智谱GLM-5.2がDeepSWEオープンソースランキングでトップに：複雑な開発タスクの44%を解決し、主要なクローズドソースモデルを圧倒

動察 Beatingのモニタリングによると、智譜AIのオープンソースモデルGLM-5.2が、長尺ソフトウェアエンジニアリングベンチマーク「DeepSWE」に正式に参入しました。最大思考強度モードにおいて、複雑な開発タスクの一回成功率は44%に達し、オープンソースモデルの中でトップとなりました。以前にランクインしたKimi K2.7 Codeと比較して、成功率は13ポイント上回っています。

GLM-5.2が各タスクを解決する平均コストは3.92ドルで、Kimi K2.7 Codeの2.82ドルをやや上回るものの、その成功率は、特定の思考設定下における複数の主流クローズドソースモデルのパフォーマンスを上回っています。これにはClaude Sonnet 4.6 [high]（30%）、Gemini 3.5 Flash [medium]（37%）、Claude Opus 4.8 [low]（41%）が含まれます。

評価を主催するDatacurveが設計したDeepSWEベンチマークは、AIエージェントが長尺タスクを解決する能力を特にテストするものです。テストは113の実在するプログラミング問題で構成され、5つの言語をカバーしています。単一のコード箇所のみを修正する従来のテストとは異なり、DeepSWEはAIが複数のファイルを協調して修正することを要求し、平均して600行以上のコードを修正します。評価は隔離されたコンテナ内で実行され、CPUとメモリリソースが厳しく制限されています。