Qu’est-ce que GLM-5.3-Flash ?
GLM-5.3-Flash est un modèle à poids ouverts distinct de Z.ai (anciennement Zhipu AI), sorti le 26 août 2026 selon les notes de version de Z.ai, huit jours après le plus grand GLM-5.3. C'est un modèle mixture-of-experts de 320 milliards de paramètres, dont 18 milliards utilisés pour chaque token, répartis sur 45 couches. Contrairement à GLM-5.3, il part d'un modèle de base entraîné à neuf, et Z.ai le présente comme le premier modèle nativement multimodal de la série GLM-5 : il lit texte, images, vidéo et fichiers et écrit du texte.
L'API offre un contexte de 1M tokens et jusqu'à 128K tokens en sortie. La réflexion est toujours activée ; l'effort de raisonnement peut être réglé sur low, high ou max, et vaut max par défaut. Un nouveau mélange d'attention clairsemée et linéaire réduit le calcul d'attention de 3,01 fois et le cache KV (la mémoire utilisée pour conserver une longue conversation) de 4,44 fois par rapport à GLM-5.3, selon Z.ai.
Les poids utilisent la licence MIT standard. Sur l'API de Z.ai, il coûte 0,15 $ par million de tokens en entrée, 0,03 $ pour l'entrée en cache et 0,50 $ en sortie. Un GLM-5.3-FlashX plus rapide, annoncé à 200 tokens par seconde, coûte 0,37 $/1,25 $, et un FlashX-Legal réglé pour le juridique n'est proposé qu'à certains clients entreprise.
Combien coûte GLM-5.3-Flash ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Licence MIT |
| GLM-5.3-Flash | $0.15 in / $0.50 out per 1M tokens | 0,03 $ en cache |
| FlashX | $0.37 in / $1.25 out per 1M tokens |
Poids ouverts sous MIT. API Z.ai : 0,15 $ en entrée / 0,50 $ en sortie par million de tokens (0,03 $ en cache) ; FlashX à 0,37 $ / 1,25 $.
GLM-5.3-Flash vaut-il le coup ?
GLM-5.3-Flash est le modèle ouvert qui rend GLM-5.3 difficile à justifier pour la plupart des charges. Z.ai annonce 63,4 sur DeepSWE v1.1 contre 66,9 pour le GLM-5.3 complet et 46,2 pour GLM-5.2, et 48,8 contre 26,2 pour GLM-5.2 sur AutomationBench. Sur son Z.ai Code Bench maison, il a obtenu 29,0 à l'effort max contre 29,5 pour Claude Opus 4.8. Ce sont des chiffres du fournisseur, et le graphique comparatif principal de la fiche du modèle est une image plutôt qu'un tableau.
Les chiffres indépendants sont moins flatteurs mais restent solides. Artificial Analysis lui attribue 42 sur son Intelligence Index, sixième de sa catégorie de taille à poids ouverts, à 0,28 $ par tâche de l'index. La documentation de Z.ai cite 57 sur la version 4.1.1 de l'index à un tarif réduit de 0,045 $ par tâche : vérifiez quelle version utilise une comparaison. Kimi K3 obtient 44 sur le même ensemble de pages d'Artificial Analysis à 2,00 $ par tâche, environ sept fois le coût pour deux points.
L'écart de prix avec son grand frère est important. À 0,15 $/0,50 $, il coûte environ un dixième des 1,40 $/4,40 $ de GLM-5.3, l'entrée en cache coûte 0,03 $ contre 0,26 $, et le stockage du cache est gratuit pour l'instant. Flash lit aussi images, vidéo et fichiers, ce que GLM-5.3 ne sait pas faire, et la MIT standard supprime les conditions sur mesure de la licence de GLM-5.3.
Ses coûts se cachent dans la sortie. La réflexion ne peut pas être désactivée et vaut max par défaut, et Artificial Analysis a mesuré 180M de tokens de sortie pour faire tourner son index contre une médiane de 140M, à 67 tokens par seconde sur l'API de Z.ai. Un appel de classification auquel un modèle sans raisonnement répond en dix tokens peut en renvoyer des centaines ici, si bien que le faible tarif par token le flatte sur les tâches courtes et simples. L'auto-hébergement est plus facile qu'avec les concurrents de 2 800 milliards de paramètres, même si environ 330 GB de poids FP8 dépassent encore un serveur de quatre GPU de 80 GB avant tout cache KV.
Là où il fait la différence
Un ingénieur plateforme qui fait tourner une flotte d'agents de code dans OpenCode ou Claude Code
Réduire la facture mensuelle de modèles sans tomber sur un modèle faible
Pointer le harnais d'agents vers glm-5.3-flash sur Z.ai ou un hébergeur comme Together ou Fireworks, tous deux affichés au même 0,15 $/0,50 $. Un mois de 2B de tokens en entrée avec 80 % d'accès au cache plus 200M de tokens en sortie coûte environ 208 $, contre environ 1 856 $ pour le même trafic sur GLM-5.3.
Une start-up de deux personnes qui construit un système de questions-réponses sur captures d'écran et PDF
Lire captures d'interface et documents scannés avec un seul modèle
Envoyer les images sous forme de blocs image_url à côté du texte dans le même appel de chat ; fichiers et vidéo sont aussi acceptés. Passez reasoning_effort à low pour les consultations simples, car la valeur par défaut est max et chaque token de raisonnement est facturé en sortie.
Une responsable d'ingénierie sur le GLM Coding Plan de Z.ai
Faire durer un abonnement fixe pour toute une équipe
Flash consomme 3x le quota de GLM-5.3 sur le Coding Plan à points, et les appels en heures creuses et le week-end coûtent moitié moins de points. FlashX n'est pas encore dans l'offre, si bien que le niveau à 200 tokens par seconde implique le paiement à l'usage à 0,37 $/1,25 $.
L'équipe ML d'une banque qui ne peut pas envoyer de code à une API externe
Faire tourner un modèle de code compétent sur son propre matériel sous une licence propre
Servir le checkpoint FP8 avec vLLM ou SGLang en suivant les recettes publiées par Z.ai ; la MIT signifie aucun seuil d'utilisateurs actifs ni de chiffre d'affaires à suivre. Prévoyez un serveur de classe huit GPU, puisque les poids seuls pèsent environ 330 GB.
Avant de vous engager
- Mise en route
- Appelez glm-5.3-flash sur l'API de style OpenAI de Z.ai, ou téléchargez les poids FP8 et servez-les avec vLLM, SGLang, TokenSpeed, KTransformers ou Transformers. Z.ai recommande une température de 1, un top_p de 0,95 et l'effort max.
- Intégrations
- Streaming, appel de fonctions, sortie JSON structurée et mise en cache du contexte sur l'API de Z.ai ; la recherche web intégrée coûte 0,01 $ par appel. Environ 30 endpoints de fournisseurs le servent sur OpenRouter, la plupart à 0,15 $/0,50 $ et certains hébergeurs FP4 moins cher.
- Données et confidentialité
- Les conditions sur les données de l'API de Z.ai indiquent que prompts et sorties sont traités en temps réel et non stockés, et que les données des clients sont généralement traitées à Singapour. Les conditions ne mentionnent l'entraînement ni dans un sens ni dans l'autre, et aucune certification SOC 2 ou ISO n'est publiée. Z.ai sert le modèle sur des accélérateurs fabriqués en Chine.
- Coût à grande échelle
- Sur Z.ai, 2B de tokens en entrée (80 % en cache) et 200M de tokens en sortie par mois coûtent environ 208 $ ; GLM-5.3 coûterait environ 1 856 $. L'auto-hébergement représente à peu près 330 GB de poids FP8 plus le cache KV, plus que ce que peuvent contenir quatre GPU de 80 GB : prévoyez un nœud de huit GPU.
- Limites
- Contexte de 1M tokens et 128K en sortie sur l'API ; la fiche du modèle n'indique pas de longueur de contexte. La réflexion ne peut pas être désactivée, et Artificial Analysis a mesuré 67 tokens par seconde et un premier token à 3,15 secondes sur Z.ai. Les limites de débit de l'API ne sont pas publiées sur la page du modèle.
Les points forts
- Licence MIT standard, sans clause de chiffre d'affaires ni d'attribution
- DeepSWE à 63,4 contre 66,9 pour GLM-5.3, pour environ un dixième du prix
- Lit images, vidéo et fichiers ; GLM-5.3 est uniquement textuel
- Contexte de 1M tokens et 128K en sortie sur l'API
Les points faibles
- Réflexion toujours activée et verbeuse : 180M de tokens lors du passage d'Artificial Analysis contre une médiane de 140M
- Environ 330 GB de poids FP8, l'auto-hébergement exige donc un serveur multi-GPU
- Les benchmarks phares sont ceux de Z.ai, en partie publiés seulement sous forme d'image
Idéal pour
Les équipes qui font tourner à fort volume des agents de code ou multimodaux et veulent un modèle ouvert sans conditions de licence et à coût d'API très bas.
Alternatives à GLM-5.3-Flash
GLM-5.3-Flash : questions fréquentes
- GLM-5.3-Flash vaut-il le coup ?
- GLM-5.3-Flash obtient l'essentiel des capacités de code de GLM-5.3 pour un dixième du prix au token, et sa licence MIT ne laisse rien à lire pour un juriste. Nous lui donnons 4.3 sur 5.
- Combien coûte GLM-5.3-Flash ?
- Poids ouverts sous MIT. API Z.ai : 0,15 $ en entrée / 0,50 $ en sortie par million de tokens (0,03 $ en cache) ; FlashX à 0,37 $ / 1,25 $.
- Quels sont les inconvénients de GLM-5.3-Flash ?
- Réflexion toujours activée et verbeuse : 180M de tokens lors du passage d'Artificial Analysis contre une médiane de 140M; environ 330 GB de poids FP8, l'auto-hébergement exige donc un serveur multi-GPU; les benchmarks phares sont ceux de Z.ai, en partie publiés seulement sous forme d'image.
- À qui s’adresse GLM-5.3-Flash ?
- Les équipes qui font tourner à fort volume des agents de code ou multimodaux et veulent un modèle ouvert sans conditions de licence et à coût d'API très bas.
- Combien coûte GLM-5.3-Flash pour une équipe ou en production ?
- Sur Z.ai, 2B de tokens en entrée (80 % en cache) et 200M de tokens en sortie par mois coûtent environ 208 $ ; GLM-5.3 coûterait environ 1 856 $. L'auto-hébergement représente à peu près 330 GB de poids FP8 plus le cache KV, plus que ce que peuvent contenir quatre GPU de 80 GB : prévoyez un nœud de huit GPU.
- GLM-5.3-Flash est-il sûr pour les données de l’entreprise ?
- Les conditions sur les données de l'API de Z.ai indiquent que prompts et sorties sont traités en temps réel et non stockés, et que les données des clients sont généralement traitées à Singapour. Les conditions ne mentionnent l'entraînement ni dans un sens ni dans l'autre, et aucune certification SOC 2 ou ISO n'est publiée. Z.ai sert le modèle sur des accélérateurs fabriqués en Chine.
- Quelles sont les meilleures alternatives à GLM-5.3-Flash ?
- Les alternatives les plus proches que nous avons testées sont GLM-5.3, DeepSeek-V4.1-Flash, Qwen3.5-397B-A17B et Kimi K3.
Réponses vérifiées le 26 oct. 2026.