Qu’est-ce que GLM-5.3 ?
GLM-5.3 est le modèle phare de Z.ai (anciennement Zhipu AI), inscrit dans les notes de version de Z.ai le 18 août 2026, avec des poids sur Hugging Face depuis le 28 août. C'est un modèle texte à mélange d'experts de 753 milliards de paramètres (256 experts, 8 utilisés par token), sur la même base que GLM-5.2, tous les gains venant d'un entraînement supplémentaire. Z.ai publie les poids nativement en FP8, accompagnés d'une copie en BF16. Un modèle frère multimodal, GLM-5.3-Flash (321B paramètres), lit les images en plus du texte.
Il offre un contexte de 1M tokens et jusqu'à 128K tokens en sortie. La réflexion est toujours active, à effort low, high ou max, et vaut max par défaut. Z.ai signale aussi une hausse imprévue des capacités offensives en cybersécurité : il annonce des résultats à l'état de l'art sur CyberGym et des scores plus de deux fois supérieurs à ceux de GLM-5.2 sur les benchmarks d'exploitation.
Les poids sont sous une licence MIT modifiée. Seules les entreprises qui exploitent une activité de modèle en tant que service avec plus de 10 milliards de dollars de chiffre d'affaires annuel doivent passer un examen de sécurité de Z.ai avant tout usage commercial. Sur l'API de Z.ai, il coûte 1,40 $ par million de tokens en entrée et 4,40 $ par million en sortie, l'entrée en cache étant à 0,26 $.
Combien coûte GLM-5.3 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Licence MIT modifiée |
| GLM-5.3 | $1.40 in / $4.40 out per 1M tokens | 0,26 $ en cache |
| GLM-5.3-Flash | $0.15 in / $0.50 out per 1M tokens |
Poids ouverts sous licence MIT modifiée. API Z.ai : 1,40 $ en entrée / 0,26 $ en cache / 4,40 $ en sortie par million de tokens ; GLM-5.3-Flash 0,15 $ / 0,50 $.
GLM-5.3 vaut-il le coup ?
GLM-5.3 est le modèle ouvert le plus solide pour le code et le travail d'agent qu'une entreprise puisse déployer sans négociation. Artificial Analysis lui attribue 45 sur son Intelligence Index, troisième sur 121 modèles dans sa comparaison des poids ouverts, contre 52 pour GPT-6.1 Sol et 58 pour Claude Opus 5.5. Dans le tableau de Z.ai, il obtient 88,2 sur Terminal-Bench 2.1 et 66,9 sur DeepSWE v1.1, contre 81,0 et 46,2 pour GLM-5.2, et sa note GDPval-AA v2 de 1769, mesurée par Artificial Analysis, dépasse celle de tous les modèles de cette comparaison.
Les évaluations humaines indépendantes confirment qu'il est proche du sommet sans le tenir. Dans l'évaluation de code à l'aveugle de Surge AI publiée par Mistral avec Large 4, GLM-5.3 a obtenu 3,60 sur 5, au niveau de Kimi K3 (3,59) mais derrière Mistral Large 4 Preview (3,74) et loin derrière Claude Opus 5 (4,22). Kimi K3 le devance aussi sur DeepSWE et Toolathlon dans les propres chiffres de Z.ai.
Le prix affiché le flatte. À 1,40 $ et 4,40 $ par million de tokens, il coûte une fraction des tarifs de la frontière fermée, mais Artificial Analysis a constaté qu'il produisait 210 millions de tokens de sortie sur l'ensemble de son index, contre une médiane de 140 millions, et coûte 2,01 $ par tâche de l'index. C'est moins que les 3,26 $ de GPT-6 Astra, mais près de trois fois les 0,72 $ de GPT-6.1 Sol, car la réflexion vaut max par défaut et ne peut pas être désactivée.
Les équipes sécurité devraient noter ce que Z.ai signale lui-même. La fiche décrit des capacités cyber qui ont progressé plus vite que prévu, avec des scores ExploitGym de 105 et 130 contre 29 et 39 pour GLM-5.2, et les poids ouverts ne portent aucune restriction d'usage au-delà de la clause de chiffre d'affaires. Cela en fait un outil utile pour la recherche en sécurité autorisée, et un modèle dont le déploiement, contrairement à une API fermée, n'est assorti d'aucune protection côté fournisseur.
Là où il fait la différence
Un staff engineer qui fait tourner des agents de code dans Claude Code ou Cline
Réduire les dépenses d'agents sans passer à un modèle faible
Pointez l'agent vers l'API de Z.ai ou le GLM Coding Plan. Un mois de 100M tokens en entrée (80 % en cache) et 20M en sortie coûte environ 137 $ au prix catalogue, mais prévoyez de longues traces de réflexion à l'effort max par défaut.
Un responsable d'infrastructure ML dans une banque qui ne peut pas envoyer de code à des API tierces
Héberger sur site un modèle de code proche de la frontière
Le checkpoint FP8 pèse environ 753 Go, plus que ce que contient un nœud 8×80 Go : prévoyez des GPU de la classe 141 Go ou deux nœuds avec vLLM ou SGLang. La licence n'exige aucune approbation en dessous de 10 milliards de dollars de chiffre d'affaires.
Une équipe de recherche en sécurité dans un cabinet de tests d'intrusion
Automatiser la découverte de vulnérabilités lors de missions autorisées
Z.ai annonce 84,5 % sur CyberGym, le meilleur score de son tableau, et les poids ouverts permettent de le faire tourner hors réseau. L'équipe porte aussi les contrôles contre les abus, puisque rien en amont ne filtre les requêtes.
Avant de vous engager
- Mise en route
- L'API de Z.ai est compatible OpenAI et fonctionne dans Claude Code, Cline et OpenCode ; l'auto-hébergement dispose de recettes pour vLLM, SGLang, KTransformers et Unsloth, ainsi que Huawei Ascend.
- Intégrations
- Appel de fonctions, appels d'outils en streaming, sortie structurée, mise en cache du contexte et recherche web sur l'API de Z.ai ; OpenRouter le propose à 0,70 $/2,20 $ par million de tokens.
- Données et confidentialité
- L'API de Z.ai est exploitée depuis Singapour et ses conditions de traitement des données indiquent qu'elle traite les données des clients pour leur compte et ne stocke pas les entrées ni les sorties de l'API, traitées en temps réel ; aucune déclaration explicite sur l'entraînement à partir des prompts de l'API n'est publiée. L'auto-hébergement garde les données en interne.
- Coût à grande échelle
- Z.ai affiche 1,40 $/4,40 $ par million de tokens, l'entrée en cache à 0,26 $ et le stockage du cache gratuit pour une durée limitée. Artificial Analysis l'estime à 2,01 $ par tâche de l'index, contre 0,72 $ pour GPT-6.1 Sol. L'auto-hébergement implique environ 753 Go de poids FP8, plus la mémoire du cache.
- Limites
- Texte uniquement, réflexion toujours active (max par défaut), contexte de 1M et 128K en sortie. Tous les chiffres de benchmark, sauf GDPval-AA et l'évaluation de Surge, viennent de Z.ai.
Les points forts
- Licence MIT modifiée ; restriction seulement au-delà de 10 milliards de dollars de chiffre d'affaires
- Contexte de 1M tokens, 128K en sortie
- 88,2 sur Terminal-Bench 2.1, selon Z.ai
- Modèle frère Flash multimodal et bon marché à 0,15 $/0,50 $
Les points faibles
- Très verbeux : la réflexion ne peut pas être désactivée
- Le modèle principal ne traite que le texte
- Les seuls poids FP8 pèsent environ 753 Go
- Fortes capacités cyber offensives sans protections intégrées
Idéal pour
Les développeurs et entreprises qui veulent un modèle ouvert compétent pour le code et les agents, avec un minimum de restrictions de licence.
Alternatives à GLM-5.3
GLM-5.3 : questions fréquentes
- GLM-5.3 vaut-il le coup ?
- Du code en poids ouverts à quelques points de la frontière fermée, sous une licence que presque personne n'a besoin de relire. Nous lui donnons 4.4 sur 5.
- Combien coûte GLM-5.3 ?
- Poids ouverts sous licence MIT modifiée. API Z.ai : 1,40 $ en entrée / 0,26 $ en cache / 4,40 $ en sortie par million de tokens ; GLM-5.3-Flash 0,15 $ / 0,50 $.
- Quels sont les inconvénients de GLM-5.3 ?
- Très verbeux : la réflexion ne peut pas être désactivée; le modèle principal ne traite que le texte; les seuls poids FP8 pèsent environ 753 Go; fortes capacités cyber offensives sans protections intégrées.
- À qui s’adresse GLM-5.3 ?
- Les développeurs et entreprises qui veulent un modèle ouvert compétent pour le code et les agents, avec un minimum de restrictions de licence.
- Combien coûte GLM-5.3 pour une équipe ou en production ?
- Z.ai affiche 1,40 $/4,40 $ par million de tokens, l'entrée en cache à 0,26 $ et le stockage du cache gratuit pour une durée limitée. Artificial Analysis l'estime à 2,01 $ par tâche de l'index, contre 0,72 $ pour GPT-6.1 Sol. L'auto-hébergement implique environ 753 Go de poids FP8, plus la mémoire du cache.
- GLM-5.3 est-il sûr pour les données de l’entreprise ?
- L'API de Z.ai est exploitée depuis Singapour et ses conditions de traitement des données indiquent qu'elle traite les données des clients pour leur compte et ne stocke pas les entrées ni les sorties de l'API, traitées en temps réel ; aucune déclaration explicite sur l'entraînement à partir des prompts de l'API n'est publiée. L'auto-hébergement garde les données en interne.
- Quelles sont les meilleures alternatives à GLM-5.3 ?
- Les alternatives les plus proches que nous avons testées sont Kimi K3, DeepSeek-V4-Pro, Qwen3.8-Max et MiniMax-M3.
Réponses vérifiées le 26 oct. 2026.