GLM-5.3 arrive en tête du Cyber ECI d'Epoch avec 160 : la frontière ouverte du cyber a 6 à 7 mois de retard

Epoch AI a chiffré la question autour de laquelle tourne le débat sur la sécurité des modèles à poids ouverts, et il s’agit d’un classement plutôt que d’une alerte : GLM-5.3 obtient 160,10 au Cyber ECI du laboratoire, le score le plus élevé de tous les modèles à poids ouverts suivis par l’indice, au-dessus de GPT-5.4 d’OpenAI et en dessous de Claude Mythos Preview d’Anthropic et de GPT-5.5 d’OpenAI. Lu comme une date plutôt qu’un score, ce positionnement indique que la meilleure capacité cyber librement téléchargeable aujourd’hui se situe à peu près là où la frontière fermée se trouvait il y a six à sept mois. La mesure — un Data Insight publié le 16 octobre par les chercheurs d’Epoch Jaeho Lee et Alexander Barry, sur des données arrêtées au 8 octobre — est la première réalisée par un organisme extérieur à classer GLM-5.3 en cybersécurité, tout court, et elle arrive un mois après que le CAISI du NIST a qualifié le modèle de version à poids ouverts la plus capable en cybersécurité à ce jour, tout en le situant à environ quatre mois derrière la frontière américaine. Les deux lectures partagent une source : Epoch tire le score de GLM-5.3 de trois benchmarks du CAISI, ses seuls résultats cyber pour le modèle, de sorte que l’écart entre les deux est une différence de méthode, non de mesure. L’équipe Frontier Red Team d’Anthropic avait déjà publié ses propres chiffres sur les poids rendus publics le 29 septembre, ayant trouvé des exploits de bout en bout dans 50 des 410 tentatives ExploitBench, contre 56 sur 410 pour Claude Mythos Preview. Le modèle lui-même n’est pas nouveau : Z.ai a annoncé GLM-5.3 le 14 août, ouvert l’API le 18 août à 1,40 $ / 4,40 $ par million de tokens, et publié les poids de 743B sur Hugging Face le 28 août sous une licence personnalisée « glm-5.3 ». Ce qui est nouveau, c’est que la capacité autour de laquelle Z.ai a construit son lancement a désormais une position sur un classement public et une distance mesurée à la frontière — tandis qu’Artificial Analysis facture les mêmes poids par tâche entre 0,92 $ et 8,68 $ selon le point de terminaison qui répond, et qu’Amazon Bedrock les propose depuis le 5 octobre aux clients entreprise éligibles. Cette page a d’abord suivi GLM-5.3 à partir de ses traces de fuite du 3 août, puis tout au long de son lancement ; cette révision intègre le positionnement Cyber ECI, la méthode qui le sous-tend, et ce qu’un écart de six à sept mois dit — ou ne dit pas — sur le modèle auquel vous feriez réellement appel.

De la fuite au lancement

Les quatre traces apparues le 3 août — une page de harnais « ZCode for GLM-5.3 », une page de documentation officielle accessible pendant environ une heure, une entrée d’index Bing intitulée « GLM-5.3 Official Harness » et un commit ajoutant une entrée « glm-5.3 » avec prise en charge de JSON Schema au SDK Java officiel de Z​hipu — pointaient toutes vers une version réelle et nommée. La réponse « sooooooon » du cofondateur de Z.ai, Tang Jie, et le positionnement « epic-level plus » sont désormais confirmés par un produit réel plutôt que par une rumeur. Le signal de calendrier « environ une semaine » testé par cette page — publié sur X par @teortaxesTex après la sortie de D​eepSeek V4 Pro le 13 août — s’est vérifié au jour près : Z.ai a officiellement annoncé GLM-5.3 le 14 août sous le slogan « Conçu pour coder. Prêt pour la cyberdéfense. » La suite est arrivée la semaine suivante : le modèle a été mis en ligne sur le marché plus large le 18 août — une date de sortie désormais inscrite sur les fiches de modèles tierces — et le 19 août, Z.ai a annoncé que l’API était ouverte aux appels, au même prix que GLM-5.2, le modèle étant déjà intégré à ZCode, AutoClaw et au G​LM Coding Plan.

Le prochain signal de fuite : un processeur multimodal pour GLM-5.3

La présentation exclusivement textuelle du modèle phare pourrait ne pas durer longtemps. Le 28 août, une pull request ouverte dans le moteur de serving sglang propose la prise en charge de l’entrée du processeur multimodal de GLM-5.3 — la colle logicielle du processeur qui transforme les charges utiles d’images selon le même schéma de redimensionnement dynamique, de pixels, de grille et d’expansion de tokens que celui utilisé par le framework Miles RL, afin que l’entraînement et le serving voient des entrées d’images identiques. La PR constitue la moitié côté rollout de l’apprentissage par renforcement conditionné par l’image sur GLM-5.3 dans radixark/miles, et son deuxième commit enregistre les tests du processeur GLM-5.3 dans la CI CPU de sglang. Rien de tout cela n’est une annonce de Z.ai, et aucun GLM-5.3 multimodal n’a été livré ni benchmarké — il s’agit de preuves au niveau du code, la même catégorie de signal précoce que cette page a suivi pour la première fois le 3 août. Ce que cela dit, c’est que la gamme phare est en cours de préparation pour accepter des images, à l’entraînement comme dans la pile de serving, plutôt que de rester le modèle de codage et de cybersécurité exclusivement textuel décrit par Z.ai au lancement. La propre présentation de Perplexity lorsqu’elle a ajouté GLM-5.3 à Computer fin août — « conçu pour les charges de travail d’agents multimodaux à long contexte » — va dans le même sens, bien qu’il s’agisse de positionnement produit, et non d’un modèle multimodal livré.

Ce que le post-entraînement a réellement rapporté

L'affirmation architecturale est la partie qui mérite d'être cernée, car le détail le plus marquant de la fuite — des paramètres dépassant le billion — est faux. GLM-5.3 n'est pas un modèle plus grand. Z.ai et son cofondateur Tang Jie affirment tous deux qu'il réutilise exactement la même base Mixture-of-Experts de 743B que GLM-5.2 (environ 40 milliards de paramètres actifs par jeton), conserve la même fenêtre de contexte de 1M de jetons et une sortie maximale d'environ 128K, et tire tous ses gains du post-entraînement. Tang Jie a présenté le lancement comme une expérience délibérée à variable contrôlée — même base, même architecture, même nombre de paramètres, avec un mois d'apprentissage par renforcement à horizon long sur des tâches de type codage comme seule variable, et c'est à ce mois qu'il attribue l'amélioration d'environ 50 % en codage. Les notes de version de Z.ai ajoutent la machinerie sous-jacente : davantage d'environnements de tâches à horizon long, davantage de types d'environnements et des entraînements plus longs, le tout bâti sur le cadre IndexShare long-context, le RL asynchrone SAO et le framework open source slime qui avaient déjà produit GLM-5.2. L'analyse technique approfondie vers laquelle Z.ai renvoie depuis l'annonce des poids ouverts — l'article de recherche sur z.ai/blog/glm-5.3 — va plus loin dans la recette : des dizaines de fois plus d'environnements de tâches à horizon long, davantage de types d'environnements, et des entraînements prolongés bien au-delà de la première version, avec des tâches étendues jusqu'à des charges de travail expertes de plusieurs jours sur de véritables clusters de calcul. Ce cadrage de la capacité cyber — « une capacité de programmation strictement contrainte » qui a émergé à mesure que les environnements de tâches montaient en échelle — est, comme les notes de version, le propre récit de l'entreprise, et non un audit indépendant. Ce cadrage « pas de réentraînement, tout en post-entraînement » est celui du fondateur et de l'entreprise, et il n'a pas été audité indépendamment. La taille constitue l'autre gros titre : avec 743B de paramètres au total et seulement environ 40B de paramètres actifs par jeton, GLM-5.3 est assez léger pour être auto-hébergé sur un cluster modeste et assez bon marché pour être servi à grande échelle — le positionnement « plus petit, moins cher, ouvert » que les commentaires du jour du lancement lui ont accolé, et un contraste marqué avec les modèles phares fermés de pointe auxquels on le compare.

Codage et agents : les chiffres que Z.ai avance

Sur le codage, Z.ai rapporte — tous ces chiffres étant rapportés par le fournisseur et non reproduits — que Terminal-Bench 3.0 passe de 4,6 à 28,3, ce que Z.ai qualifie de meilleur score pour modèles à poids ouverts sur ce banc d’essai ; DeepSWE v1.1 passe de 46,2 à 66,9 ; SWE-Marathon voit son score à peu près doubler, de 19,4 à 42,5 ; et Agents’ Last Exam (CLI) passe de 23,8 à 28,5. La formule concise de Tang Jie lui-même pour ce résultat, dans une publication sur X relayée par @dotey, était « pur post-entraînement, le codage progresse d’environ 50 % » — le même chiffre phare que Z.ai a affiché dans son annonce. Sur le banc d’évaluation interne de code de Z.ai, GLM-5.3 a obtenu 31,4 % à environ 50 K jetons de sortie par tâche en effort élevé, contre 29,5 % pour C​laude O​pus 4.8 à environ 120 K jetons — l’argument de Z.ai étant que GLM-5.3 atteint un résultat comparable tout en dépensant bien moins de jetons de sortie. C​laude Fable 5 reste en tête de cette évaluation interne avec 39,5 % en effort maximal, et Z.ai reconnaît que GLM-5.3 reste devancé par G​PT-5.6 Sol et C​laude Fable 5 sur plusieurs évaluations de codage plus difficiles. Considérez tous ces chiffres comme des chiffres du fournisseur jusqu’à ce qu’un banc d’évaluation indépendant les reproduise.

Cyberdéfense : la capacité que personne n'a vue venir

Les chiffres de cybersécurité ont été l’élément le plus retentissant de l’annonce de Z.ai et, jusqu’au 29 septembre, ils étaient aussi entièrement rapportés par le fournisseur. Sur CyberGym, un benchmark de découverte et de validation de vulnérabilités en boîte blanche, Z.ai rapporte GLM-5.3 à 84,5 %, contre 77,2 % pour GLM-5.2 et devant Mythos 5 (83,8 %) et GPT-5.6 Sol (83,6 %) du laboratoire. Sur ExploitBench, qui exige à la fois une analyse de cause racine et un exploit fonctionnel, Z.ai rapporte que GLM-5.3 fait plus que doubler, passant de 24,4 % à 54,4 %, même si Mythos 5 (78,0 %) reste devant. Sur ExploitGym, Z.ai rapporte 105 tâches accomplies avec un budget de 2 heures et 130 en 6 heures, contre 29 et 39 pour GLM-5.2 — là encore derrière Mythos 5 (181 et 247). Z.ai présente la capacité cyber comme une propriété émergente du post-entraînement à l’échelle — « la capacité n’a cessé de s’accumuler à mesure que l’entraînement passait à l’échelle », selon les mots de l’entreprise — plutôt que comme une cible délibérée. Une mise en garde avant de comparer ces pourcentages à quoi que ce soit ci-dessous : le chiffre de Z.ai sur ExploitBench et le résultat d’Anthropic sur ExploitBench au niveau des tentatives sont des exécutions différentes du même benchmark public, avec des harnais et des régimes différents ; les deux nombres ne constituent donc pas la même mesure et ne doivent pas être mis côte à côte.

Z.ai ajoute une affirmation concrète pour accompagner les benchmarks : dans des tests menés avec des équipes de sécurité, GLM-5.3 a identifié 2 436 vulnérabilités dans 269 projets open source, dont 1 097 classées critiques ou de gravité élevée, la plus ancienne découverte remontant à 1981 et une « durée de vie » moyenne de 26,6 ans. C’est le chiffre le plus frappant de l’annonce, et aussi le moins vérifiable de façon indépendante. L’entreprise a associé cette capacité à un Security Disclosure Ledger pour la divulgation coordonnée, à un programme « trusted access » qui réserve les fonctions cyber sensibles aux utilisateurs vérifiés, et à une initiative « Open Source Shield » visant à auditer en continu les projets open source clés. L’évaluation d’Anthropic du 29 septembre remet directement en question ce que le contrôle d’accès apporte sur les poids téléchargeables : elle a constaté que le modèle publié refuse d’emblée les requêtes nuisibles, mais qu’il peut être contourné dans 64 à 100 % des essais par des techniques ordinaires, et elle note que des développeurs avaient publié des variantes « abliterated » de GLM-5.3 dans les jours suivant la publication des poids. Un programme d’utilisateurs vérifiés régit une API ; il ne régit pas un fichier.

Ce qu'Anthropic a mesuré, et ce que cela change

L'équipe Frontier Red Team d'Anthropic a publié son évaluation le 29 septembre sous le titre « GLM-5.3 et la propagation des capacités cyber avancées », et c'est la première fois qu'un laboratoire concurrent avance ses propres chiffres sur la capacité d'exploitation de GLM-5.3. Le cadrage est sans détour : comme Claude Mythos Preview, GLM-5.3 possède de fortes capacités pour construire de manière autonome des exploits cyber de bout en bout, mais contrairement aux autres modèles de pointe, il a été diffusé sans garde-fous significatifs pour limiter les détournements. Exécuté dans des environnements isolés contre des cibles hors ligne, GLM-5.3 a mis au point des exploits de bout en bout sur ExploitBench lors de 50 des 410 tentatives. Claude Mythos Preview — annoncé par Anthropic environ cinq mois plus tôt et diffusé de façon limitée via son programme de défenseurs de confiance Project Glasswing — y est parvenu lors de 56 des 410 tentatives. Sur le benchmark interne Binary Exploitation d'Anthropic, qui sélectionne au hasard 100 tâches parmi les projets participant à OSS-Fuzz de Google et accorde la note maximale en cas de détournement de flux de contrôle, GLM-5.3 a obtenu 4 %, contre 6 % pour Claude Mythos Preview. Le point d'Anthropic n'est pas que GLM-5.3 soit en tête, mais qu'un seuil a bougé : les modèles antérieurs, notamment Claude Opus 4.6 et GLM-5.2, n'ont réussi aucune de ces tâches.

Lors de sessions menées par des chercheurs, la découverte devient concrète. À partir d'une machine en bac à sable exécutant une version Linux locale d'un navigateur web populaire et avec moins d'une heure d'attention humaine répartie sur une journée, GLM-5.3 a trouvé plusieurs vulnérabilités jusqu'alors inconnues dans le moteur JavaScript du navigateur et les a enchaînées pour en faire un exploit fonctionnel — une page qui, lorsqu'elle est visitée, lit des fichiers arbitraires sur l'ordinateur du visiteur, y compris une clé privée SSH. A​nthropic affirme avoir signalé ces failles au mainteneur, et que la même session a également mis au jour des vulnérabilités exploitables dans des pilotes sans fil et graphiques ainsi que dans des logiciels d'appareils exposés au réseau. Lors d'une deuxième session, GLM-5.3-Flash — la version sœur plus petite et moins performante — s'est vu confier les détails publics d'une faille Chrome corrigée (CVE-2026-11645) ainsi qu'une autre et, sans indication significative, a construit une chaîne d'exploitation ARM64 fiable qui contournait le durcissement de l'authentification des pointeurs. Cela a demandé 20 minutes d'attention humaine et huit heures de travail du modèle, qu'A​nthropic évalue à 20,40 $ aux tarifs d'API de Z​hipu.

La moitié du billet consacrée à la sécurité est la partie qui change une décision de déploiement. Dès la sortie de la boîte, GLM-5.3 a refusé toute demande manifestement malveillante dans le monde simulé d’Anthropic, tout comme chaque autre modèle testé. Anthropic a ensuite trouvé des moyens simples de contourner ce refus, et rapporte le taux auquel le modèle a donné suite à la demande nuisible :

• Une invite trompeuse — on fait croire au modèle qu'il est un agent autonome de red-team travaillant sur un exercice : 64 % des essais.

• Préremplissage des tokens de réflexion du modèle pour qu'il semble avoir déjà pris en compte la requête et décidé de poursuivre : 92 %.

• Exécution d’une copie abliterated des poids, avec les refus supprimés : 100 %

Aucun des trois n'a réussi à faire exécuter les mêmes tâches à des modèles Claude protégés, déclare Anthropic — ses garde-fous ont bloqué la couverture, son API n'offre aucun moyen de préremplir le raisonnement, et ses poids ne sont pas distribués, de sorte que les modèles ne peuvent pas du tout faire l'objet d'une abliteration. C'est cette dernière asymétrie qui aura les répercussions les plus durables. L'abliteration est une technique standard de réduction des refus et, comme GLM-5.3 est livré sous forme de poids téléchargeables, chacun peut l'appliquer : Anthropic a construit sa propre copie soumise à l'abliteration en environ 2 200 heures GPU pour environ 4 400 $, et affirme qu'une équipe n'ayant jamais tenté la tâche auparavant pourrait y parvenir. Cette modification a fait passer le taux de refus de GLM-5.3 de plus de 90 % à environ 3 % sur JailbreakBench, 2 % sur HarmBench et 12 % sur StrongREJECT, tandis que GPQA-Diamond est resté inchangé et qu'un sous-ensemble testé de CyberGym a obtenu un score inférieur de seulement quelques points de pourcentage. Anthropic indique que plusieurs développeurs avaient déjà publié des versions de GLM-5.3 soumises à l'abliteration quelques jours après la sortie du modèle, et que l'abliteration de GLM-5.3-Flash a pris environ 600 heures GPU.

Considérez l’ensemble comme les mesures d’un seul laboratoire, et non comme un fait établi. Anthropic a utilisé ses propres bancs d’essai et ses propres environnements isolés, compté ses propres tentatives, et n’a publié aucune reproduction par un tiers ; rien ici n’est donc audité indépendamment, au sens où les chiffres de Z.ai ne le sont pas non plus. Ce qui lui donne plus de poids qu’une simple affirmation de fournisseur, c’est le sens de l’incitation : Anthropic mesure le modèle d’un concurrent, elle publie les dénominateurs, et ses conclusions concordent avec celles du Center for AI Standards and Innovation du NIST, qui a évalué GLM-5.3 le 17 septembre, l’a qualifié de « modèle à poids ouverts le plus capable en cybersécurité publié à ce jour » et l’a placé à environ quatre mois de la frontière américaine sur un agrégat des benchmarks cyber du CAISI — avec la réserve que les modèles américains de cette comparaison ont été testés avec les garde-fous cyber désactivés et incluent des modèles diffusés uniquement auprès d’utilisateurs vérifiés. La conclusion d’Anthropic est autant un argument de politique publique qu’un argument technique : elle affirme qu’un seuil critique de capacité librement accessible a été franchi, que quiconque peut télécharger GLM-5.3, et que les défenseurs devraient avoir accès à des modèles au moins aussi bons que ceux qu’utilisent leurs adversaires. Deux semaines après l’évaluation du CAISI, Epoch AI a mesuré le même écart d’une autre manière et est arrivé à un résultat plus large — six à sept mois — à partir d’une partie des mêmes données.

Rien de ce qui précède ne change la mécanique d'une décision de routage, qui est la partie que vous contrôlez. Une fraction du trafic vers GLM-5.3 sur OrcaRouter coûte le tarif de première partie — 1,40 $ / 4,40 $ par million de tokens, répercuté sans aucune marge — et le basculement automatique déplace une charge de travail vers GLM-5.2 ou un autre modèle éprouvé lorsqu'un modèle se dégrade, de sorte qu'une surprise de capacité dans un sens comme dans l'autre est un changement de configuration plutôt qu'une réécriture. Ce que le billet d'Anthropic ajoute, c'est une question qu'il vaut la peine de se poser avant de lui confier du travail lié à la sécurité ou à la réglementation : le modèle que vous appelez est celui dont les poids sont publics, et un point de terminaison hébergé ne constitue pas une garantie. La voie entreprise ne change pas cette arithmétique. La fiche de Bedrock pour GLM-5.3 indique 1,68 $ / 5,28 $ par million de tokens sur le profil d'inférence mondial et 1,848 $ / 5,808 $ sur celui des États-Unis, soit 20 % et 32 % de plus que le tarif de première partie de Z.ai ; appeler le même modèle au prix affiché par Z.ai avec une seule clé reste donc la voie la moins chère, tandis qu'un contrat cloud achète une posture en matière d'achats et de conformité.

Où se situe réellement la frontière cyber ouverte

Le Cyber ECI d’Epoch AI est une variante axée sur la cybersécurité de l’Epoch Capabilities Index du laboratoire, construite à partir de résultats de benchmarks sur 35 évaluations de cybersécurité et, après la mise à jour du 16 octobre, 76 modèles. Sur cet indice, GLM-5.3 de Z.ai affiche 160,10 — le meilleur score pour un modèle à poids ouverts enregistré par le laboratoire, au-dessus de GPT-5.4 d’OpenAI (157,04, publié le 5 mars 2026) et en dessous de Claude Mythos Preview d’Anthropic (164,82, 7 avril) et de GPT-5.5 d’OpenAI (162,22, 23 avril). La frontière des modèles fermés est menée par Claude Opus 5.5 d’Anthropic (171,14) et GPT-6 Astra d’OpenAI (171,03), le duo que le laboratoire cite comme la frontière à 171. Parmi les modèles à poids ouverts, GLM-5.3 se situe au-dessus de Kimi K3 de Moonshot (157,60) et de DeepSeek-V4-Pro de DeepSeek (150,35), et nettement au-dessus de ses propres prédécesseurs, GLM-5.2 (154,12) et GLM-5 (147,95). C’est en encadrant GLM-5.3 entre les modèles fermés les plus récents qu’il dépasse et les plus anciens qu’il ne dépasse pas que l’on obtient le chiffre phare : la frontière ouverte en cybersécurité se situe à peu près là où se trouvait la frontière fermée six à sept mois plus tôt — un écart que GPT-5.4 et le point de contrôle du 7 avril de Claude Mythos Preview situent respectivement à sept et six mois, au regard de la date d’arrêt des données d’Epoch, le 8 octobre.

Les mises en garde comptent davantage que d’ordinaire ici, et Epoch en formule plusieurs. Seuls les modèles comptant au moins deux résultats de benchmarks cyber figurent dans l’indice — 57 sur 76 — et le score de 160,10 de GLM-5.3 repose sur exactement trois résultats, tous issus de l’évaluation de CAISI, rattaché au NIST, du 17 septembre. Ce sont les seuls résultats cyber dont le laboratoire dispose pour le modèle, ce qui signifie que l’estimation d’Epoch est un réajustement de données publiées par CAISI plutôt qu’une nouvelle exécution indépendante ; l’estimation de six à sept mois et celle d’environ quatre mois de CAISI diffèrent parce que les jeux de benchmarks et la comparaison effectuée sont différents, et non parce que les deux divergent au sujet du modèle. Epoch signale aussi que CAISI n’a pas nommé les modèles américains qu’il a évalués, si bien que le laboratoire a attribué ces résultats à des leaders probables tels que G​PT-6 Astra et C​laude M​ythos Preview ; que les intervalles autour de deux des modèles de pointe se chevauchent presque entièrement, de sorte que le classement en tête du graphique est moins établi que ne le suggèrent les estimations ponctuelles ; et que le réajustement d’octobre a modifié des valeurs publiées plus anciennes, abaissant C​laude M​ythos 5 de 3,9 points et G​PT-5.6 Sol de 4,7 points, si bien qu’il ne faut pas comparer les chiffres de ce mois-ci à ceux du mois dernier sans précaution. Une convention mérite d’être connue avant de lire le graphique : Epoch classe les licences à usage restreint et non commerciales comme des licences à poids ouverts, ce qui explique que GLM-5.3 soit admissible tout court — ses poids sont distribués selon les conditions personnalisées « glm-5.3 » de Z.ai, et non sous la licence MIT utilisée par GLM-5.2 et GLM-5.3-Flash.

Ce que le placement change, c’est moins le modèle que l’argumentation qui l’entoure. Avant le 16 octobre, qualifier GLM-5.3 de version ouverte la plus puissante en cybersécurité revenait à citer les pourcentages de Z.ai sur CyberGym et ExploitBench, ainsi que les exécutions en sandbox d’un concurrent ; il existe désormais une position sur un index public avec une distance déclarée à la frontière, et cette distance est un chiffre que le lecteur peut voir évoluer. Deux conséquences en découlent pour quiconque évalue un modèle à poids ouverts pour des travaux touchant à la sécurité. Être six mois derrière la frontière n’est pas synonyme d’être sûr : un exploit qu’un modèle de frontière peut construire aujourd’hui est un exploit qu’une capacité vieille de six mois peut construire une fois la méthode publique, et les résultats d’Anthropic ci-dessus placent ces poids précis à l’intérieur de cette fenêtre. Et un classement est un jugement sur les meilleurs poids disponibles, pas sur le point de terminaison qui répond à votre requête — les mêmes poids servis par différents fournisseurs varient déjà d’un facteur neuf sur le coût par tâche, ce qui est une question de routage plutôt que de capacité.

Le baseline GLM-5.3 devait être battu.

GLM-5.2 est le point de référence sur lequel repose toute l’histoire. Il est sorti en juin 2026 sous la forme d’un modèle Mixture-of-Experts de 743 B, avec environ 40 B de paramètres actifs par token, une fenêtre de contexte de 1 M de tokens, une sortie maximale de 128 K, une licence MIT et des poids ouverts sur Hugging Face. L’Intelligence Index d’Artificial Analysis — mesuré par le laboratoire, et non par Z.ai — en est désormais à l’édition v4.3.2 retraitée, selon laquelle GLM-5.2 (Max) obtient 34, tandis que GLM-5.3 (Max) obtient 45. L’écart de onze points est le même que celui que cette page rapportait au lancement, lorsque l’édition antérieure de l’indice du même laboratoire plaçait GLM-5.2 à 53 et GLM-5.3 à 60 ; ce qui a changé, c’est la règle de mesure, pas le résultat, et le laboratoire marque désormais GLM-5.2 comme déprécié au profit de son successeur. Le 45 de GLM-5.3 le place deuxième parmi les modèles à poids ouverts, derrière les 46 de MiMo-V2.6-Pro et un point devant les 44 de Kimi K3 (Max). Il s’agissait du premier chiffre indépendant associé à GLM-5.3, et il concorde avec l’orientation — à défaut de chaque détail — des propres affirmations de Z.ai. Deux autres points de données de tiers sont arrivés depuis : fin août, Perplexity a rapporté que GLM-5.3 surpassait GLM-5.2 sur WANDR, son benchmark ouvert pour la recherche à grande échelle étayée par des preuves — le test « large et profond » dans lequel un agent doit assembler un vaste ensemble de fiches sourcées plutôt que répondre à une question unique. Il s’agit du propre benchmark de Perplexity et de sa propre affirmation, sans scores publiés ; à traiter donc comme indicatif tant que des chiffres n’apparaissent pas. Le second est l’évaluation cyber du 29 septembre d’Anthropic — la première mesure externe de la capacité spécifique autour de laquelle Z.ai a bâti son lancement. En codage à long horizon, le banc d’essai OrcaRouter mesure 77,9 sur Terminal-Bench 2.1, tandis que le meilleur chiffre GLM-5.2 rapporté par Z.ai est de 82,7, ce qui serait le premier score à poids ouverts supérieur à 80, mais il est rapporté par le fournisseur et non reproduit. Le prix catalogue est de 1,40 $ par million de tokens d’entrée et de 4,40 $ par million de tokens de sortie.

Le tableau des scores ci-dessus est la projection de l’ère des fuites que cette page a publiée avant le lancement — la ligne « >1T paramètres (rumeur) », le contexte et la licence non confirmés, l’indice AA projeté. Le lancement a corrigé la cellule la plus importante : GLM-5.3 réutilise la même base de 743B que GLM-5.2, il n’y a donc pas de saut de paramètres. La fenêtre de contexte est confirmée à 1M, et la licence n’est plus la question ouverte qu’elle était — Z.ai a publié une licence personnalisée « glm-5.3 », et non les conditions MIT qu’utilisent GLM-5.2 et GLM-5.3-Flash. La cellule de l’indice projeté — l’estimation de cette page elle-même, d’environ 57–60 — a été la rare projection à tomber pile à 60 sur l’indice tel qu’il était au lancement ; le laboratoire a depuis retraité l’indice, et sur la version actuelle v4.3.2, le même modèle affiche 45. Ce qui n’a pas bougé, c’est la question ouverte : ce que ce score donne lorsqu’il est reproduit face aux poids auto-hébergés.

La capture ci-dessus constitue la référence indépendante à l'aune de laquelle sont évaluées les affirmations de GLM-5.3. GLM-5.2 a occupé la première place du classement des modèles à poids ouverts avec un score de 53 à l'Artificial Analysis Intelligence Index pour la version de l'indice que cette page consultait en août. Cette référence a depuis été révisée, tout comme celle de chaque autre modèle : sur l'indice v4.3.2 actuel du laboratoire, GLM-5.2 (Max) affiche 34 et GLM-5.3 (Max) affiche 45, un écart dans le même sens et à peu près de la même ampleur, K​imi K3 (Max) étant un point derrière à 44 et MiMo-V2.6-Pro devant à 46. Les deux relevés sont des mesures réalisées par le laboratoire lui-même sur son propre banc d'essai, et aucun des deux n'est un chiffre communiqué par un fournisseur.

Tarifs et disponibilité

GLM-5.3 est au même prix que GLM-5.2 : 1,40 $ par million de tokens d'entrée et 4,40 $ par million de tokens de sortie (8 ¥ / 28 ¥ dans l'offre nationale), avec les lectures d'entrée mises en cache à 0,26 $ / 2 ¥ par million. La sortie est datée du 18 août sur les fiches de modèles tierces, Z.ai a ouvert publiquement l'API le 19 août, et le modèle est confirmé accessible via l'API propre à Z.ai, ZCode, AutoClaw, le G​LM Coding Plan et une liste croissante de plateformes tierces, et — depuis fin août — la bibliothèque Ollama, où GLM-5.3 est répertorié comme modèle hébergé dans le cloud (glm-5.3:cloud) servi depuis les États-Unis et l'Europe avec zéro rétention des données. Perplexity Computer, la plateforme d'agents de Perplexity pour les travaux de longue durée et à plusieurs étapes, a ajouté GLM-5.3 dans la même fenêtre et propose désormais le modèle pour les charges de travail d'agents. Le tag Ollama est uniquement cloud, et non un GGUF local, donc la voie de l'auto-hébergement passe toujours par les poids Hugging Face ; le plus petit GLM-5.3-Flash dispose désormais de sa propre fiche cloud correspondante sur Ollama. La phase de fuite est terminée : la disponibilité est désormais un fait confirmé, et non une rumeur à suivre. Un changement de comportement compte pour les appelants de l'API : les requêtes exigent désormais que « thinking » soit activé sur trois niveaux d'effort — low, high et max — sans possibilité de désactivation, un changement incompatible pour les intégrations existantes.

Amazon Bedrock propose désormais également GLM-5.3. AWS a publié le modèle le 5 octobre 2026 — date de lancement indiquée sur sa propre fiche modèle — et l’y décrit comme la même conception Mixture-of-Experts avec environ 40 milliards de paramètres actifs par token, la même fenêtre de contexte de 1 M de tokens et le même plafond de sortie de 128 K que l’API first-party, et un raisonnement activé en permanence avec des niveaux d’effort sélectionnables. Cette voie d’accès n’est pas une copie du point de terminaison de Z.ai. Bedrock sert GLM-5.3 uniquement via une inférence interrégions : l’ID de modèle de base (zai.glm-5.3) n’accepte pas les appels à la demande dans la région, de sorte que les requêtes passent soit par le profil géographique US (us.zai.glm-5.3), soit par le profil global (global.zai.glm-5.3), et AWS indique que l’inférence dans la région n’est pas prise en charge dans chacune des régions qu’elle liste, y compris les quatre régions américaines. Ce qu’il ajoute, c’est la surface AWS autour du modèle — Invoke, Converse, les API Responses et Chat Completions compatibles OpenAI, Guardrails, Agents, Flows, les sorties structurées, l’évaluation de modèle et la mise en cache des prompts, implicite par défaut ou explicite dans des points de cache d’au moins 1 024 tokens avec une rétention d’au moins 30 minutes — ainsi que les niveaux de service standard, Priority étant facturé avec un surcoût de 75 % par rapport à Standard, et Flex et Batch bénéficiant d’une remise de 50 %. L’accès est le point délicat : l’annonce d’AWS indique que GLM-5.3 est en disponibilité générale sur Bedrock, alors que cette annonce, tout comme la fiche modèle, le réserve aux clients éligibles qui contactent leur équipe de compte AWS. La voie entreprise existe ; elle n’est pas en libre-service aujourd’hui. Un chiffre à manier avec prudence à la lecture des pages d’AWS elles-mêmes : la fiche modèle indique 744 milliards de paramètres au total pour GLM-5.3, et l’annonce qui l’accompagne 753 milliards, tandis que Z.ai et le dépôt Hugging Face avancent 743 milliards — le même modèle, trois totaux, et aucun d’entre eux n’a été mesuré indépendamment.

Coût par tâche, et le taux de succès du cache qui le sous-tend

Un même prix ne signifie pas une même facture, et l'écart est désormais mesuré plutôt que déduit. Artificial Analysis évalue GLM-5.3 (Max) à 2,01 $ par tâche de l'Intelligence Index au tarif du fournisseur d'origine, contre 1,47 $ pour GLM-5.2 (Max) — même grille tarifaire de 1,40 $ / 4,40 $, une facture 37 % plus élevée pour un passage dans le même ensemble fixe de tâches. Deux choses l'expliquent, et toutes deux figurent dans le résumé de modèle du laboratoire lui-même. La première est le volume : GLM-5.3 consomme 210 M de jetons de sortie sur l'Intelligence Index, contre une médiane de 140 M pour des modèles à poids ouverts comparables, ce que le laboratoire qualifie de très verbeux, et la sortie est le côté coûteux de la grille tarifaire. La seconde est le rythme : 64,2 jetons de sortie par seconde, contre une médiane de 66,9, ce qui est plus lent que la moyenne et, lors d'une longue exécution d'agent, représente aussi plus de temps d'horloge acheté avec les mêmes jetons. Cela remplace l'estimation que cette page présentait auparavant, qui situait GLM-5.3 près de 0,68 $ par tâche et GLM-5.2 près de 0,44 $, d'après notre propre consommation de jetons observée. Les chiffres du laboratoire sont plus élevés que cette estimation sur tous les plans et sont ceux à citer : il s'agit d'une moyenne pondérée sur dix évaluations à nombre de tâches fixe, et non d'un relevé sur une seule charge de travail.

Le point de terminaison fait plus de dégâts que le modèle. Le même laboratoire publie désormais une colonne Coût par tâche pour chaque fournisseur qu'il suit sur GLM-5.3 (Max) — 25 d'entre eux — et cette colonne s'étend de 0,92 $ au point de terminaison le moins cher à 8,68 $ au plus cher. Cela représente un écart de 9,4x sur des poids identiques, un benchmark identique et un réglage de raisonnement identique. (Le 9,4x est notre calcul à partir de la colonne publiée par le laboratoire ; ce que la page elle-même indique en mots, c'est que les prix mixtes par million de tokens varient « jusqu'à 4,4x selon les fournisseurs » et que la vitesse de sortie varie de 1 152 %.) Rien dans cet écart ne relève d'une conclusion sur les capacités — l'Endpoint Accuracy Index du laboratoire, qui réexécute BFCL v4-500, HLE-250 et AA-LCR-25 sur chaque point de terminaison, affiche 95 % ou plus à chaque point de terminaison qu'il évalue, ce qui signifie que ce qu'un fournisseur perd, c'est un peu de précision, pas le modèle. Le mécanisme que le laboratoire nomme est la mise en cache. Le coût par tâche est calculé à partir des prix des tokens d'entrée, de succès du cache, d'écriture du cache, de raisonnement et de réponse, divisé par le nombre de tâches et pondéré par la part de chaque benchmark dans l'indice — ainsi, une boucle agentique ou de codage qui renvoie tout son historique de conversation à chaque tour paie cet historique encore et encore, une fois par tour, et la part servie depuis le cache de prompts du fournisseur est le plus grand levier sur le total. Artificial Analysis mesure cette part sous forme de taux de succès du cache, le définit comme « la part des tokens d'entrée cachables servis depuis le cache de prompts du fournisseur, mesurée pendant des sessions de codage agentique multi-tours », le rapporte comme une médiane des quatre dernières semaines (mise à jour le 26 septembre 2026) et le représente graphiquement en fonction du coût par tâche. Son orientation déclarée est celle qui compte ici : des taux de succès plus élevés signifient qu'une plus grande part de l'entrée est facturée au prix moins cher de succès du cache, ce qui abaisse le coût effectif du travail agentique. La remise de cache de GLM-5.3 elle-même est de 81 % au tarif de première partie — 0,26 $ par million de tokens d'entrée en cache contre 1,40 $ par million de tokens d'entrée frais — et l'écriture du cache et le stockage sont facturés séparément, à des tarifs qui varient selon le fournisseur. Une réserve sur les éléments de preuve : les taux de succès par fournisseur sont représentés graphiquement plutôt que tabulés, de sorte que l'écart peut être attribué à la mise en cache en tant que mécanisme sans avancer de chiffre de taux de succès pour un point de terminaison donné.

C'est un argument de routage avant d'être un argument de prix, car la variable sur laquelle vous pouvez agir est l'endpoint qui répond, et non le coût des pondérations. GLM-5.3 est disponible sur OrcaRouter à 1,40 $ / 4,40 $ par million de tokens, répercuté au prix catalogue du fournisseur lui-même, sans marge, de sorte que le prix ou les conditions de cache d'un fournisseur se répercutent sur votre facture le jour même où ils changent, et non à la signature du prochain contrat. Le basculement automatique déplace une charge de travail d'un endpoint dégradé vers GLM-5.2 ou un autre modèle éprouvé, et le DSL de routage est l'endroit où réside une règle de ce type. Pour un modèle dont le coût par tâche varie désormais d'un facteur neuf selon l'endpoint, la façon la moins risquée de trouver votre propre chiffre est une tranche de trafic réel avec un basculement en soutien : l'endpoint économique sur la boucle d'agent de quelqu'un d'autre n'est pas nécessairement celui qui est économique sur la vôtre.

Build Week devient une série continue — avec 100M de jetons GLM-5.3 gratuits

Le 21 août, Z.ai a transformé son ZCode Build Week en une série continue, attribuant à la communauté ce que l’entreprise présente comme une vague de projets construits sur ZCode avec GLM-5.3. Pour marquer ce relancement, Z.ai a offert à 50 000 nouveaux utilisateurs de ZCode 100 millions de jetons GLM-5.3 gratuits chacun — premiers arrivés, premiers servis, jusqu’au 23 août à 18 h, heure du Pacifique (le 24 août à 09 h 00, heure de Pékin) — les jetons non utilisés expirant à la clôture de l’événement. L’offre et ses conditions sont celles de Z.ai : déclarées par le fournisseur, bien que cette distribution ait depuis été relayée par des médias indépendants.

Ceci est la deuxième série de la version du week-end. La série 1, du 16 au 17 août, a été suspendue environ une heure après son lancement lorsque la demande a dépassé la capacité — les jetons déjà réclamés n'ont pas été affectés, et Z.ai a depuis renforcé son infrastructure de service. Avec 50 000 allocations de 100 millions de jetons chacune, le maximum annoncé est de cinq billions de jetons : un chiffre d'acquisition client qui sert également de test de charge en conditions réelles sur la même infrastructure de service que celle utilisée par l'API payante GLM-5.3.

Ce que le lancement change pour vous

Pour ceux qui utilisent déjà GLM-5.2 via l’API, l’étape pratique consiste à changer le nom du modèle, et non à mener un projet : GLM-5.2 est compatible avec O​penAI et l’intégration reste valable, avec la réserve ci-dessus concernant l’effort de réflexion. Pour les auto-hébergeurs, l’attente est terminée. Le dépôt officiel zai-org/GLM-5.3 sur Hugging Face — créé le 25 août et alimenté les 27 et 28 août — contient désormais le modèle phare complet de 743B en 141 fragments safetensors, avec SGLang, vLLM, TokenSpeed, Transformers et KTransformers tous indiqués sur la fiche du modèle comme chemins de déploiement pris en charge. La licence est la véritable surprise : Z.ai a déclaré une licence personnalisée « glm-5.3 », et non MIT — elle se lit comme l’autorisation MIT assortie d’une condition : toute activité de modèle en tant que service dont le chiffre d’affaires des douze derniers mois dépasse 10 milliards de dollars doit passer l’audit de sécurité de Z.ai avant toute utilisation commerciale. En dessous de ce seuil, l’auto-hébergement et l’usage commercial ordinaire ne sont soumis à aucune condition de ce type, mais il vaut la peine de lire les termes exacts avant de s’y fier. Si l’échelle du modèle phare dépasse ce que souhaite votre cluster, le plus petit GLM-5.3-Flash a publié ses poids sous licence MIT le 26 août — un modèle distinct, nativement multimodal, et non le modèle phare. Pour les utilisateurs d’Ollama, le modèle phare n’est désormais qu’à une commande du client propre à la bibliothèque — ollama run glm-5.3:cloud — mais cet appel atteint le modèle hébergé dans le cloud, servi depuis les États-Unis et l’Europe, et non un téléchargement local ; il n’existe pas encore de tag local quantifié. Faire tourner GLM-5.3 sur votre propre matériel signifie toujours utiliser les poids Hugging Face avec une pile de type vLLM ou SGLang. Pour quiconque compare les modèles du niveau D​eepSeek V4 Pro, Qwen3.8-Max, K​imi K3, G​PT-5.6 Sol et C​laude Fable 5, GLM-5.3 est désormais une variable active, évaluée indépendamment, dans ce classement, et non une rumeur. Pour un acheteur en entreprise plutôt qu’un développeur individuel, l’option la plus récente est A​mazon Bedrock, qui a référencé GLM-5.3 le 5 octobre pour les clients éligibles — les mêmes poids et la même fenêtre de contexte de 1M de tokens, fournis dans le cadre d’un contrat AWS, à un prix catalogue supérieur à celui de Z.ai.

L’argument avancé le jour du lancement autour de GLM-5.3 est que la frontière du codage a convergé : pour la plupart des tâches quotidiennes, à en croire le récit, peu d’utilisateurs parviennent à distinguer de manière fiable GPT-5.6 Sol, Claude Fable 5, Kimi K3, GLM-5.2 et Qwen3.8-Max. Si cette convergence est réelle, les facteurs décisifs cessent d’être la capacité brute pour devenir le prix, l’ouverture et le coût de changement — ce qui correspond exactement au créneau que GLM-5.3 occupe à 1,40 $ / 4,40 $ par million sur une base auto-hébergeable de 743B dont la publication des poids promise pour le 28 août est désormais effective. Savoir si les modèles de codage sont véritablement interchangeables relève de l’opinion, pas d’un benchmark ; les prix, le nombre de paramètres et la date de publication des poids, eux, ne relèvent pas de l’opinion.

Côté routage, GLM-5.3 est en ligne sur OrcaRouter depuis le 18 août, le même jour où le modèle est arrivé sur le marché au sens large — au prix catalogue first-party, 1,40 $ / 4,40 $ par million, répercuté sans aucune marge. La capture d’écran ci-dessous montre la page de GLM-5.2, dont la forme est exactement celle qu’a désormais GLM-5.3 : même prix, même contexte de 1 million de tokens, même sortie maximale de 128K. Router une partie du trafic réel vers GLM-5.3 avec bascule automatique vers GLM-5.2 ou un autre modèle éprouvé est un changement de configuration, pas une réécriture — même clé, pas de second contrat. Si le nouveau modèle régresse sur votre charge de travail, le routeur revient en arrière avant même qu’une page ne se charge, et vous obtenez un signal de qualité sur votre propre trafic au lieu d’un diaporama de fournisseur. Pour un modèle dont les principales affirmations restent encore largement auto-déclarées par le fournisseur, c’est le moyen le plus sûr de vérifier par vous-même.

Que regarder ensuite

• La publication open-weight est désormais officielle : Z.ai l'a confirmée le 28 août, déclarant le modèle phare ouvert et renvoyant aux poids Hugging Face ainsi qu'à une analyse technique approfondie. La surprise vient de la licence — des conditions personnalisées « glm-5.3 » plutôt que les conditions MIT qu'utilisent GLM-5.2 et GLM-5.3-Flash — alors lisez ses conditions exactes avant de l'auto-héberger. L'évaluation du 29 septembre d'A​nthropic est la première vérification externe de la valeur des garde-fous de la publication : elle a constaté que les refus intégrés pouvaient être contournés avec une histoire de couverture, une pensée pré-remplie ou une copie abliterated, et des variantes abliterated circulaient déjà quelques jours après l'arrivée des poids.

Qu'un tag GGUF local suive sur Ollama. La bibliothèque liste GLM-5.3 comme étant uniquement cloud aujourd'hui ; un tag local quantifié réduirait le chemin d'auto-hébergement à une seule commande pour les utilisateurs d'Ollama, tandis que le tag cloud reste une seconde voie servie.

• Savoir si l’écart cyber de six à sept mois se réduit ou se maintient. Epoch AI classe désormais GLM-5.3 premier parmi les modèles à poids ouverts avec 160,10 sur son Cyber ECI, soit six à sept mois derrière une frontière fermée à 171 — mais ce chiffre repose sur trois benchmarks CAISI, les seuls résultats cyber dont dispose le laboratoire pour le modèle, et le réajustement d’octobre a déjà déplacé les scores de modèles plus anciens de plusieurs points. Une deuxième source de données, ou un tiers réexécutant les propres harnais de Z.ai, constituerait la première vérification qui ne remonte pas à CAISI. L’évaluation du 29 septembre d’Anthropic reste l’autre lecture indépendante, et elle a jugé les refus intégrés contournables avec une histoire de couverture, une pensée préremplie ou une copie « abliterated ».

• Si l'affirmation de Perplexity concernant WANDR est accompagnée de chiffres. Le fait que GLM-5.3 batte GLM-5.2 sur WANDR provient du propre benchmark de Perplexity et de son propre test, et aucun score n'a été publié — une exécution indépendante serait la première vérification par un tiers des performances de recherche agentique du modèle.

• Où l’indice se situe sur une copie auto-hébergée. Le 45 est mesuré par rapport à la version auto-hébergée — désormais téléchargeable, conditions de licence jointes —, celle que les équipes redéploieront réellement et que les laboratoires indépendants réévalueront. Le laboratoire a déjà révisé cet indice une fois, alors attendez-vous à ce que le chiffre bouge encore.

• La hausse tarifaire annoncée de D​eepSeek V4 Flash, qui définit l’enveloppe tarifaire par rapport à laquelle GLM-5.3 est évalué, et la manière dont le coût par tâche de la frontière fermée suit cette référence : G​PT-5.6 Sol (max) se situe à 47 sur l’indice, contre 45 pour GLM-5.3, le laboratoire ayant marqué Sol comme déprécié au profit de G​PT-6 Sol.

• Que la série Build Week, actuellement en cours, reste stable face à la demande — le Round 1 s'est effondré en moins d'une heure, et le format de la série fait de chaque round à venir un nouveau test de charge pour la capacité dont dépend l'API payante.

• La question de savoir si la fuite multimodale se concrétise en un modèle commercialisé. Les travaux sur le processeur sglang sont une preuve au niveau du code que la gamme phare est préparée pour des entrées d'images, et l'argument de Perplexity sur les « charges de travail d'agent multimodal » pour Computer va dans le même sens — mais il s'agit de positionnement, pas d'un modèle commercialisé, et aucun GLM-5.3 multimodal n'est annoncé ni benchmarké. Attendez une fiche modèle, une page de documentation ou des poids avant de considérer cela comme réel.

• Savoir si la barrière réservée aux entreprises de Bedrock s’ouvre. L’annonce d’AWS présente GLM-5.3 comme généralement disponible sur Bedrock, tandis que la fiche du modèle le réserve aux clients éligibles qui contactent leur équipe de compte AWS, et l’inférence en région n’est pas prise en charge du tout — chaque requête traverse des régions, que ce soit dans le profil géographique américain ou sur le profil mondial. C’est la barrière, et non la liste des régions, qui détermine quelles entreprises peuvent l’invoquer ce mois-ci.

FAQ

Est-ce que GLM-5.3 est un modèle plus grand que GLM-5.2 ?

Non. Z.ai et son cofondateur Tang Jie affirment tous deux que GLM-5.3 utilise la même base Mixture-of-Experts de 743 milliards de paramètres que GLM-5.2, avec la même fenêtre de contexte de 1 million de jetons et environ 40 milliards de paramètres actifs par jeton. Tous les gains rapportés proviennent du post-entraînement — Tang Jie décrit le changement comme un seul mois d'apprentissage par renforcement à long horizon superposé à la base inchangée — et non d'une augmentation des paramètres, ce qui corrige directement la rumeur de l'ère des fuites concernant une base dépassant mille milliards. Cette affirmation sur l'architecture reste celle du fondateur et de l'entreprise, sans vérification indépendante.

Quand les poids ouverts de GLM-5.3 seront-ils disponibles ?

Ils sont sortis. Le dépôt officiel zai-org/GLM-5.3 sur Hugging Face — créé le 25 août, avec les fichiers de poids poussés entre le 27 et le 28 août — héberge désormais le fleuron complet de 743B, arrivant à la date du 28 août que Z.ai avait maintenue depuis le lancement — une sortie que Z.ai a elle-même annoncée le 28 août, déclarant les poids ouverts et renvoyant vers le dépôt Hugging Face et une analyse technique approfondie. La licence est désormais aussi précisée : une licence personnalisée « glm-5.3 », et non les conditions MIT utilisées par GLM-5.2 et GLM-5.3-Flash — en gros, une concession de type MIT avec une condition de revue de sécurité pour les grands fournisseurs MaaS, alors lisez les conditions exactes avant de vous y fier. Z.ai a par ailleurs déclaré que les fonctions cyber sensibles seraient restreintes à un programme « trusted access » pour utilisateurs vérifiés.

Comment dois-je traiter les chiffres de référence ?

Répartissez la liste en trois catégories. Les chiffres de Z.ai — les sauts de performance en codage (Terminal-Bench 3.0 à 28,3, DeepSWE v1.1 à 66,9, SWE-Marathon à 42,5) et les résultats en cybersécurité (CyberGym 84,5 %, ExploitBench 54,4 %) — proviennent de l'annonce de l'entreprise et restent rapportés par le fournisseur jusqu'à ce qu'un banc d'essai indépendant les reproduise. La catégorie indépendante est celle qui pèse désormais : l'Intelligence Index d'Artificial Analysis — 45 pour GLM-5.3 (Max) sur la version actuelle v4.3.2, contre 44 pour Kimi K3 (Max) et 34 pour GLM-5.2 (Max) — sa colonne Coût par tâche par endpoint pour le même modèle, qui va de 0,92 $ à 8,68 $ parmi les 25 fournisseurs qu'il suit, les mesures de la Frontier Red Team d'Anthropic sur ExploitBench (50 exploits de bout en bout sur 410) et son benchmark interne d'exploitation binaire (4 % de détournements complets du flux de contrôle), l'évaluation CAISI du NIST du 17 septembre, et le Cyber ECI d'Epoch AI, publié le 16 octobre, qui place GLM-5.3 à 160,10 — premier parmi les modèles à poids ouverts et six à sept mois derrière la frontière fermée à 171, même si cette estimation repose sur trois benchmarks CAISI et sur les réserves propres à Epoch concernant l'identification du modèle et les intervalles. L'affirmation de Perplexity selon laquelle GLM-5.3 bat GLM-5.2 sur WANDR relève d'une troisième catégorie à part — le benchmark de quelqu'un d'autre, l'affirmation de quelqu'un d'autre, aucun score publié. Ce sont les chiffres indépendants qu'il faut mettre en balance avec ceux de Z.ai, et les chiffres de coût et de cache sont les mesures du laboratoire sur son propre banc d'essai plutôt que des données fournies par le fournisseur.

Pourquoi GLM-5.3 coûte-t-il tellement plus cher à faire tourner chez certains fournisseurs que chez d'autres ?

Parce que le coût par tâche est dominé par la part de la conversation qu’un fournisseur peut servir depuis son cache de prompt, et que les différences de tarification des tokens s’ajoutent à cela. Artificial Analysis calcule ce chiffre à partir des prix des tokens d’entrée, de cache hit, d’écriture de cache, de raisonnement et de réponse, divisé par le nombre de tâches et pondéré par le poids de chaque benchmark dans l’Intelligence Index. Les charges de travail agentiques et de codage renvoient tout l’historique de conversation à chaque tour, de sorte que la partie du prompt pouvant être mise en cache est facturée à plusieurs reprises, et la part qu’un fournisseur sert depuis le cache plutôt qu’au prix d’entrée complet constitue le plus important levier isolé sur le total. L’écriture du cache et le stockage du cache sont facturés séparément selon les tarifs propres à chaque fournisseur. Sur GLM-5.3 (Max), la colonne résultante s’étend de 0,92 $ à 8,68 $ sur les 25 endpoints suivis par le laboratoire — environ 9 fois sur des pondérations identiques et un benchmark identique —, ce qui explique pourquoi c’est l’endpoint, et non le modèle, qui constitue la décision de coût.

Puis-je exécuter GLM-5.3 localement via Ollama ?

Pas encore. GLM-5.3 est répertorié dans la bibliothèque Ollama, mais uniquement comme modèle hébergé dans le cloud — glm-5.3:cloud, servi depuis les États-Unis et l'Europe avec zéro rétention de données. Il n'y a pas de balise GGUF locale, donc aujourd'hui ollama run glm-5.3:cloud appelle le modèle hébergé plutôt que de télécharger une copie sur votre machine. La voie de l'auto-hébergement reste les poids Hugging Face avec une stack de type vLLM ou SGLang, et la balise cloud est une deuxième route pour les lecteurs qui utilisent déjà Ollama.

La fuite était réelle, le lancement a confirmé le nom, le cadrage et le calendrier — et deux mois plus tard, la capacité cyber dont Z.ai a fait le cœur de son annonce a été mesurée par deux organismes extérieurs et classée par un troisième. L’équipe Frontier Red Team d’Anthropic situe GLM-5.3 à quelques tentatives de Claude Mythos Preview en matière de développement d’exploits de bout en bout, juge le modèle exceptionnellement capable pour une version ouverte, et ajoute la conclusion qui compte davantage pour quiconque le déploie : les garde-fous sont réels mais superficiels, et les poids sont téléchargeables, si bien que les refus relèvent d’une configuration plutôt que d’une garantie. Le CAISI du NIST est parvenu à un verdict concordant en partant de l’autre direction — meilleur modèle cyber à poids ouverts à ce jour, environ quatre mois derrière la frontière américaine. Epoch AI a désormais transformé ce verdict en positionnement : 160,10 sur son Cyber ECI, premier parmi les modèles à poids ouverts, devant le GPT-5.4 d’OpenAI et six à sept mois derrière Claude Opus 5.5 d’Anthropic et GPT-6 Astra d’OpenAI, à 171 — un chiffre construit, en fin de compte, sur trois benchmarks du CAISI, et qui l’assume. Artificial Analysis fournit la quatrième mesure externe, et elle porte sur les coûts : 2,01 $ par tâche de l’Intelligence Index au tarif officiel, et de 0,92 $ à 8,68 $ pour la même tâche selon le point de terminaison qui répond. Les chiffres du fournisseur restent des chiffres de fournisseur, la licence reste personnalisée, et la question de savoir si la gamme phare passera au multimodal reste ouverte. Ce qui a changé, c’est que l’écart entre capacités cyber ouvertes et fermées n’est plus une chose que le lecteur doit croire sur parole : c’est un chiffre publié, assorti d’une méthode que l’on peut inspecter. Le moyen le moins coûteux de découvrir ce que le modèle fait sur vos travaux reste un échantillon de trafic réel avec un basculement vers une solution éprouvée.

Les incidents d'IA documentés et les défaillances d'agents derrière les modèles à poids ouverts de cette classe sont recensés dans l'OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et son indicateur de contestation.