GLM-5.2を無制限で使う方法

GLM-5.2は、自分のハードウェアまたはOpenAI互換API経由で実行できるフロンティアクラスのオープンウェイトモデルです。MITライセンスで提供され、地域制限もないため、重要なのは「どの制限を外したいのか」を切り分け、適切な実行方法を選ぶことです。

今すぐApidogを試す

TL;DR

• GLM-5.2（Z.ai / Zhipu AI）は、約7530億パラメータのMoEモデル、MITライセンス、100万トークンコンテキスト、地域ロックなしのオープンウェイトモデルです。
• 多くの「制限」は、ライセンスではなく、チャットUI、インストラクトチューニング、レート制限、推論ルーティングに由来します。
• Raw APIを使うと、システムプロンプト、temperature、thinking設定を自分で制御できます。
• セルフホストすると、UIフィルターや外部レート制限を避け、実行スタックを自分で管理できます。
• コミュニティのアブリレート済みビルドは、組み込みの拒否反応を弱めるアプローチです。これはDeepSeek R1やQwQでも使われたパターンです。
• セルフホストする場合、モデレーションと法的責任はあなたの側に移ります。

まず「制限」の種類を切り分ける

GLM-5.2で「制限がある」と感じる場合、原因は主に次の4つです。

1. インストラクトチューニングによる拒否
   
   チャットモデル自体が、一部のリクエストを拒否するように調整されています。

2. チャットアプリ側の製品フィルター
   
   Web UIや消費者向けアプリは、モデルの上に独自のモデレーションレイヤーを持つことがあります。

3. プラン・レート制限
   
   無料プランや特定の利用枠では、リクエスト数、コンテキスト長、出力長が制限されます。

4. thinking / 安全ルーティングのオーバーヘッド
   
   拡張推論や安全ルーティングにより、レイテンシーや出力トーンが変わる場合があります。

一方で、GLM-5.2のウェイト自体はMITライセンスで提供されており、地域制限はありません。したがって、問題は「アクセスできないこと」よりも、「どの実行経路を使うか」です。

レバー1：チャットUIではなくRaw APIを使う

最も手軽な改善方法は、チャットアプリではなくAPIを直接呼び出すことです。

GLM-5.2のAPIはOpenAI互換です。

• Base URL: https://api.z.ai/api/paas/v4/
• Endpoint: POST /chat/completions
• Model ID: glm-5.2

curlで呼び出す

thinkingを無効化し、システムプロンプトを明示する最小構成です。

curl https://api.z.ai/api/paas/v4/chat/completions \
  -H "Authorization: Bearer $ZAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "thinking": { "type": "disabled" },
    "temperature": 0.7,
    "messages": [
      {
        "role": "system",
        "content": "あなたは直接的な技術アシスタントです。簡潔に答えてください。"
      },
      {
        "role": "user",
        "content": "アブリレーションがモデルをどのように変更するか説明してください。"
      }
    ]
  }'

OpenAI Python SDKから呼び出す

OpenAI SDKを使う場合は、base_urlをZ.aiに向けるだけです。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_ZAI_KEY",
    base_url="https://api.z.ai/api/paas/v4/",
)

resp = client.chat.completions.create(
    model="glm-5.2",
    temperature=0.7,
    extra_body={
        "thinking": {
            "type": "disabled"
        }
    },
    messages=[
        {
            "role": "system",
            "content": "あなたは直接的な技術アシスタントです。"
        },
        {
            "role": "user",
            "content": "アブリレーションがモデルをどのように変更するか説明してください。"
        },
    ],
)

print(resp.choices[0].message.content)

APIを直接使うメリットは2つあります。

• アプリのデフォルトプロンプトではなく、自分のシステムプロンプトを使える
• thinking: {"type": "disabled"}で、推論フェーズをスキップできる

全パラメータはGLM-5.2 APIガイドで確認できます。

料金は変動するため、実装前に最新情報を確認してください。執筆時点の二次情報では、入力100万トークンあたり約$1.40、出力100万トークンあたり約$4.40とされています。現在の数字はGLM-5.2の料金内訳を確認してください。コストを抑えたい場合は、GLM-5.2を無料で使う方法も参考になります。

レバー2：オープンウェイトをセルフホストする

UIフィルターや外部レート制限を避けたい場合は、セルフホストが最も直接的です。

GLM-5.2はMITライセンスのオープンウェイトとして提供されているため、自分でダウンロードして実行できます。セルフホストした場合、次を自分で管理できます。

• システムプロンプト
• モデレーションポリシー
• レート制限
• ログ管理
• ネットワーク境界
• 推論バックエンド

Ollamaで実行する

最も簡単な方法はOllamaです。

ollama run glm-5.2

ただし、GLM-5.2は約7530億パラメータのMoEモデルです。完全なウェイトを扱うには大きなVRAMが必要です。

現実的には、次のいずれかを選ぶことになります。

• 量子化ビルドを使う
• マルチGPU環境をレンタルする
• より小さなGLM系モデルで開発する
• 本番だけ大きなモデルに差し替える

手元のハードウェアが限られている場合は、GLM-4.7-Flashをローカル実行する方が現実的です。ローカル実行全般はGLMをローカルで実行するガイドとOllamaセットアップウォークスルーも参考になります。

Ollamaでローカル提供すると、OpenAI互換エンドポイントが次のURLで公開されます。

http://localhost:11434/v1

そのため、先ほどのPythonコードはbase_urlを変えるだけで再利用できます。

from openai import OpenAI

client = OpenAI(
    api_key="ollama",
    base_url="http://localhost:11434/v1",
)

resp = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "system", "content": "あなたは技術アシスタントです。"},
        {"role": "user", "content": "このAPI設計の問題点をレビューしてください。"},
    ],
)

print(resp.choices[0].message.content)

レバー3：コミュニティのアブリレート済みビルドを確認する

拒否反応は、インストラクトチューニングに含まれる動作です。オープンモデルのコミュニティでは、完全な再学習を行わずに拒否を誘発する内部表現を抑える方法として、アブリレーションが使われています。

同じパターンは、QwQやDeepSeek R1でも使われています。

GLM-5.2のウェイトはオープンでMITライセンスのため、このアプローチは適用可能です。ただし、既製のGLM-5.2アブリレート済みビルドが常に利用できるとは限りません。提供状況は変わるため、Hugging Faceで現在のビルドを確認してください。

一般的な流れは次の通りです。

1. Hugging FaceでGLM-5.2互換のビルドを探す
2. ライセンスとモデルカードを確認する
3. ウェイトを取得する
4. Ollama、vLLM、または互換ランタイムにロードする
5. OpenAI互換エンドポイントとして提供する
6. 自分のモデレーションレイヤーを追加する

これは組み込みの拒否反応を減らす強力な方法ですが、同時に責任も大きくなります。公開サービスに組み込む前に、ログ、レート制限、利用規約、モデレーションを必ず設計してください。

レバー4：ポリシーを設定できるプロバイダーを使う

セルフホストしたくない場合は、ルーティングプロバイダーを使う方法があります。

GLM-5.2は、OpenRouterでは次のモデル名で扱われています。

z-ai/glm-5.2

また、Ollamaライブラリにもリストされています。

ルーターを使うと、次のような構成にできます。

• アプリ側のコードはOpenAI互換APIのまま維持する
• 基盤モデルやホストを後から切り替える
• 独自のモデレーション設定を適用する
• 消費者向けチャットUIのフィルターを避ける
• 完全なセルフホストより運用負荷を下げる

GLM-5.2を他のオープンな選択肢と比較したい場合は、制限のないLLMのまとめも参考になります。

リリース前にApidogでエンドポイントを検証する

どの方法を選んでも、最終的にはOpenAI互換のchat/completionsエンドポイントを叩くことになります。アプリに組み込む前に、Apidogでリクエストとレスポンスを確認しておくと安全です。

1. 新しいリクエストを作成する

ホスト型APIの場合：

POST https://api.z.ai/api/paas/v4/chat/completions

ローカルOllamaの場合：

POST http://localhost:11434/v1/chat/completions

2. ヘッダーを設定する

ホスト型APIでは認証ヘッダーを追加します。

Authorization: Bearer <YOUR_ZAI_KEY>
Content-Type: application/json

ローカルOllamaでは通常、APIキーは不要です。

3. リクエストボディを送る

{
  "model": "glm-5.2",
  "stream": true,
  "thinking": {
    "type": "disabled"
  },
  "messages": [
    {
      "role": "system",
      "content": "あなたは技術レビューを行うアシスタントです。"
    },
    {
      "role": "user",
      "content": "このAPIレスポンス設計の改善点を指摘してください。"
    }
  ]
}

4. SSEストリームを確認する

Apidogでは、最終テキストだけでなくストリーミングレスポンスも確認できます。

見るべきポイントは次の通りです。

• contentの差分が期待通りに流れるか
• thinkingを有効にした場合の差分
• usageオブジェクトのトークン数
• レイテンシー
• エラー時のレスポンス形式

5. thinkingのオン・オフを比較する

同じプロンプトで次の2パターンを比較します。

"thinking": { "type": "disabled" }

"thinking": { "type": "enabled" }

これにより、本番投入前に次を確認できます。

• システムプロンプトが有効か
• thinkingの有無で出力品質がどう変わるか
• レイテンシーが許容範囲か
• ストリーミング処理がアプリ側で正しく扱えるか

責任について

製品フィルターを避けたり、セルフホストしたりすること自体は正当な用途があります。研究、レッドチーム、内部検証、独自モデレーションの構築などでは一般的です。

ただし、セルフホストした瞬間に、モデレーションと法的リスクはあなたの責任になります。

最低限、次を守ってください。

• 法律と利用するプラットフォームの規約に従う
• 他のユーザーに提供する場合は、用途に合ったモデレーションレイヤーを追加する
• レート制限、ログ、監査、ブロックリストを設計する
• 「制限なし」を、有害または違法なコンテンツを生成する許可と解釈しない
• 誤検知の拒否を減らすことと、安全性を捨てることを混同しない

よくある質問

GLM-5.2は本当にオープンソースですか？

ウェイトはMITライセンスでリリースされています。これは非常に寛容なライセンスの一つであり、ライセンス条件に従えば、商用利用、実行、修正、セルフホストが可能です。詳細はGLM-5.2とは何かを参照してください。

GLM-5.2 APIは応答を検閲しますか？

インストラクトモデルにはチューニングによるアライメントが含まれているため、一部のプロンプトを拒否することがあります。ただし、APIではシステムプロンプトを制御でき、thinkingも無効化できます。組み込みの拒否反応をさらに減らしたい場合は、アブリレート済みビルドのセルフホストを検討します。

GLM-5.2をラップトップで実行できますか？

完全な753Bモデルを一般的なラップトップで実行するのは現実的ではありません。ローカル検証では、量子化ビルド、レンタルGPU、またはGLM-4.7-Flashのような小さなGLM系モデルを使い、必要に応じて大きなモデルへ切り替える構成が現実的です。

GLM-5.2は地域ロックされていますか？

いいえ。ウェイトはMITライセンスで提供されており、地域制限はありません。ただし、ホスト型APIの提供状況はプロバイダーによって異なる可能性があります。セルフホストは誰でも利用できます。