MochiuWiki : SUSE, EC, PCB

「AIモデル - GLM」の版間の差分

← 古い編集
ビジュアルウィキテキスト
 
(同じ利用者による、間の1版が非表示)
1行目: 1行目:
== 概要 ==
== 概要 ==
VS CodeのCline拡張機能とZ.ai GLM-4.7を直接契約して連携させる方法について記載する。<br>
GLM (General Language Model) は、智譜AI (Zhipu AI、国際ブランド名: Z.ai) によって開発された大規模言語モデルシリーズである。<br>
2021年に発表されたオリジナルのGLM論文では、自己回帰型ブランク充填 (Autoregressive Blank Infilling) という独自の事前学習手法が提案された。<br>
この手法は、BERT的双方向エンコーダとGPT的自己回帰デコーダの利点を統合し、自然言語理解 (NLU) と生成 (NLG) の両タスクにおいて優れた性能を発揮する。<br>
<br>
<br>
Z.ai (智譜AI) はGLM-4.7をコーディングツール向けにサブスクリプション形式で提供しており、月額$3から利用できる。<br>
GLMの主要な技術的特徴を以下に示す。<br>
<br>
<center>
{| class="wikitable"
|+ GLMの主要な技術的特徴
! 特徴 !! 説明
|-
| 自己回帰型ブランク充填 || 入力テキストの一部をランダムにマスクし、自己回帰的に予測する事前学習手法
|-
| 2次元位置エンコーディング || マスクされたスパンの位置情報を2次元でエンコードし、文脈理解を向上
|-
| 任意順序でのスパン予測 || マスクされた複数のスパンを任意の順序で予測可能とし、柔軟な生成を実現
|-
| 統一された事前学習目標 || NLUタスク、条件付き生成、無条件生成を単一のフレームワークで扱う。
|}
</center>
<br><br>
 
== 智譜AI (Zhipu AI / Z.ai) ==
智譜AI (Zhipu AI) は、中国の北京市に拠点を置く人工知能企業である。<br>
国際的にはZ.aiというブランド名で展開している。<br>
<br>
==== 会社概要 ====
智譜AIの会社概要を以下に示す。<br>
<br>
<center>
{| class="wikitable"
|+ 智譜AI 会社概要
! 項目 !! 内容
|-
| 正式名称 || Knowledge Atlas Technology Joint Stock Company Limited
|-
| ブランド名 || Zhipu AI（中国国内）/ Z.ai（国際）
|-
| 旧称 || Beijing Zhipu Huazhang Technology Co., Ltd.
|-
| 設立 || 2019年
|-
| 所在地 || 中国北京市
|-
| 創業者 || 唐傑 (Tang Jie) 教授、李涓子 (Li Juanzi) 教授
|-
| 出身 || 清華大学 (Tsinghua University) 計算機科学科
|-
| 上場 || 2025年1月、香港証券取引所（約43.5億香港ドル調達）
|-
| ミッション || 「機械に人間のように思考させる」
|}
</center>
<br>
智譜AIは、清華大学のKnowledge Engineering Lab（知識工学研究室）からスピンアウトした企業であり、北京人工知能研究院 (BAAI) とも密接な連携関係にある。<br>
中国で最初に上場した生成AIスタートアップ企業として知られ、GPT-3.5の発表 (2022年) より前の2021年には既にGLMの研究論文を発表していた先駆的存在である。<br>
<br><br>
 
== GLMシリーズの系譜 ==
GLMシリーズは、初代GLMから最新のGLM-5まで、継続的な改良と機能拡張が行われている。<br>
<br>
==== GLMシリーズ一覧 ====
<center>
{| class="wikitable"
|+ GLMシリーズの主要モデル
! モデル !! リリース時期 !! パラメータ数 !! 主な特徴
|-
| GLM || 2021年 || - || 初代モデル<br>自己回帰型ブランク充填を提案
|-
| GLM-2 || 2022年 || - || 第2世代<br>多言語対応を強化
|-
| GLM-3 || 2023年 || - || ツール使用、エージェント機能を追加
|-
| GLM-4 || 2024年 || - || マルチモーダル対応、128Kコンテキスト
|-
| GLM-4.5 || 2025年7月 || - || Mixture-of-Experts (MoE) アーキテクチャ採用
|-
| GLM-4.6 || 2025年 || - || 推論能力強化版
|-
| GLM-4.6V || 2025年 || - || ビジョン対応、128Kコンテキスト、ネイティブFunction Calling
|-
| GLM-4.7 || 2025年12月 || - || コーディング特化、200Kコンテキスト
|-
| GLM-5 || 2026年2月 || 744B (40B活性化) || MoE、Huawei Ascendで学習、エージェント機能強化
|}
</center>
<br>
GLMシリーズの技術的進化のポイントを以下に示す。<br>
<br>
<center>
{| class="wikitable"
|+ GLMシリーズの技術的進化
! 進化のポイント !! 説明
|-
| アーキテクチャの進化 || 初期の自己回帰型ブランク充填から、MoE (Mixture-of-Experts) アーキテクチャへの移行
|-
| コンテキストウィンドウの拡大 || 初期モデルからGLM-4.7の200Kトークンまで大幅に拡張
|-
| マルチモーダル化 || GLM-4以降、画像・動画・文書理解に対応
|-
| エージェント機能 || GLM-3以降、ツール使用や自律的なタスク実行機能を追加
|-
| ハードウェア独立性 || GLM-5はHuawei AscendチップとMindSporeフレームワークで学習
|}
</center>
<br><br>
 
== GLM-4.7の詳細 ==
GLM-4.7は、2025年12月21日にリリースされたGLMシリーズの主力モデルであり、<br>
特にコーディング能力と推論能力に特化して最適化されている。<br>
<br>
==== GLM-4.7の仕様 ====
<center>
{| class="wikitable"
|+ GLM-4.7 モデル仕様
! 項目 !! 仕様
|-
| リリース日 || 2025年12月21日
|-
| コンテキストウィンドウ || 200,000トークン (約205K)
|-
| 料金（API） || $0.60/百万入力トークン、$2.20/百万出力トークン
|-
| 成功率 || 98%（ベンチマーク全体）
|-
| 特徴 || コーディング、推論、エージェントタスクに最適化
|}
</center>
<br>
==== GLM-4.7のベンチマーク性能 ====
GLM-4.7は、GPT-5、Claude Sonnet 4.5、Gemini 3.0 Pro、DeepSeek-V3.2などの<br>
フロンティアモデルと同等以上の性能を発揮する。<br>
<br>
<center>
{| class="wikitable"
|+ GLM-4.7 ベンチマーク結果
! ベンチマーク !! スコア !! 比較対象
|-
| SWE-bench Verified || 77.8% || GPT-5.1-High、Claude Opus 4.5に匹敵
|-
| SWE-bench || 73.8% || Claude 4.5 Sonnetを上回る
|-
| LiveCodeBench V6 || - || Claude 4.5 Sonnetを上回る
|-
| 推論ベンチマーク (8種) || - || 競合モデルと同等以上
|-
| コーディングベンチマーク (5種) || - || 競合モデルと同等以上
|-
| エージェントベンチマーク (3種) || - || 競合モデルと同等以上
|}
</center>
<br>
GLM-4.7は、17種類のベンチマーク（推論8種、コーディング5種、エージェント3種）で他のフロンティアモデルと詳細な比較が行われている。<br>
オープンウェイトモデルとして公開されており、MITライセンスで利用可能である。<br>
<br><br>
 
== GLM-5の詳細 ==
GLM-5は、2026年2月にリリースされた最新世代のフロンティアモデルである。<br>
<br>
==== GLM-5の仕様 ====
<center>
{| class="wikitable"
|+ GLM-5 モデル仕様
! 項目 !! 仕様
|-
| リリース日 || 2026年2月11日
|-
| 総パラメータ数 || 744億 (744B)
|-
| 活性化パラメータ || 40億 (40B) / トークン
|-
| アーキテクチャ || Mixture-of-Experts (MoE)
|-
| 学習ハードウェア || Huawei Ascend
|-
| 学習フレームワーク || MindSpore
|-
| ライセンス || MIT
|}
</center>
<br>
GLM-5は「Vibe CodingからAgentic Engineeringへ」というパラダイムシフトを目指して設計されており、推論、コーディング、エージェントタスクにおいてオープンソースモデル最高水準の性能を達成している。<br>
また、Huawei AscendチップとMindSporeフレームワークを使用して学習されており、アメリカ製ハードウェアからの完全な独立を実現した点も重要な特徴である。<br>
<br><br>
 
== Z.ai Coding Planの概要 ==
VS CodeのCline拡張機能とZ.ai GLM-5を直接契約して連携させる方法について示す。<br>
<br>
Z.ai (智譜AI) はGLM-5をコーディングツール向けにサブスクリプション形式で提供しており、月額$10から利用できる。<br>
<br>
<br>
GLM Coding Planの主な特徴を以下に示す。<br>
GLM Coding Planの主な特徴を以下に示す。<br>
16行目: 202行目:
! プラン !! 月額料金 !! プロンプト数/5時間 !! 特徴
! プラン !! 月額料金 !! プロンプト数/5時間 !! 特徴
|-
|-
| GLM Coding Lite || $3 (初月半額) || 120プロンプト || 一般的な開発用途向け
| GLM Coding Lite || $18 (初月半額) || 120プロンプト || 一般的な開発用途向け
|-
|-
| GLM Coding Pro || $15 (初月半額) || 600プロンプト || 高頻度利用向け
| GLM Coding Pro || $72 (初月半額) || 600プロンプト || 高頻度利用向け
|}
|}
</center>
</center>
517行目: 703行目:
<br>
<br>
これらはCoding Planに含まれているため、追加料金なしで利用できる。<br>
これらはCoding Planに含まれているため、追加料金なしで利用できる。<br>
<br><br>
== GLMシリーズのモデル一覧 ==
Z.aiが提供するGLMシリーズの主要モデルを以下に示す。<br>
<br>
<center>
{| class="wikitable"
|+ GLMシリーズ主要モデル一覧
! モデル名 !! タイプ !! コンテキスト !! 主な用途 !! 提供形態
|-
| GLM-4-9B || 汎用 || 128K || 一般用途 || オープンウェイト
|-
| GLM-4-32B || 汎用 || 128K || 高性能汎用 || オープンウェイト
|-
| GLM-4.5 || MoE || - || 高効率推論 || API / オープンウェイト
|-
| GLM-4.6V || マルチモーダル || 128K || 画像・動画・文書理解 || オープンウェイト
|-
| GLM-4.7 || コーディング特化 || 200K || コーディング・推論 || API / オープンウェイト
|-
| GLM-5 || MoE (744B) || 200K || フロンティアタスク || オープンウェイト (MIT)
|}
</center>
<br>
各モデルはOllama、Hugging Face、Fireworks、Novita等のプラットフォームでも利用可能である。<br>
<br><br>
<br><br>


618行目: 829行目:


== 参考リンク ==
== 参考リンク ==
* [https://z.ai/ Z.ai 公式サイト]
* [https://z.ai/subscribe Z.ai GLM Coding Plan]
* [https://z.ai/subscribe Z.ai GLM Coding Plan]
* [https://z.ai/model-api Z.ai Model API]
* [https://z.ai/model-api Z.ai Model API]
* [https://z.ai/blog/glm-4.7 GLM-4.7: Advancing the Coding Capability]
* [https://docs.z.ai/devpack/overview Z.ai Developer Document - Overview]
* [https://docs.z.ai/devpack/overview Z.ai Developer Document - Overview]
* [https://docs.cline.bot/provider-config/zai Cline Documentation - Z AI]
* [https://docs.cline.bot/provider-config/zai Cline Documentation - Z AI]
* [https://github.com/cline/cline Cline GitHub]
* [https://github.com/cline/cline Cline GitHub]
* [https://github.com/THUDM/GLM GLM - GitHub (THUDM)]
* [https://github.com/zai-org/GLM-4 GLM-4 Series - GitHub]
* [https://arxiv.org/abs/2103.10360 GLM: General Language Model Pretraining with Autoregressive Blank Infilling (論文)]
* [https://ollama.com/library/glm-4.7 GLM-4.7 - Ollama]
* [https://huggingface.co/zai-org Hugging Face - Z.ai Organization]
<br><br>
<br><br>


628行目: 846行目:
{{#seo:
{{#seo:
|title={{PAGENAME}} : Exploring Electronics and SUSE Linux | MochiuWiki
|title={{PAGENAME}} : Exploring Electronics and SUSE Linux | MochiuWiki
|keywords=MochiuWiki,Mochiu,Wiki,Mochiu Wiki,Cline,Z.ai,GLM-4.7,VS Code,AI,Development,Programming,MCP,Custom Instructions
|keywords=MochiuWiki,Mochiu,Wiki,Mochiu Wiki,Cline,Z.ai,GLM-4.7,GLM-5,GLM,Zhipu AI,智譜AI,VS Code,AI,Development,Programming,MCP,Custom Instructions,大規模言語モデル
|description={{PAGENAME}} - VS Code ClineとZ.ai GLM-4.7の直接契約による設定手順
|description={{PAGENAME}} - GLMシリーズとVS Code ClineとZ.ai GLMの設定手順
|image=/resources/assets/MochiuLogo_Single_Blue.png
|image=/resources/assets/MochiuLogo_Single_Blue.png
}}
}}
「https://mochiu.net/index.php/AIモデル_-_GLM」から取得