BenchLeader

GLM 5.2

推論エフォート
品質339中53位
58.9Index
上位4分の1
中央値比 +8.7
価格255中181位
$2.15100万トークンあたり
多くのモデルより高い
中央値の2.5倍
速度216中135位
69トークン/秒
中央値より下
中央値の0.8倍
コスパ255中177位
27.4ポイント/$
中央値より下
中央値の0.5倍

よりコスパが高いモデル: GLM 5.3 Flash $0.238/MでIndex 57.8(89%安い)。

より安価でスコアの高いランク付けモデルが11つあります:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50)ほか8つ。

2026年11月16日時点で、GLM 5.2(Zhipu AI)のBenchLeader Indexは58.9です(ランク付け対象は608構成)。最も強いのは指示追従(72)、最も弱いのは知識(44)です。API料金は入力100万トークンあたり$1.40、出力100万トークンあたり$4.40(3:1のブレンドで$2.15)で、2026年11月16日時点の定価です。出力速度は約69トークン/秒です(Artificial Analysis)。2026年6月16日にリリースされました。

要点(2026年11月16日時点)

  • GLM 5.2のAPI料金は入力100万トークンあたり$1.40、出力100万トークンあたり$4.40(3:1のブレンドで$2.15)です(定価、2026年11月16日)。
  • GLM 5.2の出力速度は約69トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GLM 5.2は2026年6月16日にリリースされました(Zhipu AI)。

詳しく見ると:GLM 5.2はZhipu AIのオープンウェイトの推論モデルです(2026年6月16日リリース)。最もスコアの高い構成(推論エフォート max)は、BenchLeader Indexで58.9 ±4.0を記録し、608構成中115位で上位半分に入ります。重要なのはこの「±」です。ほかに231構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では指示追従が最も高く(72)、知識が最も低くなっています(44)。ブレンド価格は100万トークンあたり$2.15で、ランク付けされたモデルの多くより高価です。出力速度は69トークン/秒、回答開始まで26.8秒で、多くのモデルより低速です。9通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$2.15/M
入力$1.40・出力$4.40
出典:Artificial Analysis
出力速度
69 tok/s
Artificial Analysisによる測定
回答開始
27 s
最初のトークン 0.80 s
コンテキスト
1M
出典:models.dev
回答完了まで
57 s
最終測定2026年11月13日
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2026年6月16日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index59
  2. 推論57
  3. コーディング62
  4. エージェント・ツール62
  5. 数学53
  6. 知識44
  7. 指示追従72
  8. 人間の評価66
  9. 長文コンテキスト64

この順位を埋め込む

ほかのバッジスタイル
[![GLM 5.2 on BenchLeader: 総合 53位](https://www.benchleader.com/badge/glm-5-2.svg?style=compact)](https://www.benchleader.com/models/glm-5-2)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Zhipu AIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Zhipu AIはこの名前で8つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
GLM 5.3max2026年8月18日58.8#118
GLM 5.2maxこのページ2026年6月16日58.9#115
GLM 5.12026年4月7日55.4#208
GLM-5thinking2026年2月11日60.2#81
GLM 4.72025年12月22日51.7#303
GLM-4.6thinking2025年9月30日51.4#314
GLM-4.52025年7月28日51.6#308
GLM-4-0520–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
推論なし45.8#443131 tok/s1.94 s$0.0019エージェント・ツール 45 · コーディング 35 · 長文コンテキスト 45 · 数学 44 · 推論 52
minimal––84 tok/s0.80 s$0.0019
low––84 tok/s0.80 s$0.0019数学 55 · 推論 63
medium––84 tok/s0.80 s$0.0019
high––84 tok/s0.80 s$0.0019コーディング 62
xhigh––84 tok/s0.80 s$0.0019
max最良58.9#11569 tok/s27 s$0.0019エージェント・ツール 62 · コーディング 62 · 人間の評価 66 · 指示追従 72 · 知識 44 · 長文コンテキスト 64 · 数学 53 · 推論 57
thinking––84 tok/s0.80 s$0.0019推論 55
未記載51.9#29584 tok/s0.80 s$0.0019エージェント・ツール 51 · コーディング 49 · 人間の評価 51 · 知識 59 · 推論 51

Indexの推移

2026年9月8日〜2026年11月16日
425467
  • max
  • 標準
  • 推論なし

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

メタデータ

ベンチマーク推論なしmax出典推移
AA Openness IndexIndex対象外44.4#9744.4#97Artificial Analysis

推論

ベンチマーク推論なしminimallowmediummaxthinking標準出典推移
GPQA Diamond71.2%#180–87.9%#76–91.9%#34––Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載––––––58.8%#48SimpleBench
Arena Hard Prompts––––1496#44––Arena (LMArena)
LiveBench 1.0 ReasoningIndex対象外エフォート未記載––––––78.6%#55LiveBench
GPQA Diamond (AA)Index対象外68.6%#317–––89.5%#75––Artificial Analysis
Humanity's Last Exam (AA)Index対象外9.8%#349–––41.1%#91––Artificial Analysis
HLE-Diamond (AA)––––17.7%#88––Artificial Analysis
GPQA Diamond (Vals)Index対象外エフォート未記載––––––85.6%#45Vals AI
Kagi LLM Benchmark–––––60.0%#5062.6%#44Kagi LLM Benchmark
ARC-AGI-1エフォート未記載––––––77.0%#135ARC Prize
ARC-AGI-2エフォート未記載––––––22.8%#149ARC Prize
CritPtIndex対象外3.1%#195–––20.9%#68––Artificial Analysis
Arena ExpertIndex対象外––––1502#44––Arena (LMArena)
Chess PuzzlesIndex対象外19.0%#105–18.0%#109–22.0%#91––Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外18.0%#7418.0%#7419.0%#6915.0%#96–––Epoch AI Benchmarking Hub
LMCAIndex対象外––––45.8%#92––Epoch AI Benchmarking Hub
DTBenchIndex対象外––––93.6%#68––Epoch AI Benchmarking Hub

コーディング

ベンチマーク推論なしmediumhighxhighmax標準出典推移
SWE-bench Verified (Epoch)––––78.7%#5–Epoch AI Benchmarking Hub
SciCode36.1%#205–––51.2%#113–SciCode
WeirdML––67.3%#36–70.1%#33–WeirdML
FrontierCode24.5%#37–––––Cognition
Arena Coding––––1515#48–Arena (LMArena)
Arena WebDev––––1608#37–Arena (LMArena)
LiveBench 1.0 CodingIndex対象外エフォート未記載–––––79.7%#23LiveBench
SciCode (AA)Index対象外––––51.2%#113–Artificial Analysis
LiveCodeBenchエフォート未記載–––––69.5%#91Vals AI
SWE-bench (Vals)Index対象外––––82.8%#18–Vals AI
Code MigrationIndex対象外––––37.9%#34–Vals AI
ProgramBenchIndex対象外––––0.5%#19–Vals AI
Vibe Code Bench v1.1Index対象外––––64.0%#60–Vals AI
SWE Atlas v1.0: Codebase QnAIndex対象外エフォート未記載–––––48.1%#5Scale AI SEAL
SWE Atlas v1.0: RefactoringIndex対象外エフォート未記載–––––42.4%#9Scale AI SEAL
SWE Atlas v1.0: Test WritingIndex対象外エフォート未記載–––––41.5%#10Scale AI SEAL
MirrorCodeIndex対象外––––36.7%#30–Epoch AI Benchmarking Hub
Surface Evolver BenchIndex対象外––55.6%#15–––Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外––36.3%#59–43.8%#54–Epoch AI Benchmarking Hub
ALE-BenchIndex対象外––1047.0#64–1010.2#66–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外––––1.0%#160–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外51.7%#118–––77.9%#55–Artificial Analysis
Startrise FrontendIndex対象外エフォート未記載–––––72.1%#14Startrise
GameBench 2 OverallIndex対象外設定全体–––––43.1#43DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外32.4#16140.9#13249.9#9444.5#116––DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載–––––1277#36Design Arena

エージェント・ツール

ベンチマーク推論なしxhighmax標準出典推移
APEX-Agentsエフォート未記載–––45.2%#47Mercor
Arena Agent––0.2#30–Arena (LMArena)
LiveBench Agentic CodingIndex対象外エフォート未記載–––51.8%#39LiveBench
Terminal-Bench Hard––50.8%#22–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外––99.1%#1–Artificial Analysis
Terminal-Bench 2.1 (Vals)––67.8%#32–Vals AI
MCP Atlasエフォート未記載–––77.8%#18Scale AI SEAL
HiL-Benchエフォート未記載–––43.7%#19Scale AI SEAL
τ³-bench BankingIndex対象外–37.1%#11––τ²-bench
GDPval-AA v2.1Index対象外1252#127–1380#94–Artificial Analysis
τ³-Banking (AA)16.7%#112–34.6%#51–Artificial Analysis
ITBench SRE (AA)Index対象外––42.7%#14–Artificial Analysis
APEX-Agents (AA)Index対象外––33.7%#8–Artificial Analysis
Finance Agent v2Index対象外エフォート未記載–––49.7%#47Vals AI
Harvey's Legal Agent Benchmark v1Index対象外––7.1%#30–Vals AI
Legal Research BenchIndex対象外––31.3%#54–Vals AI
SkillsBenchIndex対象外––45.1%#26–Vals AI
SREBenchIndex対象外––0.0%#33–Vals AI
Arena Agent Task CompletionIndex対象外––1.7#27–Arena (LMArena)
PostTrainBenchIndex対象外––30.4%#14–Epoch AI Benchmarking Hub
GBAEvalIndex対象外エフォート未記載–––0.0%#21Epoch AI Benchmarking Hub
Vending-Bench 2Index対象外エフォート未記載–––8313.8#15Andon Labs
AutomationBenchIndex対象外––28.4%#152–Artificial Analysis
GDP.pdf (AA)Index対象外––10.4%#160–Artificial Analysis
EnterpriseOps-GymIndex対象外––42.7%#22–Artificial Analysis
AA-Briefcase v1.1Index対象外––1226#112–Artificial Analysis
Design Arena AgenticIndex対象外エフォート未記載–––1194#36Design Arena

数学

ベンチマーク推論なしlowmax標準出典推移
FrontierMath Tiers 1–342.5%#6454.7%#5459.2%#45–Epoch AI Benchmarking Hub
FrontierMath Tier 4––29.3%#44–Epoch AI Benchmarking Hub
OTIS Mock AIME28.9%#22275.6%#13786.4%#104–Epoch AI Benchmarking Hub
ProofBench––35.0%#44–Vals AI
LiveBench MathematicsIndex対象外エフォート未記載–––89.8%#37LiveBench
AIME 2026汚染の可能性––90.0%#28–MathArena
HMMT February 2026汚染の可能性––92.4%#13–MathArena
MathArena Apex汚染の可能性––19.8%#15–MathArena
Arena Maths––1487#31–Arena (LMArena)

知識

ベンチマークxhighmax標準出典推移
SimpleQA Verified–34.2%#63–Epoch AI Benchmarking Hub
LiveBench 1.0 Data AnalysisIndex対象外エフォート未記載––73.7%#41LiveBench
AA-Omniscience v1.1–0.6#85–Artificial Analysis
MMLU-Proエフォート未記載––86.7%#38Vals AI
LegalBenchエフォート未記載––84.1%#40Vals AI
CorpFinエフォート未記載––66.1%#22Vals AI
TaxEvalエフォート未記載––73.3%#48Vals AI
Excel Modeling BenchmarkIndex対象外エフォート未記載––61.5%#34Vals AI
MedCodeIndex対象外エフォート未記載––40.8%#58Vals AI
MedScribeIndex対象外エフォート未記載––83.5%#45Vals AI
DrugDiscoveryBenchIndex対象外36.2%#15––Scale AI SEAL
EBR-benchIndex対象外–9.5%#26–Epoch AI Benchmarking Hub
AA-Omniscience v1.1: accuracyIndex対象外–21.1%#121–Artificial Analysis
AA-Omniscience v1.1: non-hallucinationIndex対象外–74.1%#27–Artificial Analysis

指示追従

ベンチマークmax標準出典推移
LiveBench LanguageIndex対象外エフォート未記載–76.2%#45LiveBench
LiveBench Instruction FollowingIndex対象外エフォート未記載–62.3%#55LiveBench
IFBench73.3%#41–Artificial Analysis
Arena Instruction FollowingIndex対象外1470#41–Arena (LMArena)

人間の評価

ベンチマークmax標準出典推移
Arena Text1475#39–Arena (LMArena)
EQ-Bench 4エフォート未記載–1208#18EQ-Bench
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1759#28EQ-Bench
Arena Creative WritingIndex対象外1451#38–Arena (LMArena)
Arena Multi-turnIndex対象外1477#49–Arena (LMArena)
Arena Longer QueriesIndex対象外1486#37–Arena (LMArena)

長文コンテキスト

ベンチマーク推論なしmax出典推移
AA-LCR v1.142.3%#37278.3%#127Artificial Analysis
MLCRIndex対象外–12.8%#104Artificial Analysis

総合

ベンチマーク推論なしmax標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––153.0#53Epoch AI Benchmarking Hub
LiveBench 1.0Index対象外エフォート未記載––73.2%#46LiveBench
AA Intelligence Index v4.3.2Index対象外22.4#21033.7#108–Artificial Analysis
AA Progress Index v1Index対象外249#264302.5#119–Artificial Analysis

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外48.7%#68Scale AI SEAL

GameBench 2 Overall: 43.1. GameBench 2, best reasoning setting (High): 49.9. 参考値で、BenchLeader Indexには含まれません。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
Baseten307 tok/s0.34 s$2.10$6.601.0Mfp8
Together215 tok/s0.29 s$1.40$4.401.0M–
CoreWeave166 tok/s0.56 s$0.620$2.421.0Mfp4
Parasail150 tok/s0.64 s$1.40$4.40262kfp4
Wafer126 tok/s0.45 s$0.190$8.001.0Mfp4
Baseten123 tok/s0.36 s$2.10$6.601.0Mfp8
Wafer120 tok/s0.39 s$0.007$6.801.0Mfp4
Mistral109 tok/s0.76 s$1.54$4.841.0M–
Alibaba Cloud Int.101 tok/s1.46 s$2.31$7.261Mfp8
Mistral (nvfp4)98 tok/s1.28 s$1.40$4.401.0Mnvfp4
Inceptron98 tok/s0.86 s$1.40$4.401.0Mfp4
DigitalOcean94 tok/s0.60 s$0.700$2.201.0M–
Relace92 tok/s0.90 s$0.007$7.981.0Mfp4
Nebius Token Factory89 tok/s0.61 s$1.40$4.401.0Mfp4
Ambient88 tok/s0.60 s$0.600$2.00203kfp8
Friendli88 tok/s0.27 s$1.40$4.401.0M–
Venice85 tok/s2.03 s$1.40$4.401Mfp8
Baidu Qianfan (fp4)73 tok/s1.00 s$2.25$7.881.0Mfp4
Alibaba Cloud Int.72 tok/s0.96 s$0.966$3.041Mfp8
Cloudflare71 tok/s0.94 s$0.190$8.00262k–
DeepInfra71 tok/s0.88 s$0.563$1.801.0Mfp4
Morph70 tok/s0.49 s$0.643$1.981.0Mfp8
Baseten70 tok/s2.13 s$1.40$4.401.0Mfp8
SiliconFlow69 tok/s1.19 s$0.651$2.051.0Mfp8
DeepInfra67 tok/s0.97 s$0.844$2.701.0Mfp4
GMICloud58 tok/s3.58 s$1.40$4.401.0Mfp8
NovitaAI57 tok/s2.37 s$0.650$2.041.0Mfp8
Baseten53 tok/s2.21 s$1.40$4.401.0Mfp8
Alibaba Cloud Int.49 tok/s1.27 s$1.12$3.521Mfp8
Z.ai47 tok/s1.86 s$1.40$4.401.0Mfp8
StreamLake43 tok/s1.59 s$0.280$0.8801.0Mfp8
DeepInfra41 tok/s1.84 s$0.450$1.441.0Mfp4
AtlasCloud39 tok/s1.24 s$0.938$2.951.0Mfp8

利用状況

GLM 5.2が実際にどれだけ使われているかを、利用状況を公開しているゲートウェイの報告に基づいて示します。利用状況はIndexには含まれません。よく使われているモデルとプロバイダー

OpenRouter、過去1週間
#32
トークンシェア0.47%
可用性、72時間
99.9%
OpenRouter、全プロバイダー
ツール呼び出しのエラー、7日間
0.84%
ツール呼び出しに占める割合
OpenRouterでの1日あたりのトークン数(2026年10月17日〜2026年11月15日):合計4.00T、前週比 +10%。

直近30日間の典型的なリクエスト:リクエストあたり26.6kトークン、出力1トークンあたり入力31トークン、入力の79%がキャッシュから、出力の50%が推論、リクエストあたり0.29回のツール呼び出し。

OpenRouterでこのモデルに最も多くのトークンを送っているアプリ:HighLevel (1.33T)、Hermes Agent (197B)、Janitor AI (55.8B)、OpenClaw (52.5B)、ISEKAI ZERO (44.3B)。

Vercel AI Gatewayのプロバイダースループット最初のトークン稼働率、1日
Parasail340 tok/s0.44 s100.00%
Inceptron330 tok/s0.48 s99.80%
Together AI268 tok/s0.24 s100.00%
Wafer216 tok/s0.40 s100.00%
Friendli175 tok/s0.18 s99.93%
Runware133 tok/s1.50 s99.99%

出典: 利用状況: OpenRouterのランキング · Vercel AI Gateway, CC BY 4.0・2026年11月16日時点のデータ。

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.260のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0019$0.001531.1 s
30ページのレポートを要約12,000 / 600$0.019$0.009235.5 s
コード編集6,000 / 1,500$0.015$0.009948.5 s
エージェント型コーディングセッション60,000 / 4,000$0.102$0.0501.4 min
構造化データの抽出2,000 / 200$0.0037$0.002029.7 s

このモデルを含むコーディングプラン

GLM 5.2を使えるサブスクリプションです。それぞれの利用上限と、タスクあたりのコストを掲載しています。

Zhipu AIのほかのモデル

今月の新着

GLM 5.2と比較する

関連ページ

埋め込み・引用

GLM 5.2の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![GLM 5.2 on BenchLeader: 総合 53位](https://www.benchleader.com/badge/glm-5-2.svg)](https://www.benchleader.com/models/glm-5-2)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). GLM 5.2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-5-2

BibTeX:

@misc{benchleader_glm_5_2_20261116,
  author       = {{BenchLeader}},
  title        = {{GLM 5.2 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/glm-5-2}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

GLM 5.2のベンチマークスコアは?
2026年11月16日時点で、GLM 5.2(推論エフォート max)のBenchLeader Indexは58.9 ±4.0です。最も強いのは指示追従(72)、最も弱いのは知識(44)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
GLM 5.2の順位は?
2026年11月16日時点で、GLM 5.2(推論エフォート max)はランク付けされた608構成中115位です。ほかに231構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
GLM 5.2の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、GLM 5.2の料金は入力100万トークンあたり$1.40、出力100万トークンあたり$4.40で、ブレンド価格(出力1トークンにつき入力3トークン)は$2.15です。
GLM 5.2はGLM 5.3より優れていますか?
2026年11月16日時点で、GLM 5.2(推論エフォート max)とGLM 5.3(推論エフォート max)の品質はほぼ互角です(BenchLeader Indexで58.9対58.8、±5.0の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
GLM 5.2はいつリリースされましたか?
Zhipu AIが2026年6月16日にGLM 5.2をリリースしました。BenchLeaderには9通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「GLM 5.2:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/glm-5-2