Qwen 3.8 Max vs GLM 5.2：2026年のコーディングに適しているのはどちら？

新しいモデルについて、本番利用の判断を自信を持って下すには、3日間という期間は短すぎます。2026年7月22日時点のQwen 3.8 MaxとGLM 5.2の比較は、まさにその状態です。一方は急速に変化するプレビュー版で、もう一方はバージョン管理されたAPI、公開済みの重み、100万トークンのコンテキストウィンドウ、独立した評価データを備えています。

短く答えるなら、現時点で本番環境のコーディングエージェントにはGLM-5.2を選びましょう。より明確なデプロイ契約、予測可能なトークン課金、ダウンロード可能なMITライセンスの重み、安定したモデルIDがあります。初期のフロントエンド結果に関心があり、Alibabaがプレビュー版を更新するたびに評価をやり直せるなら、Qwen3.8-Max-Previewを試してください。

私は、現時点では本番ワークロードをQwen3.8 Maxへ移行しません。これは、GLM-5.2が今後も優れたモデルであり続けるという判断ではありません。今利用できる証拠に基づく判断です。

まず、「Max」は同じ意味ではありません

Alibabaの正式なモデル名はQwen3.8-Max-Previewです。ここでMaxはモデルの階層を示します。Previewという接尾辞も同様に重要です。Alibabaは7月19日にモデルを発表し、オープンウェイトを「近日中」に提供すると述べ、Token Plan、Qoder、QoderWorkからプレビュー版を利用可能にしました。

GLM-5.2ではMaxの意味が異なります。GLM-5.2がモデルであり、HighとMaxは選択可能な推論労力設定です。Maxでは難しいタスクにより多くの計算を割り当てられますが、「GLM-5.2 Max」という別のチェックポイントではありません。

この違いを理解すると、検索結果でよくある2つの誤りを防げます。Qwen3.8 MaxはQwen3 Max、Qwen3.7 Max、Qwen3-8Bではありません。同様に、Artificial AnalysisのQwen3 Maxに関する結果は、名前が似ているからといってQwen3.8のベンチマークにはなりません。

Alibabaはさらに、プレビュー版が毎日変化していることを確認し、ウェブフロントエンド作業で改善された後続アップデートを報告しました。つまり、Qwen3.8の結果はすべて日付に左右されます。リリース履歴と、Alibabaが公開していない仕様については、別記事のQwen 3.8 Maxガイドをご覧ください。

<!-- INTERNAL LINK TODO: Link the first occurrence of “Qwen3.8-Max-Preview” to its GPT Proto model page after the model is live. -->

Qwen 3.8 MaxとGLM 5.2の概要

最も有用な比較は、開発者が実際に何をデプロイできるかから始まります。パラメータに関する話はその後です。

Qwenに関する空欄は見落としではありません。表を埋めるために都合のよい数字があるからといって、プレビュー版がQwen3.7のコンテキストウィンドウ、アクティブパラメータ数、ライセンスを引き継ぐわけではありません。

2.4Tという数値は、Alibabaの発表としては実在します。しかし、その運用上の意味はまだ明確ではありません。アクティブな専門家数とサービングの詳細がなければ、総パラメータ数からレイテンシ、必要メモリ、完了したコーディングタスクあたりのコストを知ることはできません。

GLM-5.2はより多くの情報を公開しています。Z.aiのリリースレポートには、100万トークンのコンテキスト、MITライセンス、HighおよびMaxの労力レベル、完全なコンテキスト長でインデクサー計算量を2.9×削減するIndexShare設計が記載されています。また、投機的デコーディングの受け入れ長が20%増加したことも報告されています。これらはベンダーによる測定値ですが、アーキテクチャと評価設定は十分に公開されており、検証できます。

コーディング性能：ベンチマークと雑然としたリポジトリ

コーディングベンチマークでは、GLM-5.2について注意点付きで議論できる数値があります。Z.aiはTerminus-2を使用したSWE-bench Proで62.1、Terminal-Bench 2.1で81.0を報告しています。報告された最良のTerminal-Bench構成では82.7に達します。公式モデルカードには、これらのテストで使用されたランナー、トークン制限、タイムアウト、リソース制約も開示されています。

これらは依然としてベンダー報告の結果です。普遍的な勝者を宣言するのではなく、強みを特定するために利用すべきでしょう。

独立した評価結果は範囲が狭いものの有用です。Artificial Analysisでは、GLM-5.2 MaxをIntelligence Index v4.1で51と評価しています。その比較ページに掲載されているQwenモデルは、より古いQwen3 Max Thinkingで、スコアには推定値と記されています。これはGLM-5.2がQwen3.8 Maxを51対32で上回る証拠ではありません。

Qwenのローンチ時の主張はさらに広範です。AlibabaはQwen3.8について、最先端モデルに匹敵し、Fable 5に次ぐ性能だと説明しました。その順位を裏付ける公開ベンチマーク表や方法論はありませんでした。事実として、その主張はモデルメーカーによるものです。私の判断では、調達判断に使うにはまだ早すぎます。

7月22日に行われた雑然とした未完成のウェブプロジェクトに対する36Krのテストは、より具体的な比較材料を提供します。このプロジェクトにはNext.jsフロントエンド、Payload CMS、アニメーションコード、古いドキュメント、既存機能、複雑に絡み合ったフロントエンドとバックエンドのバグが含まれていました。Qwen3.8-Max-Previewは、プロジェクトの現在の状態の特定、欠落していたCMSサービスの起動、広範なビジュアル更新で1位になりました。初期のプロジェクト読解タスクでは、その環境において10秒未満で完了しました。

GLM-5.2は、より限定的なカルーセル実装タスクで勝利しました。自動再生、ドラッグ操作、実際の連続ループを維持しましたが、トランジションには依然として視覚的なジャンプがありました。Qwenはより速く進めた一方、ドラッグ操作を削除し、最終的に先頭へ戻る、引き伸ばしたような不完全なループを実装しました。

このトレードオフは、一行の勝敗よりも有益な情報を示します。Qwenは現在の意図を読み取り、素早く作業を進める点で優れていました。GLMは機能の保持とエンジニアリングの完全性が重要な場面で優れていました。サービング経路とモデルバージョンが異なる以上、1つのプロジェクトだけで一般的な速度順位を確立することはできません。しかし、テストすべき失敗パターンを示すことはできます。

証拠を公平に解釈する方法

公開されたレガシーコードテストは有用ですが、管理されたベンチマークではありません。同じ未完成プロジェクトとOpenCodeベースのワークフローを使用しているため、無関係なスクリーンショットよりは比較の情報量があります。一方で、サービング経路、トークン予算、モデル改訂について十分な詳細が公開されておらず、すべての結果を再現できるわけではありません。

この点は、テストから証明できる内容を変えます。典型的な失敗パターンは示せます。Qwenは素早く作業し、プロジェクトの現在の意図をよく読み取りましたが、要求されたインタラクションを削除し、不完全なループ実装に置き換えました。GLMはそのタスクでより多くの必要な挙動を維持しましたが、初期分析は遅く、古いドキュメントを現在の作業として扱ったこともありました。

このテストから、Qwenが常に速い、GLMが常に安全なコードを書く、あるいはQwenの次回のプレビュー更新後もどちらのモデルも同じように動作する、とは結論できません。

利用可能な証拠を3段階で評価します。独立評価が最も重視されますが、現時点ではQwen3.8 MaxではなくGLM-5.2を対象としています。次に、同じプロジェクトを使った公開テストです。設定を完全に再現できなくても、実際のエンジニアリング上のミスが明らかになるためです。ベンダーの順位付けやローンチ時の主張は、外部評価者が確認するまで最後に扱います。

この証拠の不足自体が、購入判断の一部です。非公開の比較を実行できないなら、バージョン、価格、重み、コンテキスト上限、独立スコアがすでに文書化されているGLM-5.2のほうが、本番環境ではリスクの低い選択です。Qwen3.8 Maxは不確実性の高いプレビュー版であり、注目する価値はありますが、初期報告だけを根拠に本番の標準モデルを置き換えるほど十分に文書化されていません。

Qwen 3.8 MaxとGLM 5.2の料金・コスト

これは通常のトークン単価比較ではありません。

Qwen3.8-Max-Previewは現在、AlibabaのToken Planに含まれています。現在の個人向けローンチ価格は、Liteが月額6ドル、Standardが18ドル、Proが68ドルで、それぞれ月間約10,000、40,000、160,000 Creditsが付与されます。Creditsはトークンではありません。モデル、推論、キャッシュ、ツール呼び出しによって消費量が変わるため、Qwen3.8の100万トークンあたりの価格に換算できる、信頼できる公開基準はありません。

GLM-5.2は一般的なトークン課金を採用しています。GPT ProtoのGLM-5.2 APIページでは、現在の料金は入力100万トークンあたり1.26ドル、出力100万トークンあたり3.96ドルです。Z.aiの直接提供価格は入力1.40ドル、出力4.40ドルです。モデル価格は変わるため、公開や大規模購入の前には両方の数値を再確認してください。

入力トークン1,000万、出力トークン200万の月間ワークロードでは、GPT Protoの計算は次のとおりです。

10 × $1.26 + 2 × $3.96 = $20.52

この数値が有用なのは、単位が明確だからです。Qwen Liteの6ドルプランは開始価格が安いものの、同じワークロードでQwenが安いことを証明するものではありません。繰り返し実行した実際のCredits消費量が必要です。

コストについての結論は条件付きです。GLM-5.2のほうが予算化と計測が簡単です。サブスクリプションの割り当て内に作業が収まる個人開発者にとっては、Qwen3.8のほうが安くなる可能性がありますが、同一トークン数での比較を支持する公開データはありません。

コーディングタスクにはどちらが適している？

今すぐリリースする必要があるなら、GLM-5.2を選びましょう。リポジトリエージェント、長時間のリポジトリタスク、バージョン固定が必要な規制環境、リクエスト単位のコスト管理が必要なチームにとって、より優れたデフォルトです。重みとMITライセンスがすでに存在するため、セルフホスティングにおける現時点での2モデル間の唯一の選択肢でもあります。

Qwen3.8-Max-Previewは、本番環境の唯一の依存先ではなく、評価用トラックとして選びましょう。初期結果から、フロントエンド開発、現状分析、正確な再現性より迅速な反復が重視されるタスクで試す価値があります。代償はバージョンの変動です。Alibabaによればプレビュー版はまだ変更中で、オープンウェイトのリリース日やライセンスもまだ確定していません。

「Qwen 3.8 MaxとGLM 5.2ではどちらが優れているのか」という実用的な答えは、非対称です。現時点の本番環境の判断ではGLM-5.2が勝ります。Qwen3.8 Maxは個別タスクで勝つ可能性がありますが、プラットフォームの判断を勝ち取るのに十分な安定した証拠はまだありません。

GPT Proto経由でGLM-5.2を実行する方法

GPT Protoでは、OpenAI互換エンドポイントを通じてGLM-5.2を利用できます。APIキーを作成して環境に追加し、利用可能なglm-5.2モデル文字列を呼び出してください。同じ残高はGPT Protoのモデルコレクション全体でも利用できます。

まずキーを設定し、cURLリクエストを実行します。

export GPTPROTO_API_KEY="your_gptproto_api_key"

curl https://gptproto.com/v1/chat/completions \
  -H "Authorization: Bearer $GPTPROTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "Inspect before editing. Preserve API contracts and report the tests required for every proposed change."
      },
      {
        "role": "user",
        "content": "Plan a safe fix for duplicate refresh-token requests after concurrent 401 responses. State assumptions and verification steps before proposing code."
      }
    ]
  }'

同等のPython呼び出しにはOpenAI SDKを使用します。

python -m pip install openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GPTPROTO_API_KEY"],
    base_url="https://gptproto.com/v1",
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a repository-level coding assistant. Inspect before "
                "proposing changes. Preserve existing API contracts, do not add "
                "dependencies without approval, and list the verification "
                "commands required for every proposed edit."
            ),
        },
        {
            "role": "user",
            "content": (
                "An API client occasionally sends two refresh-token requests "
                "after several concurrent requests fail with 401. Identify the "
                "likely race condition, list the files you would inspect, and "
                "return a minimal repair plan before writing code."
            ),
        },
    ],
)

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

このコードは、編集前に検査計画を求めるよう意図されています。コーディングモデルが、ファイルを勝手に作ったりAPI契約を変更したりしてすぐに編集を始めるなら、回答が洗練されて見えてもタスクは失敗です。

Qwen3.8 Maxは現在GPT Protoで利用できないため、ここにはQwenのコードブロックがありません。推測したエンドポイントを追加すると、存在しない在庫を示すことになります。モデルが利用可能になったら、この注記を同じプロンプトによる対応リクエストに置き換え、モデルページへのリンクを追加してください。それまでは、開発者はGLM-5.2 APIから始めるか、GPT Protoのホームページで他のモデルを探せます。