【GLM-4.7】Opus 4.5級の性能で激安？新星LLMの実力を徹底検証【モデル評価テンプレート付き】

📅 モデル評価カード (Review Card)

まずは結論から。GLM-4.7を一言で表すと**「9割のOpus 4.5を、1割の価格で提供する実用主義の王者」**です。

1. はじめに：「性能か、価格か」の時代は終わった

2025年末、Claude Opus 4.5の登場により、私たちは「真の知性」を手にしました。しかし、その代償は100万トークンあたり出力$25.00という高額な請求書でした。

「最高の性能を使いたいが、財布が持たない…」 そんなエンジニアの悩みを吹き飛ばすかのように登場したのが、Zhipu AI (Z.AI) のフラッグシップモデル、GLM-4.7です¹。

このモデルの売りは単純明快。「Opus 4.5級の性能を、激安価格で」。 果たしてその看板に偽りはないのか？ベンチマークと実利用の両面から検証します。

2. スペック・価格：驚異の「90% OFF」

まずは最も衝撃的な価格から見ていきましょう²。

価格比較（100万トークンあたり）

GLM-4.7 (Standard)でも、Opus 4.5の約1/10の価格です。さらに驚くべきは、軽量版のGLM-4.7 Flash（$0.07 / $0.40）の存在³。これはDeepSeek-V3と競合する価格帯であり、もはや「トークン課金を気にせず」思考の垂れ流しができるレベルです。

コンテキストウィンドウも200kトークン¹を確保しており、長文ドキュメントの読み込みや、大規模なコードベースの解析にも十分対応できます。

3. 性能検証：本当にOpus 4.5に迫れるのか？

安くても使えなければ意味がありません。特にエンジニアが重視するコーディング性能はどうでしょうか。

コーディング能力 (SWE-bench Verified)

実務的なGitHubイシュー解決能力を測る SWE-bench Verified のスコアを見てみましょう⁴⁵。

• Claude Opus 4.5: 80.9% (絶対王者)
• GLM-4.7: 73.8% (非常に優秀)
• Claude 3.5 Sonnet: ~49-82% (測定時期・手法によりブレあり)

Opus 4.5の「80.9%」という壁は厚いものの、GLM-4.7の「73.8%」は極めて高い数値です。これは、**「超難問以外はGLM-4.7で解ける」**ことを示唆しています。

エージェント適性：「考える」力

GLM-4.7の真骨頂は、単なるコード生成ではなくエージェントとしての振る舞いにあります。 新機能 “Interleaved Thinking” により、モデルはツールを利用する前に「思考プロセス」を挟むようになりました⁶。

これにより、τ²-Bench（ツール利用ベンチマーク）においてスコア84.7を記録し、Claude Sonnet 4.5を上回る結果を出しています⁷。 「自律的に考え、行動する」エージェントを作りたい場合、GLM-4.7はコストパフォーマンス最強の選択肢となり得ます。

4. 日本語能力：違和感ゼロの実力派

海外発のLLMで気になるのが「日本語力」。 結論から言うと、GLM-4.7の日本語は極めて自然です⁸。

• 文体: 翻訳調の不自然さがなく、ビジネスメールやブログ記事もそのまま使えるレベル。
• 文脈理解: 長文の日本語ドキュメントも正確に要約・抽出可能。
• 注意点: 非常に複雑な論理パズルや、日本独自の文脈依存度が高い推論に関しては、Opus 4.5やGPT-4oの方が一枚上手（うわて）な場面も見られます。

しかし、「DeepSeek-V3と同等以上」という評価が多く、日常使いで困ることはほぼないでしょう。

5. 結論：いつ乗り換えるべきか？

GLM-4.7は「Opus 4.5キラー」というよりは、**「Opus 4.5の請求書キラー」**です。

推奨する使い分け戦略：

1. アーキテクチャ設計・最終確認 👉 Opus 4.5
   • 絶対に失敗できない、最高精度の推論が必要な場面。ここにはお金を惜しまない。
2. 日常のコーディング・リファクタリング 👉 GLM-4.7
   • 9割のタスクはこれで十分。コストは1/10に圧縮。
3. 自律エージェントのループ実行 👉 GLM-4.7 (or Flash)
   • 試行錯誤を繰り返すエージェントには、安くて「思考」できるGLMが最適。

Soraのまとめ: 「『性能は妥協したくないけど、コストは下げたい』という欲張りなエンジニアさんにとって、GLM-4.7は救世主になりそうです！まずはFlash版でお試ししてみるのがオススメですよ！」

参考文献