ERNIE-5.5-Flash vs GLM-5.3 Flash : deux dépôts ouverts, deux offres très différentes

ERNIE-5.5-Flash et GLM-5.3 Flash sont tous deux téléchargeables cette semaine, tous deux sont des modèles à mélange d'experts clairsemé dans la même classe de poids, et tous deux tiennent sur à peu près la même étagère de GPU en FP8. C'est là que la similitude s'arrête. GLM-5.3 Flash, publié par Z.ai le 26 août 2026, est un modèle multimodal fini sous licence MIT avec un prix publié et un point de terminaison servi. ERNIE-5.5-Flash-Base, publié par Baidu le 5 novembre 2026, est le point de contrôle de fin de pré-entraînement d'un modèle qui n'a pas été post-entraîné, sous une licence sur mesure, sans prix ni point de terminaison. Les comparer comme des modèles ouverts rivaux est raisonnable. Les comparer comme des modèles substituables ne l'est pas, et l'écart est juridique et procédural avant d'être technique. Les deux variantes de GLM sont facturées aux prix catalogue du fournisseur donc la variante gratuite ne coûte rien à essayer.

Qu'y a-t-il réellement dans chaque dépôt ?

GLM-5.3 Flash est un modèle à 320 milliards de paramètres, dont 18 milliards actifs par token, doté de 45 couches et d'un hybride d'attention linéaire et clairsemée qui, selon Z.ai, réduit le calcul d'attention d'environ un facteur trois et le cache KV d'environ 4,4 fois par rapport au GLM-5.3 exclusivement textuel. La fenêtre de contexte est de 1 048 576 tokens, la sortie est plafonnée entre 128K et 131K selon l'hôte, et le modèle accepte du texte, des images et de la vidéo en entrée pour produire du texte. Les poids FP8 sur Hugging Face atteignent environ 328 Go.

ERNIE-5.5-Flash-Base compte 280B au total avec 14B actifs, 33,5T de jetons de préentraînement, 43 couches — une dense plus 42 MoE — dont 37 couches sur l’attention HCA compressée et six sur MLA avec attention parcimonieuse de style DeepSeek. Taille cachée de 4 096, 64 têtes, 512 experts routés en top-10 plus un expert partagé, vocabulaire de 201 216. Contexte d’entraînement de 128K, avec 1 048 576 activés pour le fine-tuning et l’inférence dans la configuration publiée. Variantes FP8 et BF16, toutes deux sur Hugging Face.

• Paramètres totaux — ERNIE 280B vs GLM 320B

• Actifs par token — 14B vs 18B

• Couches — 43 vs 45

• Contexte — 1M pour l’inférence vs 1M

• Modalité — texte uniquement vs texte, image et vidéo en

• Licence — ERNIE 5.5 Flash Base License v1.0 vs MIT

• Post-entraînement — aucun vs ajusté aux instructions

• Prix — aucun prix publié contre 0,15 $ en entrée / 0,50 $ en sortie

L'écart de paramètres est plus petit que ce que laisse entendre leur dénomination, et il joue dans le sens inverse de ce que l'on pourrait supposer : ERNIE active moins de paramètres par token et en compte moins au total, ce qui, sur le papier, en fait le moins coûteux des deux à servir. L'empreinte FP8 de 328 Go de GLM est le chiffre concret ; ERNIE, à 280 B, se situe dans le même ordre de grandeur, avant même le cache KV.

La licence est le premier embranchement sur la route

MIT n'est pas un détail marketing. Cela signifie l'usage commercial, la modification, la redistribution et les modèles dérivés, sans conditions d'utilisation sectorielle à négocier ni accord distinct à signer. Une équipe peut affiner GLM-5.3 Flash sur des données propriétaires et livrer le résultat sans avoir à discuter avec le service juridique de Z.ai.

ERNIE-5.5-Flash-Base est publié sous l'ERNIE 5.5 Flash Base Model License Agreement v1.0. Il s'agit d'un accord sur mesure, et le contraste qu'il vaut la peine de connaître est historique : Baidu a publié la famille ERNIE 4.5 sous Apache 2.0 en 2025. Passer à une licence personnalisée pour la base 5.5 constitue un resserrement délibéré, et non un oubli, et cela intervient exactement au moment où les poids deviennent réellement utiles — un point de contrôle de base est bien plus susceptible d'être affiné et redistribué qu'un modèle ajusté aux instructions.

Pour un usage académique et de recherche, la différence pratique peut être nulle. Pour quiconque construit un produit, c’est le premier document à lire, et peut-être la raison de choisir l’autre dépôt. Des poids que l’on peut télécharger ne sont pas la même chose que des poids sur lesquels on peut bâtir.

La modalité détermine davantage de charges de travail que ne le font les benchmarks.

GLM-5.3 Flash accepte la vidéo. Cette seule capacité le sort de toute comparaison avec ERNIE pour une large classe de charges de travail de 2026 — enregistrements d'écran, séquences produit, clips de surveillance, captation de cours. GLM traite également les images, ce qui couvre les factures, les graphiques, les captures d'écran et toute la catégorie du traitement documentaire.

ERNIE-5.5-Flash-Base est un modèle de langage. Du texte en entrée, du texte en sortie. Si l’ERNIE 5.5 Flash post-entraîné venait un jour à être proposé avec une entrée multimodale, Baidu ne l’a pas dit ; la publication décrit un modèle textuel et la suite de benchmarks couvre les connaissances, le raisonnement, les mathématiques, le code, le multilingue et le contexte long. Rien dans les documents publiés ne suggère de capacité visuelle.

Cette asymétrie mérite d’être énoncée clairement, car elle se perd facilement dans une comparaison de spécifications. Un modèle textuel de 280B et un modèle multimodal de 320B ne sont pas des alternatives dans une décision d’acquisition ; ce sont des réponses à des questions différentes. Le seul chevauchement concerne la génération purement textuelle, et sur ce point, le modèle final l’emporte par défaut, parce qu’il existe.

Là où GLM-5.3 Flash est plus faible que ne le laissait penser son lancement

L'honnêteté va dans les deux sens. Les forces publiées de GLM-5.3 Flash sont réelles — DeepSWE 63,4 contre 46,2 pour GLM-5.2, Terminal-Bench 2.1 à 84,3, MMLU-Pro 86,1, MMMU-Pro 86,0, HLE avec outils 55,3 — et Artificial Analysis place son indice de codage à 71,5 et son indice d'intelligence générale à 41,8. Mais les mêmes évaluations révèlent un modèle aux faiblesses étroites et profondes : ProgramBench obtient environ de zéro à 1,5, SRE Bench 0,8, Legal Agent 6,7. Sa latence du premier token est également remarquablement lente pour un modèle de la gamme Flash — 6,36 secondes au p50 sur le trafic d'OrcaRouter sur sept jours — contre environ 1,7 seconde pour le GLM-5, plus grand.

Rien de tout cela ne fait d’ERNIE le meilleur choix. Cela fait de GLM une valeur connue — un modèle dont les modes de défaillance ont été mesurés par des tiers. Les modes de défaillance d’ERNIE n’ont pas du tout été mesurés, car il n’existe aucun modèle instruct à mesurer. Dans une décision fondée sur l’évaluation, des modes de défaillance inconnus sont pires que des modes documentés, même lorsque ceux qui sont documentés sont mauvais.

Parcours de fine-tuning : les deux existent, l’un a une longueur d’avance

Baidu a fait ce qu’il fallait côté outillage. La fiche modèle d’ERNIE inclut des exemples avec SGLang et vLLM, et le dépôt Megatron-Bridge de NVIDIA a ajouté un exemple ERNIE 5.5 qui couvre le fine-tuning. Pour un checkpoint de base, c’est la différence entre un artefact de recherche et un point de départ exploitable.

GLM-5.3 Flash est téléchargeable depuis fin août et a accumulé l’expérience écosystémique qui accompagne trois mois d’utilisation en production : quantifications, intégrations de fournisseurs et rapports de bogues. Quand un noyau casse à 2 h du matin, le ticket GLM a déjà été ouvert par quelqu’un d’autre. Ce n’est pas un benchmark, mais c’est un coût réel d’adoption, et cela devrait entrer dans la décision.

Pour quiconque souhaite essayer GLM-5.3 Flash sans mobiliser un cluster de GPU, OrcaRouter route z-ai/glm-5.3-flash au prix catalogue du fournisseur, avec 0 % de marge, et une variante en offre gratuite figure également au catalogue. Ce même catalogue ne comporte aucune entrée ERNIE parmi ses 216 identifiants de modèles — pas de voie hébergée, pas de prix, rien à router. Ce n'est pas une critique de la publication de Baidu ; c'est la conséquence pratique du fait de livrer les poids avant un produit.

Quel dépôt cloner

Clonez GLM-5.3 Flash si vous avez besoin d’un modèle ouvert multimodal que vous pouvez exposer derrière une API, fine-tuner à des fins commerciales et comparer aux évaluations tierces publiées. MIT, plus un point de terminaison servi, plus trois mois d’utilisation en production : c’est une combinaison solide, et les points faibles documentés sont assez circonscrits pour être contournés.

Clonez ERNIE-5.5-Flash-Base si vous faites du pré-entraînement continu, de l’adaptation à un domaine ou de la recherche post-entraînement, particulièrement en chinois, et que vous êtes prêt à lire une licence sur mesure avant d’investir dans le pipeline. Le format 280B-A14B est efficace, le budget de 33,5 T de tokens est sérieux, l’architecture est documentée plus en détail que la plupart des versions de base, et l’exemple Megatron-Bridge signifie que le premier fine-tuning n’est pas un projet de recherche à part entière.

Ne clonez aucun des deux en espérant qu’il remplace directement l’autre. L’un est un produit fini avec une licence qui autorise presque tout ; l’autre est un excellent point de départ avec une licence qui autorise moins et un produit qui n’existe pas encore. La question intéressante est ce que Baidu livrera dans le modèle post-entraîné et à quel prix — car s’il se situe près de $0.15/$0.50 avec 14B de paramètres actifs, cela cesse d’être une comparaison de deux dépôts et devient une véritable confrontation entre deux modèles Flash ouverts. D’ici là, les dépôts ne sont pas du tout sur le même rayon.