Dots vs GLM-5.2 : les deux extrémités de la chaîne d'approvisionnement des agents

Dots and GLM-5.2 sit at opposite ends of the same supply chain, and neither one is the other's rival. Dots is the agent surface the company announced at DevDay on September 29, 2026 — an always-on worker with its own cloud computer and browser, connections to more than 4,000 apps, reachable in ChatGPT, Slack and Teams, powered by GPT-6 Astra and included with Pro and Business Premium at no extra cost. GLM-5.2 is Z.ai's open-weight flagship text model, released June 16, 2026, with a one-million-token context window, up to 128,000 tokens of output and a published rate of $1.40 per million input tokens and $4.40 per million output tokens. One is the layer you rent and cannot see inside; the other is the layer you can download, inspect and price to the token. If you are deciding how to run agents this quarter, that is the pair of decisions in front of you.

Ce qu'est chacun, en une seule passe

• Ce qu’il est — un agent hébergé toujours actif sans identifiant de modèle propre (Dots), face à un modèle de texte téléchargeable dont les poids sont publiés (GLM-5.2)

• Qui le développe — OpenAI, annoncé lors du DevDay le 29 septembre 2026, face à Z.ai (Zhipu AI), sorti le 16 juin 2026

• Où il s’exécute — l’ordinateur cloud et le navigateur d’OpenAI, isolés de votre machine, sauf si vous les reliez, face à l’endroit où vous le déployez : votre propre matériel, un cloud de votre choix ou notre point de terminaison

• Modèle sous-jacent — GPT-6 Astra, nommé par OpenAI dans ses supports de lancement (déclaration du fournisseur), face à GLM-5.2 lui-même, un modèle de mélange d’experts que Z.ai a publié avec des poids ouverts

• Modalité — des messages, des données d’application et un navigateur d’un côté, face à du texte en entrée et du texte en sortie uniquement, sans entrée d’image ni d’audio

• Capacité — limites de réponse non documentées pour un point, face à 1 000 000 de tokens de contexte et 128 000 tokens de sortie maximale

• Prix — le premier point inclus avec Pro ou Business Premium, quota non publié, contre 1,40 $ par million d'entrées et 4,40 $ par million de sorties, comme indiqué dans notre catalogue

• Preuves — démos de fournisseurs, aucun benchmark indépendant pour dots, face à un Artificial Analysis Intelligence Index de 33,7 et un 99,1 rapporté par le fournisseur sur τ²-Bench, tous deux accompagnés de leurs sources dans notre catalogue

La moitié open-weights, et le hic dès le premier jour

La proposition de GLM-5.2 est celle, familière, du modèle à poids ouverts, et elle est plus solide que d’habitude ici parce que le modèle est bon marché à tous égards et que les poids signifient que la décision de déploiement vous appartient. Les résultats publiés par Z.ai lui-même mettent en avant l’utilisation d’outils agentiques — 99,1 sur τ²-Bench, 76,8 sur MCP-Atlas et 74,4 sur FrontierSWE — et ce sont des chiffres de fournisseur, ce qu’il vaut la peine de dire clairement, car ce sont eux qui donnent au modèle l’air d’une bonne affaire. La mesure indépendante est plus nuancée : un indice d’intelligence Artificial Analysis de 33,7 le place en milieu de tableau, une tranche τ-banking de 34,6 est modeste, et 78,3 en rappel sur contexte long se situe derrière les leaders actuels. Notre catalogue transporte 123,2 millions de jetons de trafic sur ce modèle au cours des sept derniers jours, ce qui est le signe le plus clair disponible que les gens l’utilisent réellement.

Voici le hic, et c’est la raison pour laquelle cet article existe plutôt qu’une simple comparaison de spécifications. Artificial Analysis classe GLM-5.2 comme déprécié au profit d’une version plus récente, GLM-5.3, et sa page live l’indique en haut : le modèle est toujours routable et toujours généralement disponible, mais la feuille de route du fournisseur a évolué et les chiffres de l’indice associés à GLM-5.2 sont un instantané plutôt qu’une mesure permanente. Ses autres chiffres indépendants restent statiques pour la même raison — l’avis d’AA explique qu’après la dépréciation, il continue d’évaluer uniquement la charge de travail par défaut du modèle, et que les résultats pour tout le reste deviennent historiques.

Deux leçons en découlent, et toutes deux s'appliquent bien au-delà de ce modèle. Premièrement, un prix et une licence sont des faits durables concernant une publication à poids ouverts ; un classement dans un leaderboard est mouvant, et un modèle peut être bon marché, téléchargeable et néanmoins dépassé. Deuxièmement, le successeur est déjà là : Z.ai a livré GLM-5.3 comme son modèle phare actuel, à un prix inférieur à celui de GLM-5.2, soit 1,26 $ en entrée et 3,96 $ en sortie par million, avec un Intelligence Index indépendant de 44,8 contre 33,7 pour GLM-5.2. Quiconque développe aujourd'hui devrait d'abord chiffrer le modèle le plus récent et considérer GLM-5.2 comme le plancher moins cher en dessous, et non comme la pointe de la famille.

Ce que coûte un point, et pourquoi aucun de vous deux ne peut le budgéter

OpenAI a publié un seul prix pour les dots — le premier est inclus avec Pro et Business Premium, avec des limites étendues le premier mois et des conversations qui ne puisent pas dans les limites d’utilisation de ChatGPT. Aucun chiffre d’allocation, aucun prix pour un deuxième dot, aucun tarif pour de la vitesse ou de la capacité supplémentaire, aucun coût par tâche terminée, et aucun prix entreprise pour les dots spécialisés actuellement en test interne. La couverture de la keynote par CNBC montre la directrice financière Sarah Friar présenter le nouveau palier Pro 500 à 500 $ comme une allocation d’utilisation plus le mode Ultrafast, plutôt que comme un tarif par dot ; le forfait le plus cher de la grille d’OpenAI ne se convertit pas non plus en coût par unité de travail d’agent.

GLM-5.2 a le problème inverse, qui est le meilleur problème : trop de chiffres, tous vérifiables. La grille tarifaire est de 1,40 $ et 4,40 $ par million de jetons, avec des lectures en cache à 0,26 $, et le modèle est téléchargeable, de sorte que le coût marginal d'une requête que vous exécutez vous-même est le matériel et l'électricité plutôt que la facture d'un fournisseur. C'est le compromis en une phrase. Un point vous donne un travailleur et pas de compteur ; GLM-5.2 vous donne un compteur et pas de travailleur.

Mettre un modèle facturé à l'usage sous un agent que vous louez

La façon utile de garder les deux est de donner à chacun la moitié du travail qu’il fait bien. Un Dot gère la coordination : surveiller un projet, relancer les personnes et les systèmes impliqués, revenir avec quelque chose de terminé. GLM-5.2 — ou le successeur dont vous avez comparé le coût à celui-ci — se charge du raisonnement que vous devez assumer : la passe d’extraction sur une archive d’un million de tokens, la génération longue, la file de classification, la partie où une mauvaise réponse coûte plus que les tokens qu’elle a permis d’économiser.

Cette séparation exige que la moitié « raisonnement » soit portable, ce qui est un problème de routage plutôt qu’un problème de modèle. OrcaRouter sert GLM-5.2 sous z-ai/glm-5.2 au prix catalogue du fournisseur, répercuté avec 0 % de marge — rien ajouté par-dessus, donc une baisse de tarif de Z.ai atteint votre compte le jour même — dans un catalogue de plus de 200 modèles derrière une seule clé, avec les outils de basculement et de routage qui permettent à une tâche de passer au modèle plus récent ou moins cher sans modification de code. Ce qu’il n’offre pas, c’est un dot : il n’y a pas d’endpoint dots, pas d’identifiant de modèle pour l’agent, et aucun moyen de permuter l’intelligence qui s’exécute à l’intérieur. La frontière est réelle, et prétendre le contraire serait la seule diapositive malhonnête de cette comparaison.

La recommandation, formulée une seule fois

Si vous voulez que le travail se fasse sans que vous le pilotiez, achetez le dot — cela ne coûte rien de plus qu'un abonnement que vous détenez peut-être déjà, et sa limite est que vous ne pouvez pas encore prouver ce qu'il vous a fait économiser. Si vous voulez savoir ce que coûte votre raisonnement et pouvoir le déplacer plus tard, placez GLM-5.2 ou son successeur derrière votre propre endpoint et mesurez-le. Les équipes qui réussissent cela à la fin de 2026 font les deux, et la discipline qui fait que cela fonctionne consiste à refuser de laisser la couche louée posséder quoi que ce soit qu'elles ne pourraient pas remplacer.