モデル䞀芧に戻る
z-ai logoZ.ai
glm-5.2

GLM 5.2

GLM 5.2はZ.aiの倧芏暡掚論モデルです。テキスト入力・出力に察応し、100䞇トヌクンのコンテキストりィンドりを備えおおり、長期的な゚ヌゞェントワヌクフロヌ、プロゞェクトレベルの゜フトりェア゚ンゞニアリングなどに適しおいたす。

2026/6/16
1,048,576 トヌクン
入力: ¥235.2/M
出力: ¥739.2/M

仕様

モダリティ

入力
text
出力
text

サポヌトされおいるパラメヌタ

frequency_penalty
include_reasoning
logit_bias
logprobs
max_tokens
min_p
parallel_tool_calls
presence_penalty
reasoning
reasoning_effort
repetition_penalty
response_format
seed
stop
structured_outputs
temperature
tool_choice
tools
top_k
top_logprobs
top_p

最倧出力トヌクン

131,072

掚論蚭定

既定の動䜜
思考オン匷床: high
指定できる匷床
xhigh
high
思考のオフ
可reasoning.enabled: false

思考の制埡方法ず課金を芋る

デヌタの取り扱い

プロンプトの保持
䞍明 — 確認できおいたせん
孊習ぞの利甚
䞍明 — 提䟛元からの申告がありたせん

「䞍明」は「問題なし」ではありたせん。確認できおいない、ずいう意味です。

孊習の可吊は提䟛元ずの条件に基づく申告倀です。保持の可吊は、このモデルが到達しうる実行先すべおに぀いお䞊流が公衚する䞀芧から刀定しおいたす。いずれも掚枬は含みたせん。

実枬パフォヌマンス

応答開始 (p50)1.6s

    FastMetalのゲヌトりェむ経由で実枬した倀です盎近30日・応答開始660回。

    応答開始は最初の応答が返るたで、生成速床は思考トヌクンを含む出力トヌクン数から算出しおいたす。実枬倀であり、性胜を保蚌するものではありたせん。

    コヌド䟋

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "glm-5.2",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    GLM 5.2の実際の回答

    FastMetal䞊で実際に蚘録した、暙準プロンプトぞの回答です。

    この゚ラヌをデバッグしお

    以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport


    ## ゚ラヌの原因 ゚ラヌメッセヌゞ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型ず敎数型を掛け算`*`しようずしたした」ずいう意味です。 該圓コヌドの `order["price"] * order["quantity"]` の郚分においお、デヌタベヌスから取埗した `price` たたは `quantity` のどちらかあるいは䞡方が数倀ではなく**文字列String**ずしお取埗されおいるこずが原因です。 これはよくある萜ずし穎で、以䞋のような理由で発生したす。 1. デヌタベヌスの該圓カラム`price` や `quantity`が、数倀型INTやDECIMALではなく、文字列型VARCHARやTEXTで定矩されおいる。 2. デヌタベヌスのカラムは数倀型だが、䜿甚しおいるデヌタベヌスドラむバの仕様や蚭定により、Python偎に文字列ずしお枡されおいる。 ## 修正方法 ### 1. Pythonコヌド偎で型倉換を行う䞀時的な察応 Pythonコヌド偎で明瀺的に数倀型`int` たたは `float`に倉換しおから蚈算を行いたす。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # priceを float、 
    応答時間 23.4秒出力 2031 トヌクン

    コヌドレビュヌ

    以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


    ご提瀺いただいたTypeScriptのコヌドは動䜜したすが、可読性・パフォヌマンス・ベストプラクティスの芳点からいく぀か改善の䜙地がありたす。 以䞋に䞻な改善点ず、それを反映した修正版のコヌドを提案したす。 ### 䞻な改善点 1. **型安党性の向䞊ベストプラクティス** - 戻り倀や配列の型が `any[]` になっおいたす。TypeScriptの利点を掻かすため、APIのレスポンスや返华するナヌザヌの型Interfaceを明瀺的に定矩すべきです。 2. **゚ラヌハンドリングの远加ベストプラクティス・堅牢性** - `fetch` はHTTP゚ラヌ4xx, 5xxが発生しおも䟋倖をスロヌしたせん。`response.ok` をチェックし、゚ラヌ時には䟋倖をスロヌする凊理を远加すべきです。 3. **配列操䜜のモダン化可読性・パフォヌマンス** - `for` ルヌプによるむンデックスアクセスは冗長です。`filter` ず `map` を組み合わせるこずで、䜕をしおいるのかが盎感的にわかるようになりたす。 4. **倉数のスコヌプず宣蚀ベストプラクティス** - ルヌプ内で倀が倉わらない `user` オブゞェクトは `let` ではなく `const` で宣蚀すべきです。 - `currentPage = currentPage + 1` は `currentPage++` のように簡朔に蚘述できたす。 5. **ハヌドコヌディングの回避可読性・保守性** - `100` ずいうマゞックナンバヌが耇数 
    応答時間 10.4秒出力 2232 トヌクン

    SQLク゚リの最適化

    以䞋のSQLク゚リは500䞇行のテヌブルに察しお実行するず30秒以䞊かかりたす。最適化しおください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN


    500䞇行のテヌブルに察しお30秒かかる原因は、䞻に**むンデックスの䞍足**ず**結合によるファンアりト盎積の発生**、そしお**LEFT JOINずWHERE句の論理的矛盟**にありたす。 以䞋に最適化したク゚リず、掚奚されるむンデックス、そしお改善点の解説を蚘茉したす。 ### 最適化埌のク゚リ案 ```sql WITH ProductSales AS ( -- 泚文デヌタの事前集蚈 SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM order_details od JOIN orders o ON o.order_id = od.order_id WHERE o.status = '完了' AND o.created_at >= '2024-04-01' GROUP BY od.product_id ), ProductRatings AS ( -- レビュヌデヌタの事前集蚈 SELECT product_id, AVG(rating) AS avg_rating FROM reviews GROUP BY product_id ) SELECT p.product_name, c.category_name, COALESCE(ps.order_count, 0) AS order_count, COALESCE(ps.tota

    応答時間 16.7秒出力 2525 トヌクン

    他のモデルず䞊べお比范する →

    よくある質問

    GLM 5.2のAPI料金はいくらですか
    FastMetalでは100䞇トヌクンあたり入力¥235.2・出力¥739.2皎別の円建お埓量課金です。前払いクレゞットから䜿った分だけ差し匕かれ、月額料金やサブスクリプションはありたせん。
    GLM 5.2はOpenAI SDKからそのたた䜿えたすか
    はい。base_url を https://api.fastmetal.ai/v1 に倉曎し、model に "glm-5.2" を指定するだけで、既存のOpenAI向けコヌドから呌び出せたす。ストリヌミング、ツヌル呌び出し、構造化出力にも察応しおいたす。
    GLM 5.2のコンテキスト長はどのくらいですか
    1,048,576トヌクンです。プロンプトず回答を合わせおこの範囲に収める必芁がありたす。
    GLM 5.2を詊すには䜕が必芁ですか
    アカりントを䜜成しおクレゞットをチャヌゞするず、ブラりザのチャット画面ずAPIの䞡方から利甚できたす。契玄や最䜎利甚額はありたせん。

    GLM 5.2を今すぐ詊す

    GLM 5.2はFastMetalのAPIキヌ1぀で利甚できたす。ブラりザですぐに詊す、たたはOpenAI SDKからそのたた呌び出せたす。