Carton de titre généré pour Claude Opus 5.5 vs GLM-5.4, avec trois pastilles indiquant « GLM-5.4 : modèle inexistant », « GLM-5.3, poids ouverts, 18 août 2026 » et « Opus 5.5 GA, 22 sept. 2026 », et un pied de page mentionnant que la documentation Z.ai et Hugging Face ont été consultés le 19 novembre 2026. Logo OrcaRouter en bas à droite.
Guides & Insights

Claude Opus 5.5 vs GLM-5.4 : un jeton bon marché ne fait pas une tâche bon marché

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

L’erreur la plus coûteuse en matière de sélection de modèle est de comparer des grilles tarifaires au lieu de tâches achevées. Claude Opus 5.5 coûte 4 $ par million de tokens d’entrée et 20 $ par million de tokens de sortie. GLM-5.3 — le modèle que Z.ai livre réellement, et celui que cherche quiconque tape « GLM-5.4 » — coûte 1,40 $ et 4,40 $. Sur l’étiquette, le modèle chinois à poids ouverts est environ cinq fois moins cher. Selon la propre mesure d’Artificial Analysis du coût d’achèvement d’une tâche, l’écart tombe à 2×. C’est cet effondrement, et non la grille tarifaire, qui constitue l’histoire de cette comparaison.

D’abord, le nom. GLM-5.4 n’existe pas. L’index de documentation de Z.ai répertorie GLM-5.3 et GLM-5.3-Flash comme les modèles textuels actuels, l’organisation du laboratoire sur Hugging Face ne contient aucun dépôt où figure « 5.4 », et une recherche en texte intégral sur le Hub le 19 novembre ne renvoie rien. Ce numéro est un terme de recherche, pas une version publiée. GLM-5.3 est sorti en août 2026 — le 18 août selon la date de publication d’Artificial Analysis, les poids étant disponibles sur le Hub à partir du 25 août — et c’est le modèle auquel se rapportent toutes les affirmations ci-dessous.

Ce qu'est GLM-5.3, et ce qu'il coûte

GLM-5.3 est le modèle phare textuel à poids ouverts de Z.ai. Il repose sur le même modèle de base que GLM-5.2, tous les gains provenant du post-entraînement, ce qui explique pourquoi la licence et l’architecture sont inchangées et pourquoi les améliorations se concentrent exactement à deux endroits : le codage complexe et le travail agentique sur horizon long. Il dispose d’un contexte de 1 M de tokens, d’une sortie maximale de 128 K, d’une entrée textuelle uniquement et d’un raisonnement qui ne peut pas être désactivé — trois niveaux d’effort : faible, élevé et max, avec max par défaut.

Headless capture of Z.ai's developer documentation page for GLM-5.3, showing the model overview, the note that it uses the same base model as GLM-5.2 with all gains from post-training, and the feature section stating a 1M-token context window and 128K maximum output.

• Prix — Claude Opus 5.5 4,00 $ en entrée / 20,00 $ en sortie / 0,20 $ en lecture du cache, contre GLM-5.3 1,40 $ / 4,40 $.

• Poids — API fermée uniquement, contre une publication ouverte de type Apache sur Hugging Face, téléchargeable et auto-hébergeable.

• Contexte — 1M de tokens pour les deux, 128K de sortie max pour les deux.

• Contrôle de l'effort — Opus 5.5 applique une réflexion adaptative qui ne peut pas être désactivée, par défaut medium, alors que le raisonnement de GLM-5.3 est toujours activé, par défaut max.

• Indice d’intelligence — 59,1 contre 31,7 sur la révision v5.0.1, soit un écart de 27,4 points.

• Coût par tâche Index — 10,04 $ contre 5,01 $, soit un écart de 2×, et non de 4,5× comme le laisse entendre le prix affiché.

• Modalité — entrée texte et image vs texte uniquement.

Pourquoi un avantage de prix de 4,5× devient un avantage de coût de 2×

Artificial Analysis a fait passer les deux modèles par la même suite Index et compté les tokens consommés par chacun. Claude Opus 5.5 a généré 218 M de tokens de sortie sur l’ensemble de la suite. GLM-5.3 en a généré 135 M. Ce n’est pas la direction à laquelle la plupart des gens s’attendent — le modèle coûteux est ici le plus verbeux — mais le ratio qui compte est celui rapporté au prix, et l’avantage de 1,6× en tokens de GLM-5.3 ne couvre de loin pas son avantage de 4,5× par token dans l’autre sens.

Generated two-column scoreboard titled 'Claude Opus 5.5 vs GLM-5.3 - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, Terminal-Bench 4.0 59.6%, FrontierCode 2.0 46.4%, weights closed, price $4 / $20. Right column GLM-5.3 rows: Intelligence Index 31.7, cost per task $5.01, Terminal-Bench 4.0 41.9%, FrontierCode 2.0 21.6%, weights Apache open, price $1.40 / $4.40. Footer: both per Artificial Analysis index v5.0.1, GLM-5.4 does not exist. OrcaRouter logo bottom-right.

Faites le calcul comme le ferait un budget. Sur une tâche où les deux modèles consomment le même nombre de tokens, GLM-5.3 est 4,5× moins cher. En pratique, GLM-5.3 consomme environ 0,62 token pour chaque token dépensé par Opus 5.5, de sorte que le ratio effectif atteint près de 2,8× avant les tokens d’entrée, et le chiffre mesuré par tâche de 5,01 $ contre 10,04 $ le situe à 2×. C’est toujours une réelle économie — environ la moitié — mais la moitié est une décision différente d’un cinquième. Une équipe qui a établi son budget sur le prix affiché et s’est retrouvée avec une facture 2× plus élevée aura bâti le mauvais business case.

Il existe un effet de second ordre qu'il vaut la peine de signaler, car il a pris en défaut plus d'une équipe : le raisonnement de GLM-5.3 est par défaut sur max. Une migration qui ne fait que remplacer l'ID du modèle et laisse la valeur par défaut du raisonnement inchangée se retrouve avec la configuration la plus coûteuse et la plus lente du modèle, ce qui est précisément l'origine de la verbosité. La note de migration de Z.ai elle-même indique explicitement que la désactivation du raisonnement n'est plus prise en charge et que low doit être défini délibérément.

L'écart de capacités est réel, et il n'est pas uniforme.

Un écart de 27 points à l’indice semble rédhibitoire, et pour le travail de connaissances générales, il l’est presque. Mais les chiffres par benchmark distinguent les deux modèles sur un axe qui compte davantage que le score composite. Tous les chiffres ci-dessous sont ceux d’Artificial Analysis, même dispositif d’évaluation, les deux au niveau d’effort maximal.

• Terminal-Bench 4.0 — 59,6 % contre 41,9 %. Un écart de 18 points sur les tâches agentiques en terminal.

• FrontierCode-AA 2.0 — 46,4 % contre 21,6 %. Opus 5.5 fait plus que doubler GLM-5.3.

• Terminal-Bench-Science 0.1 — 59,0 % contre 9,5 %. Le plus grand écart du classement, et une déroute.

• HLE-Diamond — 67,9 % contre 17,9 %.

• AA-Omniscience — 48,1 à 65,5 % de précision contre 6,0 à 32,3 % de précision.

• GDPval-AA v2.1 — 1866 Elo contre 1655, l’écart le plus étroit de l’ensemble à 211 points.

• ITBench-SRE — 38,2 % contre 46,1 %, l’un des rares domaines où GLM-5.3 l’emporte.

• LCR (raisonnement à long contexte) — 84,7 % vs 79,7 %.

Le schéma est le suivant : GLM-5.3 reste solide sur le raisonnement à contexte long et sur les tâches de fiabilité des sites, mais s’effondre sur le travail en terminal à forte composante scientifique et sur le rappel de connaissances. Si votre charge de travail consiste en l’analyse de documents sur un contexte long, le composite à 27 points surestime la différence. S’il s’agit de codage agentique sur des dépôts inconnus — ce que les deux fournisseurs mettent en avant —, le composite la sous-estime.

Le tableau des fournisseurs publié par Z.ai compare Opus 4.8, et non Opus 5.5.

Bon à savoir avant de faire confiance à un quelconque chiffre comparant GLM et Claude que vous trouveriez dans un graphique. La fiche modèle de GLM-5.3 de Z.ai comporte un tableau de benchmarks avec une colonne « Opus 4.8 » et une colonne « Fable 5 (w/ fallback) ». Claude Opus 5.5, sorti cinq semaines après GLM-5.3, n’y figure pas. Ce n’est pas de la malhonnêteté — le tableau a été établi au moment de la sortie de 5.3, et Opus 5.5 n’existait pas encore —, mais cela signifie que la comparaison que la plupart des gens recherchent n’a jamais été publiée par l’un ou l’autre des fournisseurs, et que les seuls chiffres disponibles obtenus avec le même harnais d’évaluation sont les chiffres indépendants ci-dessus.

Les chiffres propres à Z.ai contiennent bel et bien une affirmation qui mérite d’être prise au sérieux, car elle met en évidence la force réelle du modèle à poids ouverts : sur CyberGym, son benchmark de découverte de vulnérabilités, GLM-5.3 obtient 84,5 contre 78,1 pour Opus 4.8. La fiche décrit ce gain comme « émergent » — la capacité cyber a progressé plus vite que l’équipe ne l’attendait à mesure que le post-entraînement montait en puissance — et les benchmarks d’exploitation font plus que doubler par rapport à GLM-5.2. Anthropic a publié le 29 septembre une analyse des capacités cyber de GLM-5.3, ce que les fournisseurs ne font généralement pas au sujet de la version à poids ouverts d’un concurrent. Si votre travail consiste en des outils de sécurité défensive, c’est le seul axe où le modèle ouvert est véritablement en avance, et c’est aussi l’axe où les poids ouverts comptent le plus : vous pouvez exécuter le classifieur sur votre propre infrastructure plutôt que d’envoyer des prompts proches de l’exploitation à l’API de quelqu’un d’autre.

Là où les poids ouverts changent réellement la décision

Tout ce qui précède est une comparaison des capacités et des coûts, et sur ces deux points, Claude Opus 5.5 l'emporte pour la plupart des tâches. La raison pour laquelle GLM-5.3 est encore déployé n'est ni l'un ni l'autre : c'est qu'un modèle de la famille 5.3 se télécharge, s'exécute derrière votre propre passerelle et ne quitte jamais votre réseau.

Trois situations concrètes où cela l’emporte sur 27 points d’indice. Des données réglementées qui ne peuvent pas franchir une frontière juridictionnelle, où le choix se résume à GLM-5.3 ou rien. La classification à fort volume, où un fine-tuning de 300 M de paramètres du modèle de base surpasse le modèle général sur vos étiquettes pour une fraction du coût par appel. Et l’outillage adjacent à la cybersécurité, où l’avantage au benchmark et l’exigence d’auto-hébergement vont dans le même sens.

Pour tout le reste, la recommandation honnête est de garder la décision de routage peu coûteuse. Les deux modèles sont sur une seule clé OrcaRouter — anthropic/claude-opus-5.5 et z-ai/glm-5.3 — à 0 % de marge sur le prix catalogue du fournisseur, ce qui compte davantage du côté de Z.ai que du côté d'Anthrop​ic, car Z.ai a réajusté le prix de cette gamme deux fois en 2026. Acheminez les passes à fort volume et à faible enjeu vers GLM-5.3 et la boucle de planification vers Opus 5.5, et laissez le basculement automatique couvrir le cas où le fournisseur du palier bon marché passe un mauvais après-midi. Le DSL de routage transforme cela en un simple changement de configuration plutôt qu'en deux intégrations, et c'est le chiffre combiné par tâche qu'il faut inscrire au budget plutôt que l'un ou l'autre des prix affichés.

Headless capture of OrcaRouter's model page for z-ai/glm-5.3, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

La réponse, une fois le nom fixé

Claude Opus 5.5 est le meilleur modèle pour le codage agentique, les travaux en terminal à forte composante scientifique et tout ce qui touche à la mémoire. Il coûte environ deux fois plus cher par tâche terminée que GLM-5.3, et non quatre fois et demie, et la différence en vaut la peine pour les charges de travail que les deux fournisseurs mettent en avant.

GLM-5.3 est le bon choix lorsque les poids doivent être les vôtres, lorsque la charge de travail consiste en du raisonnement sur de longs contextes ou en du triage d’astreinte, ou lorsque la tâche relève de la cyberdéfense. C’est un véritable modèle ouvert proche de la frontière, à un prix réellement bas, et sa plus grande faiblesse — le travail scientifique en terminal à 9,5 % — est suffisamment étroite pour qu’une évaluation spécifique à votre charge de travail vous dise en un après-midi si cela compte pour vous.

GLM-5.4, le modèle mentionné dans le titre, ne fait pas partie de la décision. C'est un numéro de version sans publication derrière lui, et si Z.ai le commercialise, c'est l'arithmétique ci-dessus qu'il devra surpasser.

Comparés dans cet article3

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement