Gemma 4 ガイド
GLM 5.2 vs Gemma 4：2026年はどちらを選ぶべきか？
GLM 5.2 と Gemma 4 はいずれも 2026 年にリリースされたオープンウェイトモデルで、強力なコーディング性能を持ち、無償でセルフホストできます。しかし、共通点はほぼここまでです。GLM 5.2 は 7,440 億パラメータの巨大モデルで、100 万トークンのコンテキストウィンドウを備え、長期的なソフトウェアエンジニアリングに特化して設計されています。Gemma 4 は 5 つのサイズからなるモデルファミリーで、3 GB のスマートフォン向けモデルから 20 GB のワークステーション向けモデルまで揃い、データセンターなしで Consumer ハードウェア上で動作することを目的としています。どちらを選ぶかは、主に手元のハードウェアと必要なタスクによって決まります。
主な違いの一覧
| GLM 5.2 | Gemma 4 31B | Gemma 4 26B A4B | |
|---|---|---|---|
| アーキテクチャ | 744B MoE（~40B 活性） | Dense | 26B MoE（~4B 活性） |
| コンテキストウィンドウ | 1,000,000 トークン | 256,000 トークン | 256,000 トークン |
| 最低 VRAM（Q2/Q4） | ~245 GB | ~17.5 GB | ~14.4 GB |
| 音声入力 | なし | なし | なし |
| 画像・動画入力 | なし | あり | あり |
| ライセンス | MIT | Apache 2.0 | Apache 2.0 |
| API 価格（入力） | $1.40/MTok（Z.ai） | 無料（セルフホスト） | 無料（セルフホスト） |
| API 価格（出力） | $4.40/MTok（Z.ai） | 無料（セルフホスト） | 無料（セルフホスト） |
| ホスト型 API | あり（Z.ai、OpenRouter） | あり（Google AI Studio） | あり（Google AI Studio） |
| ローカル最低構成 | M4 Ultra / マルチ GPU | RTX 3090（24 GB） | RTX 3060（16 GB） |
ベンチマーク比較
| ベンチマーク | GLM 5.2 | Gemma 4 31B |
|---|---|---|
| SWE-bench Verified（コーディング） | 69.3% | ~55%* |
| LiveCodeBench v6 | ~78% | 80.0% |
| AIME 2026（数学） | ~87% | 89.2% |
| GPQA Diamond（科学的推論） | ~80% | 84.3% |
| MMLU Pro（知識） | ~84% | 85.2% |
| コンテキストウィンドウ | 1M トークン | 256K トークン |
*Gemma 4 31B の SWE-bench スコアは公式未発表。LiveCodeBench の相対的な性能をもとに推定。
実践での意味: GLM 5.2 はエージェント型ソフトウェアエンジニアリング向けに設計されています — 複数ファイルにわたる長期タスク、コードベース全体のコンテキスト、エージェントループワークフロー。Gemma 4 31B は数学・科学・コーディングにわたる汎用モデルです。純粋なコーディング品質では GLM 5.2 が SWE-bench で有意に上回ります。推論の幅ではほぼ同等です。画像・動画を含むマルチモーダルタスクでは Gemma 4 が圧倒的に有利 — GLM 5.2 にはビジョン機能がありません。
ハードウェア：最も大きな実践的差異
GLM 5.2 のハードウェア
GLM 5.2 の 744B 全ウェイトは、1 トークンあたり ~40B しか活性化しなくてもメモリに常駐する必要があります。最低限のローカル実行構成は 256 GB ユニファイドメモリ Mac（M4 Ultra）か、複数 GPU と合計 256+ GB の VRAM + システム RAM を備えたワークステーションです。
| 量子化 | ファイルサイズ | 最低メモリ |
|---|---|---|
| 2 ビット（UD-IQ2_M） | ~239 GB | 256 GB ユニファイド |
| 4 ビット（UD-Q4_K_XL） | ~411 GB | 500+ GB |
| FP16 | ~1,510 GB | データセンター専用 |
Gemma 4 のハードウェア
Gemma 4 の 5 モデルはいずれも Consumer ハードウェアで動作します。
| モデル | Q4 メモリ | 推奨ハードウェア |
|---|---|---|
| E2B | ~2.9 GB | スマートフォン / Raspberry Pi |
| E4B | ~4.5 GB | MacBook Air（8 GB） |
| 12B | ~6.7 GB | 8 GB GPU / 16 GB ユニファイド |
| 26B A4B | ~14.4 GB | RTX 3060 / 16 GB ユニファイド |
| 31B | ~17.5 GB | RTX 3090 / 24 GB |
コスト比較
ホスト型 API
| モデル | 入力 | 出力 |
|---|---|---|
| GLM 5.2（Z.ai） | $1.40/MTok | $4.40/MTok |
| GLM 5.2（OpenRouter） | $1.00/MTok | $4.00/MTok |
| Gemma 4 31B（Google AI Studio） | 無料（レート制限あり） | 無料（レート制限あり） |
| Gemma 4（Vertex AI） | ~$0.70/MTok | ~$2.10/MTok |
セルフホスト
どちらも無料でダウンロードでき、トークン課金なしで利用できます。ただしハードウェア投資額の差は大きい：Gemma 4 31B は RTX 3090 1 台で動作しますが、GLM 5.2 は M4 Ultra またはマルチ GPU rig が必要で、最低でも $10,000〜$15,000 かかります。
ユースケース別の選択ガイド
GLM 5.2 を選ぶ場合:
- エージェント型ソフトウェアエンジニアリングが主要タスク（長期多ステップコーディング、自律コードレビュー）
- コードベース全体をコンテキストとして渡す必要がある（1M トークンで大規模リポジトリを一括処理可能）
- ハードウェアを確保済み、または Z.ai API 料金が許容範囲内で最高の Open-Weights コーディングモデルが欲しい
- MIT ライセンスによる最大限の商用・再配布柔軟性が必要
Gemma 4 を選ぶ場合:
- MacBook、RTX 3090、さらにはスマートフォンなど Consumer ハードウェアで実行したい
- 画像・動画・音声の理解が必要（GLM 5.2 にはビジョン機能がない）
- Google エコシステム（AI Studio、Vertex AI、Ollama、LM Studio）を使いたい
- 音声サポート付きの高速エッジデプロイに E4B や 12B が必要
Gemma 4 26B A4B を選ぶ場合:
- 16 GB Consumer GPU 上で 31B に近い品質を 4B の計算コストで得たい
コンテキストウィンドウ：1M vs 256K が本当に重要な場面
- リポジトリ全体のインデックス化: 1M トークンなら大きなコードベースを直接コンテキストに詰め込めます。256K は多くの個人プロジェクトには十分ですが、大規模モノリポジトリには足りないことがあります。
- 長文書の分析: 法的文書、研究論文、大量のログ — GLM 5.2 はチャンキングなしで処理できます。
- マルチエージェントの会話履歴: ツール呼び出しが多い長いエージェントループでは大きなコンテキストが有利です。
ほとんどのユーザーにとって 256K は十分以上です。256K の上限に実際に達しない限り、コンテキストの数値だけで GLM 5.2 を選ぶべきではありません。
よくある質問
GLM 5.2 は Gemma 4 より優れていますか？ 長期的なソフトウェアエンジニアリングと 1M コンテキストタスクでは、GLM 5.2 が SWE-bench で高スコアを記録します。マルチモーダルタスク（画像・動画・音声）では Gemma 4 が唯一の選択肢です。純粋な言語ベンチマーク（数学・科学・知識）では Gemma 4 31B がわずかに上回っています。
両方をローカルで動かせますか？ GLM 5.2 には最低 256 GB ユニファイドメモリが必要です。Gemma 4 は 8〜24 GB VRAM のどの Consumer GPU でも動作します。両方使いたい開発者の多くは、Gemma 4 をローカルで動かし、GLM 5.2 は Z.ai API 経由で利用します。
Ollama のサポートが優れているのはどちらですか？
Gemma 4 は標準タグで完全サポートされています（ollama run gemma4:31b）。GLM 5.2 は glm-5.2:cloud タグで Z.ai のホスト型推論にルーティングされます。
商用利用にはどちらのライセンスが有利ですか？ どちらも許容的ライセンスです。GLM 5.2 は MIT（最大の柔軟性）、Gemma 4 は Apache 2.0（帰属表示ありで商用可）。いずれも使用量制限や使用料はありません。
関連ガイド
関連記事
Gemma 4 の記事群をそのまま辿り、今の判断にいちばん近い次の記事へ進んでください。
GLM 5.2 ハードウェア要件：RAM・VRAM・GPU完全ガイド
GLM 5.2はMITライセンスで公開された7,440億パラメータのMoEモデルです。ローカル実行に必要なすべてのハードウェア情報をまとめました。
OllamaでGLM-5.2を実行する方法：Cloudタグ、ローカル設定、APIガイド
GLM-5.2はglm-5.2:cloudタグでOllamaから利用可能です。コマンド一つで976Kコンテキストのコーディングモデルが使え、744Bパラメータを自分でダウンロードする必要はありません。
GLM 5.2 料金完全ガイド：API価格・サブスクリプション・無料枠（2026年）
2026年版GLM 5.2料金完全ガイド：APIトークン料金、GLM Coding Planサブスクリプション（Lite/Pro/Max/Team）、OpenRouter価格、無料アクセス方法をまとめています。
次に何を読めばいいか迷っていますか？
ガイド一覧に戻って、モデル比較、ローカル導入、ハードウェア計画の3方向から続けて見ていけます。