GLM-Imageとは？
GLM-Imageは、旧社名Zhipu AIのZ.aiが2026年1月に公開しました。GLM-4-9Bから初期化した90億パラメータの自己回帰ジェネレーターが画像を約256トークンで計画し、1Kから4Kトークンへ展開します。これに、テキスト用の専用グリフエンコーダーを備えた70億パラメータの拡散デコーダーを組み合わせています。1つのモデルでテキストから画像、画像から画像の両方を扱い、編集、スタイル変換、人物や物体の同一性を保った生成もこなします。
メインのウェイトはMITライセンスで、VQトークナイザーとViTのウェイトはApache 2.0のX-Omni由来です。出力は1辺約1Kから2Kピクセルで、寸法は32で割り切れる必要があります。Z.aiのAPIは1枚0.015ドルです。Hugging Faceのウェイトの最終更新は2026年1月15日で、GitHubリポジトリには2026年3月以降プッシュがありません。
GLM-Imageの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free | MIT。トークナイザーとViTコンポーネ ントはApache 2.0 |
| Z.ai API | $0.015 per image |
ウェイトはMIT（Apache 2.0のコンポーネントを含む）で無料。Z.ai APIは1枚0.015ドル。
GLM-Imageは使う価値があるか？
GLM-Imageは文字の多い画像の専門家であり、汎用の画像モデルとしては弱い存在です。1枚の画像に複数のテキストを描くテストCVTG-2Kで、Z.aiは単語精度0.9116を報告しており、Seedream 4.5の0.8990、Z-Imageの0.8671を上回ります。中国語のLongText-Benchでの0.979も同じ表で最高です。
弱いのは全体的な画質です。Artificial Analysisのテキストから画像のランキングでは108モデル中89位、891 Eloで、ERNIE Image（909）、Z-Image Turbo（936）、オープン首位のQwen-Image-2.1（1045）に及びません。Z.ai自身の表でもOneIG-ENの0.528はZ-Image-Turboと同点で、Qwen-Imageの0.539を下回ります。
動作も遅いです。Z.aiの数値では、H100 1基で1024x1024の画像に64秒、メモリ37.8GB、2048x2048では253秒、45.1GBかかります。CPUオフロードでメモリは約23GBまで下がりますが、さらに遅くなります。より高速なvLLM-OmniとSGLangの経路は、公開から10か月たった今も統合中とされています。
救いはライセンスとAPIです。メインのウェイトがMITなので売上の上限も地域の除外もなく、1枚0.015ドルのZ.aiのホスト版を使えば、多くのチームはH100を用意せずに済みます。
真価を発揮する場面
上海のレストランチェーンのマーケティングチーム
正確な価格と料理名入りのバイリンガルのメニューボードや販促ポスターを作る
すべての文字列を引用符で囲んだプロンプトをZ.aiのAPIに1枚0.015ドルで送れば、月2,000枚の下書きで30ドルです。単語精度0.9116でも誤りは残るので、デザイナーの校正は必要です。
空いているH100を持つ出版社のインフラエンジニア
法務チェックをすぐ通る画像サービスをセルフホストする
DiffusersのパイプラインをH100 1基で動かすと、1024x1024の画像1枚に約64秒、38GBで、GPU 1基あたり1時間に約56枚です。MITなので売上や地域の確認は不要です。
オンライン家具販売店のカタログチーム
商品やモデルの見た目を保ったまま背景を差し替える
1枚以上の参照画像で画像から画像モードを使います。高さと幅は32の倍数で明示的に指定する必要があり、1024x1024の編集はH100で1回約59秒です。
導入前に確認すること
- 導入
- TransformersとDiffusersをソースからインストールし、80GBのGPUでGlmImagePipelineを読み込みます。CPUオフロードを有効にすれば約23GBで動きます。APIならZ.aiのキーだけで使えます。
- 連携
- TransformersとDiffusersのパイプライン、OpenAI形式の生成・編集エンドポイントを持つSGLangサーバー、Z.aiのAPI。プロンプト強化にはGLM-4.7が推奨されています。
- データとプライバシー
- MITライセンスのウェイトは完全にオフラインで動かせます。ホスト版画像APIに固有のデータ保持条件はモデルカードに記載がありません。
- 大規模利用時のコスト
- API：月100,000枚で1,500ドル。セルフホスト：既定設定の1024x1024でH100 1基あたり1時間に約56枚。
- 制限
- 寸法は32で割り切れる必要があります。描画するテキストは引用符で囲みます。温度0.9のサンプリングは安定性と引き換えに多様性を得ます。最適化された推論経路はまだありません。
良い点
- 売上上限も地域制限もないMITライセンス
- Z.aiの比較でCVTG-2Kの単語精度が最高
- テキストから画像と編集を1つのモデルで
- ホスト版APIは1枚0.015ドル
気になる点
- Artificial Analysisのテキストから画像ランキングで108中89位
- H100で1024x1024の画像1枚に約64秒
- オフロードなしではGPUメモリ約38GBが必要
- 描画したいテキストは引用符で囲む必要がある
おすすめの人
中国語や英語のポスター、メニュー、インフォグラフィックを作り、速度や仕上がりより画像内の正確な文字と制限のないライセンスを重視するチーム。
GLM-Imageの代替
GLM-Image：よくある質問
- GLM-Imageは使う価値があるか？
- GLM-Imageはポスター上の文字をZ.ai自身の比較のどのモデルよりも正確に書きますが、それ以外では見劣りし、H100で1枚に1分かかります。 評価は5点満点中3.3点です。
- GLM-Imageの料金は？
- ウェイトはMIT（Apache 2.0のコンポーネントを含む）で無料。Z.ai APIは1枚0.015ドル。
- GLM-Imageの欠点は？
- Artificial Analysisのテキストから画像ランキングで108中89位; H100で1024x1024の画像1枚に約64秒; オフロードなしではGPUメモリ約38GBが必要; 描画したいテキストは引用符で囲む必要がある.
- GLM-Imageは誰に向いているか？
- 中国語や英語のポスター、メニュー、インフォグラフィックを作り、速度や仕上がりより画像内の正確 な文字と制限のないライセンスを重視するチーム。
- チームや本番環境でGLM-Imageを使うと費用はいくらか？
- API：月100,000枚で1,500ドル。セルフホスト：既定設定の1024x1024でH100 1基あたり1時間に約56枚。
- GLM-Imageは企業データを扱っても安全か？
- MITライセンスのウェイトは完全にオフラインで動かせます。ホスト版画像APIに固有のデータ保持条件はモデルカードに記載がありません。
- GLM-Imageの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はERNIE-Image (and Turbo), Qwen-Image-2.1, MOSS-Image 、 Ming-Image-0.1-Designです。
回答確認日：2026年11月7日