結論から言う。「無料で使えるAI」がGPT-5.5を超えた

中国のAIラボ「Z.ai」が発表したオープンソースLLM「GLM-5.2」が、OpenAIの最新モデルGPT-5.5をベンチマークで上回った。

これだけなら「また中国勢が頑張ったね」で終わる話だ。だが今回は構造が違う。GLM-5.2はオープンソースだ。つまり、誰でもダウンロードして使える。API代はゼロ。月額課金もゼロ。商用利用もライセンス条件次第で可能になる。

毎月OpenAIに3万円払っている中小企業にとって、これは「節約の話」ではない。支出構造そのものが壊れる話だ。

GLM-5.2は何がすごいのか——数字で見る

GLM-5.2の基本スペックを整理する。

• パラメータ数：753B（7,530億）
• アーキテクチャ：Mixture of Experts（MoE）、アクティブパラメータ約40B
• 用途：テキスト生成特化
• ライセンス：オープンソース（Apache 2.0系）

MoEとは、全パラメータを常時使うのではなく、入力に応じて必要な「専門家」だけを動かす仕組みだ。753Bという巨大モデルでも、実際に動くのは40B程度。だから推論コストが抑えられる。

注目すべきはコーディングタスクのベンチマークだ。GLM-5.2はGPT-5.5と同等以上のスコアを叩き出しながら、API換算で1/6のコストで動くと報告されている。GPT-5.5の入力トークン単価が仮に$15/1Mトークンだとすれば、GLM-5.2相当の処理は$2.5程度で済む計算になる。

もちろんベンチマークは万能ではない。実務での「使い勝手」や「日本語精度」はまた別の話だ。だが、オープンソースが最上位クラスの商用モデルと肩を並べたという事実そのものが重い。

「API代ゼロ」は本当か？——中小企業が見落とすコストの正体

ここからが本題だ。「オープンソースだから無料」は半分正しくて、半分嘘だ。

GLM-5.2を自社で動かすには、以下のコストがかかる。

1. GPU（ハードウェア）コスト

753BのMoEモデルを推論するには、最低でもVRAM 80GB級のGPUが複数枚必要になる。NVIDIA A100（80GB）なら2〜4枚、H100なら2枚程度が目安だ。

• A100を4枚購入：約600〜800万円
• クラウドGPU（AWS p4d.24xlarge等）をレンタル：月額50〜80万円

「月3万円のAPI代をゼロにするために月50万円のGPU代を払う」では本末転倒だ。ここが最大の落とし穴になる。

2. 量子化で現実解を探る

ただし、量子化（Quantization）という技術を使えば話は変わる。モデルの精度を多少犠牲にして、必要なVRAMを大幅に減らす手法だ。4bit量子化なら、RTX 4090（VRAM 24GB）2枚程度でも動く可能性がある。

• RTX 4090を2枚購入：約60〜80万円
• 電気代：月額約5,000〜8,000円（24時間稼働の場合）

この構成なら、初期投資70万円＋月額電気代8,000円。API代が月3万円なら、約2年半で元が取れる計算になる。ただし量子化による精度劣化がどの程度か、自社のユースケースで検証が必要だ。

3. 人件費と検証工数

もう一つ見落とされがちなのが、セットアップと運用の人件費だ。

オープンソースモデルのデプロイには、環境構築・推論サーバーの設定・プロンプト調整・出力品質の検証といった作業が発生する。AIエンジニアに外注すれば1案件30〜50万円、社内でやるにしても担当者の学習コストがかかる。

ここが中小企業にとって最大のボトルネックだ。 技術的にはできるが、「やれる人がいない」。

現実的な選択肢の整理

注目すべきは最後の行だ。GLM-5.2のようなオープンソースモデルは、サードパーティがAPI化して安価に提供するケースが増えている。Together AI、Fireworks AI、Groqなどのサービスでは、オープンソースモデルをGPT-5.5の1/3〜1/6の単価で使える。自社でGPUを持たなくても、コスト削減の恩恵は受けられる。

ChatGPTシェア50%割れ——何が起きているのか

もう一つ見逃せないデータがある。ChatGPTの市場シェアが50%を割った。

1年前、ChatGPTは生成AIチャット市場で圧倒的なシェアを持っていた。それが今、Claude、Gemini、そしてオープンソース勢の台頭で過半数を失った。

これは「OpenAIが弱くなった」という話ではない。AIの性能差が縮まり、「どこのAIを使っても大差ない」時代に入りつつあるということだ。

性能差がなくなったとき、勝負を分けるのは何か。コストと、自社業務への最適化だ。

ここに中小企業のチャンスがある。

中小企業にとっての「逆転の構造」

大企業はOpenAIやGoogleと年間契約を結び、専用環境を構築し、数千万円規模の投資をしてAIを導入する。中小企業がこれを真似する必要はない。

オープンソースAIの性能が商用モデルに追いついた今、中小企業には「小さいからこそできる戦い方」がある。

1. 用途を絞れば、コストは劇的に下がる

大企業は「何でもできるAI」を求める。中小企業は違う。「見積書の自動生成」「問い合わせメールの下書き」「議事録の要約」——用途が明確なら、モデルも小さくて済む。GLM-5.2の40Bアクティブパラメータですら過剰かもしれない。用途特化の7B〜14Bモデルなら、RTX 4060（5万円台）1枚で動く。

2. データを外に出さなくて済む

OpenAIのAPIを使う以上、自社データはOpenAIのサーバーを経由する。顧客情報、取引先データ、社内ノウハウ。「うちは気にしない」と言える企業ばかりではない。オープンソースモデルを自社環境で動かせば、データは一切外に出ない。これは中小企業の経営者にとって、コスト以上に大きな安心材料だ。

3. 「AIに月額を払う」という常識を疑え

SaaSに月額を払い続けるモデルは、提供側にとっては最高のビジネスだ。だが使う側にとってはどうか。月3万円×12ヶ月＝年間36万円。5年で180万円。その間にオープンソースモデルは世代交代を繰り返し、性能は上がり続ける。

「払い続ける」から「自分で持つ」への転換点が、今まさに来ている。

で、結局どうすればいいのか

今日からできることを3つだけ挙げる。

① まず、自社のAI利用料を棚卸しする。 ChatGPT Plus（月額20ドル×人数）、API代、その他のAIツール。月額いくら払っているか、正確に把握しているか？

② GLM-5.2をAPI経由で試す。 自社でGPUを買う前に、Together AIやFireworks AIなどのサービスで、今使っているプロンプトをそのまま投げてみる。GPT-5.5と遜色ないなら、乗り換えるだけでコストが1/3〜1/6になる。

③ 「自社で動かす」は急がなくていい。 量子化やローカルデプロイは、まず②で効果を確認してからでいい。技術的なハードルは確実に下がっている。半年後にはもっと簡単になる。

オープンソースAIがトップ商用モデルを超えた。これは一時的な現象ではなく、構造的な変化だ。APIに月額を払い続けることの合理性は、今この瞬間も薄れている。

問いかけたい。あなたの会社は、来月もOpenAIに3万円を払い続けるか？

—