Databricksの結果では、GLM 5.2はOpus 4.8とどれくらい性能が同等だったのですか？

DatabricksはGLM 5.2がOpus 4.8と統計的に同等（82～90%のパスレート帯）でありながら、タスクあたり$1.28対$1.94と低コストで実現できることを確認しました。

OpenRouterで中国モデルのシェアはどう変わりましたか？

2月2026年以降、中国モデルは週間トラフィックの30%超を占めるようになり、前年の11%から大幅に増加しました。西側の代替品比で60～90%低コストで提供されています。

Databricksはなぜ従来の公開ベンチマークではなく独自ベンチマークを構築したのですか？

公開ベンチマーク（SWE-Benchなど）はAIの学習データに解法が漏れやすく、実装スタック（Python、Go、TypeScript、Scala、Rustなど10言語以上）に対応していないためです。

オープンソースAIAIビジネス・産業THE DECODER2026年7月9日2026年7月9日 22:01

Databricks、中国製オープンソースモデルGLM 5.2をコーディング標準に採用

LINEで送る

3つのポイント

何が起きたか
Databricksが自社の数百万行のコードベースでGLM 5.2をベンチマークし、Anthropic製のOpus 4.8と同等の性能を$1.28対$1.94の低コストで確認しました。同社は今後、開発者の日常的なコーディングエンジンとしてGLM 5.2を活用する計画です。
なぜ重要か
複数の企業がコスト効率の高い中国製モデルへ切り替えており、OpenRouterでは中国モデルが2月2026年以降、週間トラフィックの30%超を占めるようになりました。これはAI導入企業にとって、西側の高額モデルに依存しない選択肢が実用的になったことを示しています。
注目点
Coinbaseは中国モデルへの移行でAI支出を半減、LindyはDeepseek v4でコスト削減、SnowflakeはGLM 5.2をOpus 4.7と比較して同等性能を確認するなど、複数の大手企業が同様の結果を報告しています。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

こうしたAIニュースを毎朝無料で受け取る LINEで友だち追加して受け取る

背景と解説

AIコーディング支援の導入が本格化する中、コスト効率が急速に業界の判断基準になっています。Databricksの調査は単なる1社の内部検証にとどまらず、Coinbase、Lindy、Snowflakeといった大手企業が同じ結論に至っていることで、中国製オープンソースモデルの実用性が広く認識されたことを示しています。特にOpenRouterでの市場シェア変化（11%→30%超）は、個社の判断ではなく市場全体での需要シフトを反映しています。

Databricksがタスク複雑度に応じたモデルの使い分け戦略を打ち出した点も重要です。同社の分析では、開発タスクの61%が中程度、19%が低、12%が高複雑度であり、最も高額なモデルがデフォルトだった従来の運用から、コスト対効率に基づく最適配置へのシフトを示しています。SWE-Benchのデータ漏洩問題を回避するために実プルリクエストに基づく独自ベンチマークを構築した手法も、複数企業が公開ベンチマークの限界を認識していることの傍証といえます。

よくある質問

Databricksの結果では、GLM 5.2はOpus 4.8とどれくらい性能が同等だったのですか？: DatabricksはGLM 5.2がOpus 4.8と統計的に同等（82～90%のパスレート帯）でありながら、タスクあたり$1.28対$1.94と低コストで実現できることを確認しました。
OpenRouterで中国モデルのシェアはどう変わりましたか？: 2月2026年以降、中国モデルは週間トラフィックの30%超を占めるようになり、前年の11%から大幅に増加しました。西側の代替品比で60～90%低コストで提供されています。
Databricksはなぜ従来の公開ベンチマークではなく独自ベンチマークを構築したのですか？: 公開ベンチマーク（SWE-Benchなど）はAIの学習データに解法が漏れやすく、実装スタック（Python、Go、TypeScript、Scala、Rustなど10言語以上）に対応していないためです。

THE DECODER元記事を読む

LINEで送る