「GLM-5.2がオープンウェイトで公開された——では、これを自分の機材で動かせるのか？」
2026年6月17日、中国のZ.ai（旧Zhipu AI）が新しいコーディング特化モデル GLM-5.2 を公開しました。総パラメータ753B（7,530億）・コンテキスト100万トークン・ライセンスはMITという“フロンティア級なのに完全オープン”なモデルで、コーディング系ベンチマークでは最上位級モデルを上回ったと報じられています（根拠: GIGAZINE）。
結論から言うと、フルサイズをローカルで動かすには“メモリ400GB超”が必要で、一般的な自宅PCの射程外。現実的に載るのは512GB級のMac StudioかマルチGPUサーバーだけで、多くの人にとっては当面クラウド/API利用が現実解です。ただし“オープンウェイトである”ことの意味は別にあります（後述）。
GLM-5.2とは（2026年6月の最新ニュース）
- 公開: 2026年6月17日 / Z.ai（根拠: GIGAZINE）
- 規模: 総パラメータ 753B。MoE（混合エキスパート）構成で、実行時のアクティブは約40Bと報じられています（根拠: VentureBeat）
- 文脈長: 100万トークン
- ライセンス: MIT（商用可・自己ホスト可。根拠: Hugging Face モデルカード / GIGAZINE）→ ローカル運用の前提はクリア
- 配布: Hugging Face zai-org/GLM-5.2
- 用途: コーディング/エージェント。ZCode・Claude Code・OpenCode 等からも利用可
ポイントは、MoEは“実行時に使う量（約40B）”は少なくても、重み全体（753B）はメモリに載せる必要があること。だから「賢いのに比較的速い」一方で、メモリの壁は総パラメータ数で決まります。
必要メモリの試算（量子化別）
総753Bを量子化レベル別に試算した目安が次の通りです（GGUF想定・実際は別途+数%のオーバーヘッド・経験則／要検証。当サイト巨大モデルをローカルで動かすと同じ概算法）。
| 量子化 | ビット相当 | 必要メモリ目安 | 一言 |
|---|---|---|---|
| BF16（無圧縮） | 16bit | 約1.5TB | 非現実的 |
| Q8_0 | 約8bit | 約800GB | サーバーでも重い |
| Q4（INT4） | 約4〜5bit | 約450〜480GB | 実用的な最小ライン |
| Q3 | 約3bit | 約360GB | 品質低下と引き換え |
| Q2 | 約2bit | 約250GB | かなり攻めた圧縮 |
コンテキスト分のKVキャッシュは上記とは別途必要です。100万トークンの文脈をフルに使うとさらに大きく増えるため、ローカルでは文脈長を絞る前提になります（経験則／要検証）。
どの機材なら載るか
量子化してもQ4で約450GB、最も攻めたQ2でも約250GB。これを手持ちの機材に当てると——
| 機材級 | メモリ | GLM-5.2（Q4≒450GB目安） | 判定 |
|---|---|---|---|
| 家庭GPU（RTX 4090 / 5090） | 24〜32GB | 桁違いに足りない | ✕ |
| RTX A6000 | 48GB | 1/9も載らない | ✕ |
| 128GBユニファイド（DGX Spark / Ryzen AI Max 395） | 128GB | Q2でも届かない | ✕ |
| RTX PRO 6000 | 96GB | 単体不可・5〜6枚で射程 | △（マルチGPU） |
| Mac Studio M3 Ultra | 512GB | Q4がぎりぎり / Q3が現実的 | △（速度は要検証） |
| H100 80GB ×8（データセンター級） | 640GB | Q4を快適に | ○（業務・数百万円〜） |
速度の目安: Mac Studio（メモリ帯域 約800GB/s）でアクティブ40BのMoEなら、体感は推測で 10〜20 tok/s 前後（要検証・当サイト未計測）。マルチH100ならさらに速い一方、家庭の24〜48GB GPUは“載らない”ため速度以前の問題です。
つまり、GLM-5.2フルサイズの射程は「512GB Mac Studio」か「マルチGPUサーバー」。一般的な自宅PC（24〜48GB）では、量子化をどれだけ攻めても載りません。手元の構成で何が動くかは動くか診断で確認できます（GLM-5.2級の巨大モデルは“×”判定になります——その裏取りが上の試算です）。
現実解：載らない巨大モデルより「収まる最良のMoE」
これは1兆パラメータ級モデルのときと同じ結論です。“フル品質の巨大モデルを無理に押し込む”より、“メモリに収まる範囲で最良のMoEを選ぶ”ほうが、ほぼ常に正解。当サイトのA6000実測では、35B級のMoEが約122 tok/sの実用速度に達しています。日常のコーディング補助なら、まずはこのクラスで十分戦えます（量子化の選び方は量子化はどれを選ぶを参照）。
では、GLM-5.2のオープンウェイト公開に意味はないのか——そんなことはありません。
- 将来“降りてくる”前提: 蒸留版・小型版・動的量子化が出れば、家庭の射程に入る可能性があります（経験則／要検証）。
- データ主権: MITで自己ホストできるため、コードや社内データを外部APIに出さずに使えます。会社で共有する構成は社内AIサーバーの作り方が参考になります。
- API/クラウド併用: 今すぐ753Bの賢さが必要なら、ローカルに固執せずクラウドと併用するのが現実的です。