの提供や派生モデルの配布を計画している場合は、利用規約を必ず確認してください。
- 寛容なライセンス（MIT）: GLM-5、GLM-5.1、GLM-5.2、GLM-5.3 Flash。
- カスタムライセンス: GLM-5.3。
- ダウンロード不可: GLM-5 Turbo、GLM-5V-Turbo、GLM-5.3 FlashX、GLM-5.3 Prime。
どのオープンモデルから始めるべきか
同ファミリーの中で最も高性能なオープンコーディングモデルを求め、ライセンス条件が用途に合致する場合は、GLM-5.3が適しています。寛容なライセンスと画像・動画入力が必要な場合は、GLM-5.3 Flashが自然な選択肢となります。Z.aiの報告によると、320B中わずか18Bのアクティブパラメータを使用しながらGLM-5.2を上回る性能を発揮します。安定した1Mトークンのコンテキストを持つフラッグシップ系統をMITライセンスで利用したい場合はGLM-5.2、研究用途で最もドキュメントが充実した出発点を求める場合はGLM-5が最適です。
§ 03ローカル環境での実行
ローカルサービングの仕組み
全体的な概要です。詳細については、各モデルカードやフレームワークの公式ドキュメントをご確認ください。
サービングフレームワークの選択
GLM-5のモデルカードには、ローカルデプロイ向けとしてvLLM、SGLang、KTransformers、xLLM、Hugging Face Transformersが記載されています。GPU上でOpenAI互換サーバーを構築する場合、一般的にはvLLMやSGLangが選ばれます。KTransformersはCPUとGPUを併用した超大規模Mixture-of-Expertsモデルの実行に特化しており、xLLMはAscend NPU向けとして案内されている手段です。また、GLM-5.2およびGLM-5.3 Flashのカードには、ローカル実行用のUnslothガイドへのリンクも掲載されています。
起動後、APIと同様に呼び出す
サーバーが起動すると、ホスト型APIと同じChat Completionsエンドポイントが公開されるため、当サイトのAPIページにあるコードサンプルをlocalhost向けにそのまま利用できます。ツール呼び出しや思考プロセスが最終回答と正しく分離されるよう、モデルカードに指定されているtool-callパーサーおよびreasoningパーサーを使用してください。
ハードウェア構成を堅実に見積もる
これらは最先端規模のフロンティアモデルです。Mixture-of-Experts（MoE）によるスパース性があっても、すべての重みをメモリに保持する必要があり、長いコンテキストではさらに膨大なKVキャッシュが加わります。公式のGLM-5の実装例では、モデルを8基のGPUにシャーディングして配置しています。小規模な環境では、品質をある程度犠牲にしてサイズを抑えたコミュニティ製の量子化ビルドが利用されます。
GLM-5モデルカードからの例
vllm serve zai-org/GLM-5 \
--tensor-parallel-size 8 \
--gpu-memory-utilization 0.85 \
--speculative-config.method mtp \
--speculative-config.num_speculative_tokens 3 \
--tool-call-parser glm47 \
--reasoning-parser glm45 \
--enable-auto-tool-choice \
--served-model-name glm-5これらのコマンドはzai-org/GLM-5のモデルカードからの引用です。フラグやバージョンは変更される可能性があるため、実行前にモデルカードおよびフレームワークのリリースノートをご確認ください。
モデルカードに記載されているフレームワーク
ハードウェアに関する注意：GPUやメモリの要件はあえて記載していません。これらは精度、量子化、フレームワーク、コンテキスト長に依存するためです。1Mトークンのコンテキスト（1.05M）は、短いコンテキストよりもはるかに多くのメモリを消費します。フレームワークのドキュメントを参考にハードウェア構成を決定し、実際のワークロードで検証してください。
§ 04よくある質問
オープンウェイトに関する質問
Q01ダウンロード可能なGLM-5モデルはどれですか？
GLM-5、GLM-5.1、GLM-5.2、GLM-5.3、およびGLM-5.3 Flashは、Hugging Faceのzai-org組織下で公開されています。
Q02GLM-5の重み（ウェイト）は商用利用できますか？
MITライセンスが適用されているモデル（GLM-5、GLM-5.1、GLM-5.2、GLM-5.3 Flash）は、ライセンス表示を維持することで商用利用が可能です。GLM-5.3には独自のカスタムライセンスが適用されているため、事前に利用規約をご確認ください。
Q03ノートPCでGLM-5を実行できますか？
フルサイズでの実行は不可能です。GLM-5.3 Flashでさえ合計3,200億（320B）パラメータを備えています。高度に量子化されたコミュニティビルドであればメモリ要件を下げることができますが、フル品質のモデルはマルチGPUサーバーでの運用を想定しています。
Q04GLM-5 TurboやGLM-5.3 Primeはオープンウェイトですか？
いいえ。GLM-5 Turbo、GLM-5V-Turbo、GLM-5.3 FlashX、およびGLM-5.3 PrimeはAPI経由でのみ提供されています。
Q05これらのモデルを手軽に試す方法はありますか？
はい。当サイトの無料チャットでは、セットアップ不要でブラウザからGLM-5.3 FlashおよびGLM-5.3を利用できます。ハードウェアへの投資を検討する前の評価に最適です。
今すぐ試す
GLM-5.3 に実践的な質問をしてみましょう。
アカウント登録・クレジットカード・インストールは不要。質問を入力するだけで、GLM-5.3 Flash がわずか数秒で回答します。難問には GLM-5.3 に切り替えて対応可能です。