GLM-Legal
2026年10月12日に発表された、法律実務とエージェント型ワークフロー向けのモデル。GLM-5.3-Flashを基盤とし、法律コーパスによる中間学習と、模擬法律環境での強化学習を行っている。(z.ai) 複数の資料から争点を抽出し、事実と法的根拠を結び付け、論点や成果物を構成する用途を想定する。契約レビュー、証拠の照合、法令・コンプライアンス調査、法律文書の作成を支援できる。Wordへの変更履歴…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
2026年10月12日に発表された、法律実務とエージェント型ワークフロー向けのモデル。GLM-5.3-Flashを基盤とし、法律コーパスによる中間学習と、模擬法律環境での強化学習を行っている。(z.ai) 複数の資料から争点を抽出し、事実と法的根拠を結び付け、論点や成果物を構成する用途を想定する。契約レビュー、証拠の照合、法令・コンプライアンス調査、法律文書の作成を支援できる。Wordへの変更履歴…
GLM-5.3-Flashは、GLM-5シリーズ初のネイティブマルチモーダルモデル。低コストの推論と、コーディング、視覚理解、エージェント業務を重視している。総パラメーターは320B、活性化パラメーターは18Bで、疎注意と線形注意を組み合わせたアーキテクチャを採用する。公式発表日は2026年8月26日。(z.ai) テキスト、画像、動画、ファイルを入力し、テキストを出力する。コンテキスト長は1Mト…
2026年8月14日に発表された、複雑なコーディング、長期にわたるエージェント作業、サイバーセキュリティ向けのテキストモデル。GLM-5.2と同じ基盤モデルを使い、追加学習の拡大によって能力を改善したと公式に説明されている。(z.ai) コード生成・修正、複数段階のソフトウェア開発、ターミナル操作、長期的なエージェント作業に適する。公式の社内評価では、コーディング能力がGLM-5.2比で50%向上…
GLM-5.2は、長時間にわたるタスク、特にソフトウェア開発やエージェントによる複数段階の作業に向けた旗艦基盤モデルです。公式発表の公開日は2026年6月16日です。モデル重みは公開され、MITライセンスが適用されます。(z.ai) 入出力はテキスト。コンテキスト長は1Mトークン、最大出力は128Kトークンです。(docs.z.ai) 複数の思考モード、ストリーミング、関数呼び出し、コンテキストキ…
SCAIL-2は、参照キャラクターに駆動動画の動きを移す、オープンソースの制御可能なキャラクターアニメーションモデルです。骨格などの中間ポーズ表現を必須としないエンドツーエンド方式を採用しています。(huggingface.co) キャラクターの動作転写、異なる人物間のキャラクター置換、複数キャラクターのアニメーションに対応します。動物による駆動や、SAM3D-Bodyのメッシュ描画を利用したゼロ…
GLM-5.1は、長時間にわたる自律的な作業やエージェント型ソフトウェア開発を対象とするフラッグシップモデルです。公式発表日は2026年4月7日。MITライセンスでモデルが公開されています。(z.ai) 複雑な問題の分解、計画、ツールの実行、結果の確認、戦略の修正を繰り返す長期的なタスクを想定しています。用途にはリポジトリ生成、ソフトウェア開発、ターミナル操作、セキュリティ関連作業などがあります。…
GLM-5-Turboは、OpenClawを用いるエージェントの実行環境向けに最適化された基盤モデルです。複雑な指示の分解、外部ツールやSkillsの呼び出し、定時・継続タスク、長い処理手順の実行を重視しています。公式発表の公開日は2026年3月15日です。 (docs.bigmodel.cn) 複雑な目標を手順に分解し、複数エージェント間の作業分担を支援します。 Function Calling…
GLM-5は、複雑なシステム開発と長時間にわたるエージェント作業を対象とした基盤モデルです。公式発表日は2026年2月12日です。モデルの重みはMITライセンスで公開されています。(z.ai) テキストの入力と出力に対応し、プログラミング、推論、タスクの計画・実行を支援します。 思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力に対応します。 用途には、コー…
GLM-OCRは、文書の光学文字認識と解析に特化した、約9億パラメータの軽量マルチモーダルモデルです。CogViT視覚エンコーダーとGLM-0.5B言語デコーダーを組み合わせています。モデルはMITライセンス、公式リポジトリのコードはApache License 2.0で公開されています。(github.com) 写真、スクリーンショット、スキャン文書などから、本文、手書き文字、コード、印影、数式…
GLM-4.7-Flashは、性能と効率の両立を目指した軽量なテキスト生成モデルです。30B-A3BのMoE構成を採用し、モデルの重みはMITライセンスで公開されています。国内公式の発表では、GLM-4.7の無料版として高頻度の呼び出し向けに位置付けられています。(docs.bigmodel.cn) コード生成、タスク理解、推論、長文処理、文章作成、翻訳、ロールプレイに利用できます。…
GLM-Imageは、知識集約型の表現と高精細な画像生成を重視した、オープンソースの画像生成モデルです。9Bパラメータの自己回帰モデルと7Bパラメータの拡散デコーダーを組み合わせ、指示の理解、画面構成、細部や文字の描画を担います。(zhipuai.cn) テキストから画像を生成し、特に画像内の文字表現や複雑な情報を含む構図に対応します。公式発表では、画像編集、スタイル変換、人物の同一性維持、複数主…
GLM-TTSは、テキストから音声を生成する産業向け音声合成システムです。2025年12月10日に発表され、モデルの重みが公開されました。BigModelではAPIとしても提供されています。(zhipuai.cn) 短い参照音声を用いたゼロショット音声クローンに対応します。公式モデルカードは参照音声の長さを3〜10秒としています。 多報酬強化学習によって感情や韻律の表現を改善し、ストリーミング推論…
GLM-ASR-Nano-2512は、実世界の複雑な音声環境を対象とする、約15億パラメータのオープンソース音声認識モデルです。音声を入力し、文字起こしを出力します。公式発表によると、特徴抽出に用いるWhisper V3音声エンコーダーの追加パラメータは、この15億には含まれていません。モデルカードのライセンス表記はMITです。 (zhipuai.cn) 標準中国語、英語に加え、広東語などの方言に…
WebVIA-Agentは、対話可能なWeb UIをコードに変換して検証する研究フレームワーク「WebVIA」の探索用視覚言語モデルです。GLM-4.1V-9B-Baseを基盤としています。(huggingface.co) Webサイトを探索し、操作によって変化する複数のUI状態のスクリーンショットを取得します。 ページのスクリーンショットやDOMツリーを基に、操作が必要なインタラクティブ要素の特…
UI2Code^Nは、UI画像からフロントエンドコードを生成し、視覚的なフィードバックを用いて反復的に改善するための視覚言語モデルです。GLM-4.1V-9B-Baseを基盤としています。(huggingface.co) UIのスクリーンショットからHTML、CSS、Reactなどのコードの初稿を生成します。 自然言語の指示に基づいて既存UIを編集します。 生成コードのレンダリング結果を参照し、元…
Glyphは、長文を画像に変換して視覚言語モデルで処理する「視覚・テキスト圧縮」により、長いコンテキストを効率的に扱うためのモデルとフレームワークです。公開モデルはGLM-4.1V-9B-Baseを基にしています。(github.com) 長文を画像として入力し、指示や質問に対してテキストで回答します。長文の質問応答や文書理解などに利用できます。公式リポジトリによると、英語・中国語向けのレンダリン…