2. トークン単価は「誤解を招く」コスト指標

ベンチマークの結果、モデルのトークン単価は、エージェント型コーディングワークフローにおける実際の総コストを正確に予測できないことが判明しました。大きなモデルほどトークン効率が格段に高くなる場合があり、トークン単価が安いモデルでも、同じタスクを完了するためにより多くのトークンを消費するため、結果的に総コストが高くなるケースがあるのです。この発見により、DatabricksはAPIの単価ではなく、タスク完了までのエンドツーエンドの実コストでモデルを評価する方針に転換しました 。

3. 総所有コスト（TCO）でGLM 5.2が優位

Z.aiのAPIを通じたGLM 5.2の価格は、入力トークン100万トークンあたり約1.40ドル、出力トークン100万トークンあたり約4.40ドルです 。例えば、月間1000万トークンを処理し、入出力が50:50のチームの場合、月額コストは約29ドルとなります 。一方、競合モデルであるAnthropicのOpus 4.8は、入力5ドル/出力25ドル（100万トークンあたり）であり、ベンチマークスコアが同等かやや優れている程度であっても、コストは3〜6倍にもなります 。1タスクあたりのコストで見ると、Databricksのテストでは、GLM 5.2をPiエージェントで使用した場合、成功率87.5%を1タスクあたり1.25ドルで達成。一方、Opus 4.8をClaude Codeで使用した場合は、同等の成功率で1タスクあたり2.00ドルと、コスト差は歴然でした 。

DatabricksがGLM 5.2を採用した理由

1. フロンティアモデルに匹敵する性能を、はるかに低いコストで

GLM 5.2はSWE-bench Proで62.1を記録し、OpenAIのGPT-5.5（58.6）を上回り、AnthropicのOpus 4.8にわずか数ポイント差に迫りました 。FrontierSWE Dominanceでは74.4%を達成し、Opus 4.8の75.1%に肉薄しています 。Databricksの内部テストでも、この中国のオープンウェイトモデルが、同じ実世界のエンジニアリングタスクにおいて、主要なプロプライエタリモデルの能力に匹敵、または接近していることが確認されました 。

2. MITライセンスによる柔軟なデプロイ

GLM 5.2はMITライセンスの完全なオープンウェイトモデルです。これにより、Databricksは社内のインフラにデプロイし、ファインチューニングを行い、エージェント型コーディングワークフローに緊密に統合することが可能になりました。シート単位のライセンスやベンダーロックインの心配はありません 。このライセンス形態により、企業は高頻度利用においてもAPIコストを繰り返し支払うことなく、自社のインフラでモデルを稼働させることができます。

3. 長期間・多段階のタスクへの適合性

今回のベンチマークは、複数のファイルや推論ステップにまたがるエージェント型のコーディング編集に焦点を当てていました。GLM 5.2は、100万トークンのコンテキストウィンドウと7440億パラメータのMoE（Mixture-of-Experts）アーキテクチャを備え、単一ファイルのオートコンプリートではなく、リポジトリ規模の長期間にわたる作業向けに特別に最適化されています 。コマンドラインやエージェントタスクの実行をテストするTerminal-Bench 2.1では81.0を記録し、オープンソースモデルとして最強の座を獲得。Claude Opus 4.8（85.0）に次ぐ結果を残しました 。

2. トークン単価は「誤解を招く」コスト指標

ベンチマークの結果、モデルのトークン単価は、エージェント型コーディングワークフローにおける実際の総コストを正確に予測できないことが判明しました。大きなモデルほどトークン効率が格段に高くなる場合があり、トークン単価が安いモデルでも、同じタスクを完了するためにより多くのトークンを消費するため、結果的に総コストが高くなるケースがあるのです。この発見により、DatabricksはAPIの単価ではなく、タスク完了までのエンドツーエンドの実コストでモデルを評価する方針に転換しました 。

3. 総所有コスト（TCO）でGLM 5.2が優位

Z.aiのAPIを通じたGLM 5.2の価格は、入力トークン100万トークンあたり約1.40ドル、出力トークン100万トークンあたり約4.40ドルです 。例えば、月間1000万トークンを処理し、入出力が50:50のチームの場合、月額コストは約29ドルとなります 。一方、競合モデルであるAnthropicのOpus 4.8は、入力5ドル/出力25ドル（100万トークンあたり）であり、ベンチマークスコアが同等かやや優れている程度であっても、コストは3〜6倍にもなります 。1タスクあたりのコストで見ると、Databricksのテストでは、GLM 5.2をPiエージェントで使用した場合、成功率87.5%を1タスクあたり1.25ドルで達成。一方、Opus 4.8をClaude Codeで使用した場合は、同等の成功率で1タスクあたり2.00ドルと、コスト差は歴然でした 。

DatabricksがGLM 5.2を採用した理由

1. フロンティアモデルに匹敵する性能を、はるかに低いコストで

GLM 5.2はSWE-bench Proで62.1を記録し、OpenAIのGPT-5.5（58.6）を上回り、AnthropicのOpus 4.8にわずか数ポイント差に迫りました 。FrontierSWE Dominanceでは74.4%を達成し、Opus 4.8の75.1%に肉薄しています 。Databricksの内部テストでも、この中国のオープンウェイトモデルが、同じ実世界のエンジニアリングタスクにおいて、主要なプロプライエタリモデルの能力に匹敵、または接近していることが確認されました 。

2. MITライセンスによる柔軟なデプロイ

GLM 5.2はMITライセンスの完全なオープンウェイトモデルです。これにより、Databricksは社内のインフラにデプロイし、ファインチューニングを行い、エージェント型コーディングワークフローに緊密に統合することが可能になりました。シート単位のライセンスやベンダーロックインの心配はありません 。このライセンス形態により、企業は高頻度利用においてもAPIコストを繰り返し支払うことなく、自社のインフラでモデルを稼働させることができます。

3. 長期間・多段階のタスクへの適合性

今回のベンチマークは、複数のファイルや推論ステップにまたがるエージェント型のコーディング編集に焦点を当てていました。GLM 5.2は、100万トークンのコンテキストウィンドウと7440億パラメータのMoE（Mixture-of-Experts）アーキテクチャを備え、単一ファイルのオートコンプリートではなく、リポジトリ規模の長期間にわたる作業向けに特別に最適化されています 。コマンドラインやエージェントタスクの実行をテストするTerminal-Bench 2.1では81.0を記録し、オープンソースモデルとして最強の座を獲得。Claude Opus 4.8（85.0）に次ぐ結果を残しました 。