--- title: "GLM Coding Planの料金・使い方とGLM-5.1の性能・VRAM・GGUF【2026年10月】" url: "https://www.issoh.co.jp/tech/details/11717/" published: 2026-04-09 updated: 2026-10-25 categories: ["LLM・RAG"] publisher: "株式会社一創" --- # GLM Coding Planの料金・使い方とGLM-5.1の性能・VRAM・GGUF【2026年10月】 GLM Coding Planは、Z.ai（旧Zhipu AI）のGLMモデルをClaude Code・Codex・OpenCodeなどのコーディングツールから定額で使うサブスクリプションです。2026年7月30日にクレジット制へ移り、10月16日からは従量課金APIとAPIキーが別管理になりました。対応モデルはGLM-5.3とGLM-5.3-Flashだけで、GLM-5.1を指定してもGLM-5.3へ転送されます。 この記事では、Coding Planの上限・料金・接続設定と、2026年4月7日に公開されたGLM-5.1そのもののスペック・ベンチマーク・ローカル実行の要件を、2026年10月25日時点の公式ドキュメントで整理します。GLMシリーズの最新版と世代ごとの違いは[GLM（Z.ai）の世代一覧と料金](/tech/details/12795/)にまとめています。 ## まとめ：GLM Coding PlanとGLM-5.1の要点（2026年10月時点） - 個人プランはLite・Pro・Maxの3段階で、5時間枠と週枠のクレジットで上限が決まります。Liteは5時間2,000・週10,000クレジットです。公式ドキュメントが明記する価格はLiteの月18ドルからだけです。 - 平日15〜19時（日本時間）はピークで、それ以外はモデル呼び出しの消費クレジットが半分になります。公式が半額の対象としているのはモデル呼び出しで、MCPの呼び出しは対象として書かれていません。 - 2026年10月16日以降に作るキーは、Coding Plan用と従量課金用が別物です。従量課金用のキーをツールに入れると、プランの枠ではなく残高から引かれます。 - Team Planは2席からで、公開価格データではStandard Seatが1席月88ドル、Premium Seatが月188ドルです。 - GLM-5.1は総パラメータ約754B・有効約40BのMoEで、重みはMITです。SWE-Bench Pro 58.4は比較表の最高値ですが、NL2RepoやTool-Decathlonではクローズドモデルに及びません。 - GLM-5.1をそのまま使いたいなら、API従量課金（入力1.4ドル・出力4.4ドル／100万トークン）か、2bit系で約221〜252GBのGGUFによるセルフホストを選びます。 ## GLM Coding Planの料金とプラン：個人のLite・Pro・MaxとTeam Plan GLM Coding Planは従量課金APIとは別の契約です。[公式FAQ](https://docs.z.ai/devpack/faq)によると、個人のCoding Plan用キーによる呼び出しはプラン枠を消費し、上限到達後に残高から自動で補填されることはありません。5時間枠を使い切った場合はその回復を、週枠を使い切った場合は週枠のリセットを待ちます。Team Planでは、超過課金を有効にすると枠を超えて利用できます。なお、Z.aiのドキュメントに「Token Plan」という名称のプランはなく、プラン名はGLM Coding Planです。中国本土向けの[BigModel（bigmodel.cn）](https://docs.bigmodel.cn/cn/coding-plan/overview)にも同名のプランがあり、クレジットの枠と倍率は同じですが、サイトと価格表はZ.aiと別です。 ### 個人プランのクレジット上限と週トークンの目安 2026年7月30日以降に新規契約するプランは、トークン使用量から計算するクレジット制です。5時間枠は消費から5時間後に回復し、週枠は契約時を起点に7日ごとにリセットされます。数値は[Coding Planの公式ドキュメント](https://docs.z.ai/devpack/overview)によります。 | プラン | 5時間あたり | 週あたり | GLM-5.3の週トークン目安 | | ---- | ------ | ------- | --------------- | | Lite | 2,000 | 10,000 | 48〜97M | | Pro | 12,000 | 60,000 | 290〜580M | | Max | 28,000 | 140,000 | 676〜1,352M | 週トークンの目安は、公式がキャッシュヒット率95%の場合として示す値です。幅の下限は全部をピーク時間に使った場合、上限は全部をオフピークに使った場合です。キャッシュヒット率が98%なら、Liteで52〜104Mに増えます。並列の目安は、Liteが1プロジェクト、Proが1〜2プロジェクト、Maxが2プロジェクト以上です（[利用ポリシー](https://docs.z.ai/devpack/usage-policy)）。 価格について、公式ドキュメントが明記しているのは「月18ドルから」という下限だけです。ProとMaxの現在の月額は、契約前に[Z.aiの購読ページ](https://z.ai/subscribe)で確認してください。第三者の解説では金額が食い違っています。 ### Team Planの席単価と上限 Team Planは企業・チーム向けのセルフサービス契約です。[Team Planの公式ドキュメント](https://docs.z.ai/devpack/teamplan)によると、最低2席から購入でき、1人1席で共有はできません。Standard SeatとPremium Seatを混ぜて買うことはできず、途中でStandardからPremiumへの変更もできません。 | 席の種類 | 月額（1席） | 5時間あたり | 週あたり | | ------------- | ------ | ------ | ------- | | Standard Seat | 88ドル | 15,000 | 66,000 | | Premium Seat | 188ドル | 35,000 | 155,000 | 月額は、購読ページが読み込む[Team Planの公開価格データ](https://api.z.ai/api/biz/overseas/team/subscribe/product/public%5Fpricing)の月払いの値です（2026年10月25日取得）。Team Planには、コードやプロンプトが既定でモデルの学習に使われない設定、席ごとの利用状況の可視化、枠を超えた分を従量で払い続けられる超過課金（期間限定で定価の10%引き）が付きます。Premium Seatには新モデルの先行利用とピーク時間の優先割り当てが付きます。Standard Seatの週66,000クレジットは、個人のPro（週60,000）より1割多い枠です。 ### 値上げとプラン改定の経緯 「値上げ」で検索される背景には、2026年春の価格改定と、その後2度のプラン移行があります。公式の告知で確認できる流れは次のとおりです。 | 日付 | 変更内容 | | ------------ | ---------------------------- | | 2026年4月21日告知 | 週上限のない旧プランの廃止を発表 | | 2026年4月30日 | 旧プランの自動更新を停止・同等プラン2か月分を付与 | | 2026年7月30日 | クレジット制へ移行・旧プランの新規販売を終了 | | 2026年10月16日 | 従量課金APIとCoding PlanのAPIキーを分離 | [4月の移行告知](https://docs.z.ai/devpack/transition)は、直前に価格を上げていたことを認めたうえで、移行対象者に最新価格の50%割引を用意しました。その時点の標準月額はLite 18ドル・Pro 72ドル・Max 160ドルです。 7月30日より前に契約した人のプランは、管理画面に「Legacy Plan V1」「Legacy Plan V2」と表示されます。[7月30日の告知](https://docs.z.ai/devpack/notice/usage-revision)によると、どちらも現在の請求期間が終わるまで価格・上限・計算方法は変わりません。自動では切り替わらず、V2だけが更新と上位のクレジット制プランへの即時アップグレードができます。V2の上限はプロンプト数で数え、Liteは5時間あたり約80回・週約400回です。検索される「Legacy Max」は、4月30日に自動更新が止まった週上限なしの旧Maxプランを指します。 ## Coding Planのクレジット計算とピーク時間帯 ### 1回の呼び出しで消費するクレジット 消費クレジットは「（入力トークン×入力倍率＋キャッシュ入力トークン×キャッシュ倍率＋出力トークン×出力倍率）÷10,000」で計算します。GLM-5.3の倍率は入力6.9・キャッシュ入力1.7・出力24、GLM-5.3-Flashは2.3・0.56・8です。Web検索・Webページ読み取り・ZreadのMCPは、1回につき1.2クレジットです。 たとえば、新規入力2万・キャッシュ入力8万・出力3千トークンの呼び出しをGLM-5.3で1回行うと、34.6クレジットを消費します。Liteの5時間枠2,000クレジットでは、他の消費がなければこの規模の呼び出しを57回まで行えます（計1,972.2クレジット）。同じ呼び出しをGLM-5.3-Flashにすると11.48クレジットで、約3分の1です。コーディングエージェントは1つの依頼で何十回もモデルを呼ぶので、計画や設計はGLM-5.3、定型の修正やファイル探索はFlashと分けると枠が持ちます。 ### ピーク時間（日本時間の平日15〜19時）とオフピーク割引 ピーク時間は、シンガポール時間（UTC+8）の月曜〜金曜14時〜18時です。日本時間では平日の15時〜19時にあたります。それ以外の時間帯と土日は、モデルの消費クレジットが標準の50%になります。上の例なら1回17.3クレジットで、Liteの5時間枠で115回呼べます。 日本の業務時間の午後はピークと重なります。長時間のエージェント実行や一括リファクタリングをオフピークに回すと、同じ入出力・キャッシュ条件なら同じ枠で約2倍の呼び出し量になります。オフピークは並列の上限も動的に引き上げられます。 ## Coding Planで使えるモデル：GLM-5.1指定はGLM-5.3へ転送 2026年10月25日時点の公式ドキュメントでは、全プランの対応モデルはGLM-5.3とGLM-5.3-Flashです。GLM-5.2とGLM-5.1への要求はGLM-5.3へ、GLM-4.7への要求はGLM-5.3-Flashへ自動で転送されます。設定ファイルに glm-5.1 と書いたままでもエラーにはなりませんが、実際に応答しているのはGLM-5.3です。GLM-4.7側の扱いは[GLM-4.7の仕様とGLM-5.3との使い分け](/tech/details/10576/)で解説しています。 GLM-5.3はテキスト専用、GLM-5.3-Flashは画像も読めます。現在の自動転送が適用される環境でCoding Plan経由のglm-5.1を評価すると、応答するのはGLM-5.3です。過去の評価記録は、実施時点の対応モデルと転送仕様を確認する必要があります。GLM-5.1で固定したいなら、後述のAPI従量課金かセルフホストを使ってください。 ## GLM Coding Planの使い方：APIキーの取得とツール別の接続設定 契約後の手順は、Z.aiにログインしてプランを購読し、プラン用のAPIキーを作り、ツールにエンドポイントとキーを設定する、の3段階です。[対応ツールの一覧](https://docs.z.ai/devpack/tool/others)には、Claude Code・Codex・OpenCode・Cursor・Cline・Kilo Code・Roo Code・Goose・ZCodeなどが並びます。一覧にないツールでは使えません。 ### 2026年10月16日からのAPIキーの分離 [APIキー管理ガイド](https://docs.z.ai/devpack/notice/api-key-management)によると、10月16日以降に作るキーは用途ごとに作成場所が分かれ、キーの種類で課金先が決まります。エンドポイントを変えても課金先は変わりません。 | 使い方 | キーの種類 | 作成場所 | | -------------- | ---------------- | ------------------------------- | | 個人のCoding Plan | API Key | API Keys → Personal Coding Plan | | Team Plan | Team Plan Key | Team Coding Plan → My Plan | | 従量課金・リソースパック | Standard API Key | API Keys → Standard API Key | Coding Planを契約していても、Standard API Keyをツールに入れると、プランの枠ではなく残高から従量で引かれます。10月16日より前に作ったキーは自動で分類され、Coding Planの契約歴があるアカウントのキーは「Compatible」になります。Compatibleキーは従来どおり使えますが、Base URLを従量課金の `https://api.z.ai/api/paas/v4` にすると、プランの枠が残っていても残高から引かれます。プランが切れた後は従量課金へ自動で切り替わらず、Standard API Keyを作って差し替える必要があります。「プランを買ったのに残高が減る」「1113 Insufficient Balance が出る」ときは、キーの種類とBase URL、対応ツールから呼んでいるかを確かめてください。 ### プロトコル別のエンドポイント | 用途 | Base URL | | ------------------------------------ | ------------------------------------- | | Coding Plan（Anthropic Messages） | `https://api.z.ai/api/anthropic` | | Coding Plan（OpenAI Chat Completions） | `https://api.z.ai/api/coding/paas/v4` | | Coding Plan（OpenAI Responses） | `https://api.z.ai/api/v1` | | 従量課金API | `https://api.z.ai/api/paas/v4` | Claude CodeとGooseはAnthropic Messages、CodexはOpenAI Responses、それ以外のOpenAI互換ツールはChat Completionsのエンドポイントを使います。Coding Plan用と従量課金用でパスが `coding/paas/v4` と `paas/v4` の1語しか違わないので、コピー時の取り違えに注意してください。 ### Claude Codeで使う設定（1Mコンテキストと思考の強さ） Claude Codeでは `~/.claude/settings.json` の env に次のキーを追加します。[Z.aiのClaude Code設定ガイド](https://docs.z.ai/devpack/tool/claude)の手動設定から、主なキーを抜き出しています。既存の設定ファイルを丸ごと置き換えず、該当するキーだけを追記してください。 ``` { "env": { "ANTHROPIC_AUTH_TOKEN": "your_zai_api_key", "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]", "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000", "API_TIMEOUT_MS": "3000000" } } ``` モデル名の末尾の `[1m]` と `CLAUDE_CODE_AUTO_COMPACT_WINDOW` の組み合わせで、100万トークンのコンテキストが有効になります。[モデル切り替えガイド](https://docs.z.ai/devpack/latest-model)によると、\[1m\]付きのモデルが存在しないと言われたらClaude Code本体を更新します。思考の強さは /effort で切り替え、既定は max です。思考を無効にする設定は low に変換され、別モデルには切り替わりません。設定は新しいターミナルで claude を起動し直すと反映され、/status でモデル名を確認できます。Claude Code本体の機能と料金は[Claude Codeのできること・使い方・料金](/tech/details/5571/)を参照してください。 ### Codex・OpenCode・Clineで使う設定 [Codexの設定ガイド](https://docs.z.ai/devpack/tool/codex)は、Responses用の `https://api.z.ai/api/v1` を必須としています。`~/.codex/config.toml` にプロバイダを定義し、モデルの情報は別ファイルの `~/.codex/models.json` に書きます（中身は公式ガイドからそのまま写します）。 ``` model_provider = "ZAI" model = "glm-5.3" model_reasoning_effort = "max" model_catalog_json = "~/.codex/models.json" [model_providers.ZAI] name = "ZAI" base_url = "https://api.z.ai/api/v1" experimental_bearer_token = "" wire_api = "responses" ``` 公式ガイドの注記どおり、wire\_api は responses が必須です。OpenCodeやClineのようなOpenAI互換ツールは、Base URLに `https://api.z.ai/api/coding/paas/v4`、モデル名に glm-5.3 か glm-5.3-flash を入れます。ClineではGLM-5.3がテキスト専用なので画像入力のチェックを外し、コンテキスト長を1000000にするよう公式が案内しています。ツールごとの導入手順は[OpenCodeのインストールと設定](/tech/details/10369/)、[ClineのVS Code拡張とCLIの使い方](/tech/details/17387/)で扱っています。手動設定が面倒なら、公式の `npx @z_ai/coding-helper` でツールの導入から設定まで対話式に進められます。 ## Coding Planを契約する前に確認したい制約 Coding Planが向くのは、Claude CodeやCodexを毎日長時間動かし、従量課金だと月数百ドルに届く人です。公式は、オフピークを使い切れば標準APIの従量課金より最大92%安いとしています。次の条件に当たる場合は、従量課金への変更、Team Planの契約、または自動更新の停止を検討してください。 - 自社アプリやバッチ処理からAPIを呼びたい：プランの枠は対応ツールからしか使えません。対応外のツールでの利用はリスク管理の対象で、違反が3回を超えるとアカウント停止もありえます。 - 1つの契約を複数人で使いたい：共有は禁止です。チームならTeam Planを選びます。 - 試しに1か月だけ使いたい：購入後の返金はできません。解約期限は、FAQが「次の請求日の24時間前まで」、利用ポリシーが「3日前まで」と公式文書の中で食い違っています。自動更新を止めるなら3日前までに済ませてください。 - GLM-5.1など特定の版で固定したい：Coding Planで選べるのはGLM-5.3とGLM-5.3-Flashだけです。 開発チームにコーディングエージェントを入れる際の、ツール選定や社内ルールづくりから相談したい場合は、[一創の生成AI導入支援](/service/ai/genai/)で対応しています。 ## GLM-5.1のスペック：754B・有効40BのMoEと200Kコンテキスト | 項目 | GLM-5.1の値 | 出典 | | --------- | ---------------- | ---------------- | | 公開日 | 2026年4月7日 | Z.ai リリースノート | | 総パラメータ | 753,864,139,008 | Hugging Face API | | 有効パラメータ | 約40B | GLM-5 モデルカード | | 層数・専門家 | 78層・ルーテッド256＋共有1 | config.json | | 1トークンの選択数 | 8専門家 | config.json | | コンテキスト長 | 200K | Z.ai ドキュメント | | 最大出力 | 128K | Z.ai ドキュメント | | 入出力 | テキストのみ | Z.ai ドキュメント | | ライセンス | MIT | モデルカード | 公開日は[Z.aiのリリースノート](https://docs.z.ai/release-notes/new-released)、入出力と長さは[GLM-5.1のドキュメント](https://docs.z.ai/guides/llm/glm-5.1)、パラメータ数とライセンスは[Hugging FaceのGLM-5.1モデルカード](https://huggingface.co/zai-org/GLM-5.1)によります。1トークンで動く専門家は8個と共有の1個だけなので計算量は約40B相当ですが、保存する重みは約754Bあります。重み全体をメモリに常駐させる構成では、重みに加えてKVキャッシュなどの領域が必要です。llama.cppでは、メモリに収まらない部分をストレージから読み込む構成も可能ですが、生成速度は低下します。仕組みは[MoE（Mixture of Experts）の疎活性化とルーターの解説](/tech/details/15810/)で扱っています。 Hugging Faceの集計値はGLM-5とGLM-5.1で1パラメータも違わず、構造と必要メモリは据え置きです。改善はmulti-turn SFTと強化学習によるポストトレーニングで、GLM-5から移行するときは重みと一緒にチャットテンプレート（chat\_template.jinja）も差し替えます。 ### 「744B」と「754B」が混在する理由 [GLM-5のモデルカード](https://huggingface.co/zai-org/GLM-5)には「744B parameters (40B active)」とあり、UnslothのGLM-5.1ガイドも744Bと書いています。一方、Hugging Faceが重みファイルから集計した値は753,864,139,008で、差は約99億です。config.jsonの num\_nextn\_predict\_layers: 1 は、投機的デコードに使うMTP（Multi-Token Prediction）層が1層あることを示します。configの値から試算すると、ルーテッド専門家256個分のFFNで1層あたり約97億パラメータになり、注意機構を足すと差分の約99億とほぼ一致します。MTP層を除いた本体が744B、重みファイル全体が754Bと読むのが整合的です（Z.aiは内訳を明示していません）。 ## GLM-5.1のベンチマークと8時間の自律実行 ### GLM-5.1のベンチマーク別の優位点と弱点 数値はHugging FaceのGLM-5.1モデルカードの比較表から抜き出しました。すべてZ.aiの自己申告値です。 | ベンチマーク | GLM-5.1 | GLM-5 | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro | | ------------------------------ | ------- | ----- | --------------- | ------- | -------------- | | SWE-Bench Pro | 58.4 | 55.1 | 57.3 | 57.7 | 54.2 | | CyberGym | 68.7 | 48.3 | 66.6 | 66.3 | 38.8 | | Terminal-Bench 2.0（Terminus-2） | 63.5 | 56.2 | 65.4 | – | 68.5 | | NL2Repo | 42.7 | 35.9 | 49.8 | 41.3 | 33.4 | | MCP-Atlas（公開セット） | 71.8 | 69.2 | 73.8 | 67.2 | 69.2 | | Tool-Decathlon | 40.7 | 38.0 | 47.2 | 54.6 | 48.8 | | HLE（ツールなし） | 31.0 | 30.5 | 36.7 | 39.8 | 45.0 | | GPQA-Diamond | 86.2 | 86.0 | 91.3 | 92.0 | 94.3 | | AIME 2026 | 95.3 | 95.4 | 95.6 | 98.7 | 98.2 | GLM-5.1が最高値を取っているのはSWE-Bench ProとCyberGymで、GLM-5からの伸びもCyberGymの20.4ポイントが最大です。逆に、リポジトリを一から作るNL2RepoではClaude Opus 4.6に7.1ポイント、多数のツールを組み合わせるTool-DecathlonではGPT-5.4に13.9ポイント及びません。HLEやGPQA-Diamondのような知識・推論系では、3つのクローズドモデルをいずれも下回ります。 掲載したSWE-Bench Proの公表値では、GLM-5.1は比較対象のクローズドモデルを上回っています。既存リポジトリのIssue修正に採用する場合は、自社の言語・依存関係・テスト条件でも修正成功率を評価してください。新規リポジトリの一括生成や、多数のSaaSをまたぐエージェントが主用途なら、この表だけで乗り換えを決めるのは早いでしょう。 ### 最大8時間の自律実行の公式事例 [Z.aiの公式モデル解説](https://docs.z.ai/guides/llm/glm-5.1)は、GLM-5.1が単一タスクで最長8時間の自律実行に対応すると説明しています。モデルカードも、数百ラウンドの反復と数千回のツール呼び出しを通じて最適化を続けられる点を強調しています。公式モデル解説が示す事例は、8時間でのLinuxデスクトップ環境の構築、655回の反復でベクトルデータベースのクエリスループットを初期の本番版の6.9倍にした例、KernelBench Level 3での幾何平均3.6倍の高速化（torch.compileのmax-autotuneは1.49倍）です。 いずれもZ.aiの公表値で、第三者の再現は確認できていません。「8時間」は事例の実行時間で、製品の仕様ではありません。長時間の実行を任せるなら、ベンチマークスクリプトと合格条件（性能の目標値と品質の下限）を先に固定してください。基準のない長時間実行は、トークンとCoding Planの枠を消費するだけです。 ## API従量課金でGLM-5.1を呼ぶ方法と単価 GLM-5.1をモデル名どおりに呼びたい場合は、Standard API Keyで従量課金のエンドポイントを使います。[Z.aiの料金表](https://docs.z.ai/guides/overview/pricing)によると、100万トークンあたりの単価は入力1.4ドル・キャッシュ入力0.26ドル・出力4.4ドルで、キャッシュ入力の保存料は期間限定で無料です。GLM-5.2とGLM-5.3も同じ単価なので、価格の面ではGLM-5.1にとどまる利点はありません。GLM-5（入力1ドル・出力3.2ドル）よりは高くなっています。次の例はbashなどのシェル用です。実行前に環境変数ZAI\_API\_KEYへStandard API Keyを設定してください。 ``` curl -X POST "https://api.z.ai/api/paas/v4/chat/completions" \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $ZAI_API_KEY" \ -d '{ "model": "glm-5.1", "messages": [{"role": "user", "content": "Pythonで素数判定の関数を書いて"}], "thinking": {"type": "enabled"}, "max_tokens": 4096, "temperature": 1.0 }' ``` thinking を有効にすると、推論過程を含めて応答します。10月16日より前に作ったCompatibleキーでも、このエンドポイントへ送れば従量課金として残高から引かれます。 ## GLM-5.1のローカル実行：GGUF・llama.cpp・vLLM 重みはMITライセンスなので自社サーバーで運用できますが、BF16のままでは約1.51TBあります。個人や小規模チームが試すなら、GGUF量子化が現実的です。 ### GLM-5.1 GGUFの量子化別ファイルサイズ Hugging Faceの [unsloth/GLM-5.1-GGUF](https://huggingface.co/unsloth/GLM-5.1-GGUF) について、量子化ごとの分割ファイルの合計をAPIで集計しました（2026年9月28日時点）。 | 量子化 | 合計サイズ | Unslothガイドの記載 | | ------------ | --------- | ------------- | | UD-IQ1\_M | 205.5GB | 1bit系 | | UD-IQ2\_XXS | 220.6GB | – | | UD-IQ2\_M | 236.2GB | 256GBのMacに収まる | | UD-Q2\_K\_XL | 252.4GB | 推奨の2bit | | UD-IQ3\_XXS | 268.3GB | – | | UD-Q4\_K\_XL | 466.0GB | 4bitの選択肢 | | Q8\_0 | 801.3GB | 8bit | | BF16 | 1,508.0GB | 非量子化 | [UnslothのGLM-5.1ガイド](https://unsloth.ai/docs/models/glm-5.1)は、VRAMとメインメモリの合計が量子化ファイルのサイズを上回る構成を推奨しています。下回ってもllama.cppはSSDから読み込んで動きますが、生成速度は大きく落ちます。UD-IQ2\_Mは256GBの統合メモリを持つMacに収まり、24GBのGPU1枚と256GBのメインメモリでも専門家をCPU側へ逃がして動かせる、とされています。1bit系は精度の低下が大きいので、まずUD-Q2\_K\_XLかUD-IQ2\_Mで試すのが無難です。形式の違いは[GGUFの仕組みとGPTQ・AWQとの違い](/tech/details/13788/)で解説しています。 ### llama.cppで起動する手順 以下は、GLM-5.1対応のllama.cppをビルドし、実行ファイルを `./llama.cpp/` 直下に置いた環境を前提とします。通常のビルド出力先なら `./llama.cpp/build/bin/` に読み替えてください。温度は一般的な指示なら0.7、ツール呼び出しなら1.0（top-p 0.95）が推奨です。 ``` export LLAMA_CACHE="unsloth/GLM-5.1-GGUF" ./llama.cpp/llama-cli \ -hf unsloth/GLM-5.1-GGUF:UD-IQ2_M \ --ctx-size 16384 \ --temp 1.0 \ --top-p 0.95 ``` OpenAI互換のサーバーにするなら、先に `hf download unsloth/GLM-5.1-GGUF --local-dir unsloth/GLM-5.1-GGUF --include "*UD-IQ2_M*"` で全6分割ファイルを保存し（事前に `pip install -U huggingface_hub`）、llama-server に1本目を渡します。KVキャッシュのメモリはコンテキスト長に比例して増えるので、–ctx-size は必要な分だけにしてください。モデルの上限は200Kです。 ``` ./llama.cpp/llama-server \ --model unsloth/GLM-5.1-GGUF/UD-IQ2_M/GLM-5.1-UD-IQ2_M-00001-of-00006.gguf \ --alias "unsloth/GLM-5.1" \ --temp 1.0 \ --top-p 0.95 \ --ctx-size 16384 \ --port 8001 ``` ### Ollamaのglm-5.1クラウド提供終了日と代替手段 Ollamaの glm-5.1 は、ローカル用の重みを持たないクラウド専用モデルでした。[ライブラリページ](https://ollama.com/library/glm-5.1)には現在「glm-5.1 was retired on September 25, 2026」と表示されており、ollama run glm-5.1:cloud の経路はもう使えません。ローカルで動かすなら、上記のGGUFをllama.cppで直接読み込む方法が確実です。 ### vLLMで本番運用する場合のGPU構成 モデルカードが挙げる対応フレームワークと最低バージョンは、vLLM 0.19.0以上、SGLang 0.5.10以上、xLLM 0.8.0以上、KTransformers 0.5.3以上です。vLLMの公式レシピは、FP8版（zai-org/GLM-5.1-FP8、重み合計約756GB）を141GBのH200を8枚使い、テンソル並列8で動かす構成を例にしています。 ``` vllm serve zai-org/GLM-5.1-FP8 \ --tensor-parallel-size 8 \ --speculative-config.method mtp \ --speculative-config.num_speculative_tokens 3 \ --tool-call-parser glm47 \ --reasoning-parser glm45 \ --enable-auto-tool-choice \ --chat-template-content-format=string \ --served-model-name glm-5.1-fp8 ``` この起動例はMTPとツール呼び出しを併用するので、[vLLMの公式レシピ](https://github.com/vllm-project/recipes/blob/main/GLM/GLM5.md)の注記どおり、vLLMの最新mainブランチを使います。ソースから環境を作る場合、レシピはvLLM 0.19.0とTransformers 5.4.0以上、FP8版ではDeepGEMMの導入を指定しています。vLLMの設計は[vLLMのPagedAttentionと使い方](/tech/details/15786/)で解説しています。 ## GLM-5.1・GLM-5.2・GLM-5.3の選び分けとライセンスの違い | 項目 | GLM-5.1 | GLM-5.2 | GLM-5.3 | | ------------ | ---------- | ---------- | --------------- | | 公開日 | 2026-04-07 | 2026-06-16 | 2026-08-18 | | 総パラメータ（HF集計） | 753.86B | 753.33B | 753.33B | | ライセンス | MIT | MIT | GLM-5.3 License | | API単価（入力・出力） | 1.4・4.4ドル | 1.4・4.4ドル | 1.4・4.4ドル | | Coding Plan | 5.3へ転送 | 5.3へ転送 | 対応 | APIで新しく使い始めるなら、GLM-5.1を選ぶ理由はほぼありません。単価は同じで、GLM-5.2以降はGLM-5.1の200Kに対して100万トークンのコンテキストを扱えます。 ### GLM-5.3 LicenseとMITの許諾条件の違い 重みをダウンロードして使うなら、ライセンスが判断材料になります。[GLM-5.3 License](https://huggingface.co/zai-org/GLM-5.3/blob/main/LICENSE)はMITに近い許諾文ですが、条件が1つ加わっています。利用者またはその関連会社が「Model as a Service」事業を営み、両者の合計売上が連続する12か月で100億ドルを超える場合は、商用利用の前にZ.AIの安全審査を通る必要があります。特定の機能にモデルを組み込んだ製品や、他社がホストするモデルへのリクエストの中継は、ここでいうModel as a Serviceに含まれません。この安全審査条件に該当しない利用者でも、著作権表示・許諾文の保持などの条件は残ります。GLM-5.1とGLM-5.2はMIT、GLM-5.3は独自ライセンスとして、それぞれの許諾文を確認してください。 GLM-5.1を使い続けてよいのは、GLM-5.1のGGUFやFP8版を自社環境に配備し、出力の再現性を検証済みのパイプラインがある場合です。GLM-5.2へ上げると同じ入力でも出力が変わりうるので、評価をやり直す必要があります。避けるべきなのは、画像やPDFをそのまま入力する業務です。GLM-5.1の入力はテキストだけです。 ## GLM Coding PlanとGLM-5.1に関するよくある質問 ### GLM Coding Planは値上げされましたか？ 2026年4月の告知で、Z.aiは直前に価格改定があったことを認めています。その時点の標準月額はLite 18ドル・Pro 72ドル・Max 160ドルです。7月30日以降はクレジット制に変わり、公式ドキュメントに明記されている価格はLiteの月18ドルからという下限だけです。 ### GLM Coding PlanでGLM-5.1は使えますか？ 指定はできますが、要求はGLM-5.3へ自動で転送されます。GLM-5.1で固定したい場合は、Standard API Keyで従量課金のエンドポイントにモデル名 glm-5.1 を指定するか、重みを自社環境で動かしてください。 ### Coding Planを契約したのに残高が減るのはなぜですか？ 多くはキーの種類かBase URLの取り違えです。Standard API Keyはプランの枠を使いません。2026年10月16日より前に作ったCompatibleキーも、従量課金のエンドポイント（paas/v4）へ送ると残高から引かれます。プラン用のキーを作り直し、Coding Plan用のBase URLを設定してください。 ### GLM-5.1をローカルで動かすには、どれくらいのVRAMやメモリが必要ですか？ 目安は、利用可能なVRAMとメインメモリの合計が、重みファイルにKVキャッシュの分を足した量を上回ることです。2bit系GGUF（UD-IQ2\_M）で約236GBあり、256GBの統合メモリを持つMacか、24GB GPUと256GBのメインメモリの組み合わせが目安です。FP8版の本番運用では、H200を8枚使う構成が公式レシピの例です。 ### GLM-5.1は商用利用できますか？ できます。重みはMITライセンスで、著作権表示と許諾文を残せば改変・再配布・ファインチューニングも可能です。売上規模による追加条件があるのはGLM-5.3のライセンスです。 ## 関連記事 - [GLM（Z.ai）とは？最新GLM-5.3までの世代一覧と料金・使い方](/tech/details/12795/) - [GLM-4.7とは？358B MoEの仕様・料金とFlash版、GLM-5.3との使い分け【2026年10月】](/tech/details/10576/) - [Claude Codeとは？できること・使い方・料金：コード解析の実力と導入手順【2026年版】](/tech/details/5571/) - [OpenCodeとは？2.0の変更点・インストール・設定・無料モデルを解説【2026年10月】](/tech/details/10369/) - [GGUFとは？量子化モデルフォーマットの仕組みとGPTQ・AWQとの違い・採用判断を解説【2026年版】](/tech/details/13788/) --- 出典: [GLM Coding Planの料金・使い方とGLM-5.1の性能・VRAM・GGUF【2026年10月】]()（株式会社一創）