GPT-6 Sol Pro vs GLM 5.3 : ce qu’une licence open-weight vous apporte réellement

GPT-6 Sol Pro et GLM 5.3 sont les deux moitiés d'une véritable bifurcation dans la manière d'acheter un modèle de raisonnement, et la licence est précisément là où se situe la bifurcation. GPT-6 Sol — le modèle du fournisseur que fait tourner la configuration gpt-6-sol-pro, disponible en général depuis le 22 septembre 2026 à 2,00 $ par million de jetons d'entrée et 10,00 $ par million de jetons de sortie — est une API fermée. Vous le louez. GLM 5.3, le modèle phare de l'entreprise, arrivé sur l'API le 18 août 2026 et dont les poids ont été publiés début septembre, coûte 1,26 $ en entrée et 3,96 $ en sortie par million de jetons sur notre propre page de modèle, et vous pouvez le télécharger.

Cet article ne va pas chercher à démontrer que l’un d’entre eux est correct. Il va être précis sur ce que le téléchargement vous apporte réellement, car la réponse est plus restreinte que ne le sous-entend habituellement le discours sur les open-weights, et la partie qui a une réelle valeur n’est pas celle que les gens citent habituellement.

Ce que dit chaque ligne de prix

Les deux sont des listes de fournisseurs — les propres chiffres d'OpenAI et de Z.ai, transmis inchangés par les plateformes qui les hébergent.

• Entrée — GPT-6 Sol 2,00 $ par million de tokens contre GLM 5.3 1,26 $ par million de tokens

• Sortie — GPT-6 Sol 10,00 $ par million de jetons vs GLM 5.3 3,96 $ par million de jetons

• Entrée mise en cache — GPT-6 Sol 0,20 $ par million de tokens contre GLM 5.3 à une remise de 90 % par rapport à son tarif non mis en cache, ce qui représente la même fraction d’un nombre plus petit

• Écriture de cache — GPT-6 Sol 2,50 $ par million de jetons pour une seule durée de vie (TTL), contre le palier d’écriture de cache de GLM 5.3, là où les deux grilles tarifaires cessent d’être directement comparables, car les fournisseurs comptabilisent les écritures différemment

• Tarification à contexte long — GPT-6 Sol refacture une requête dépassant son seuil d'entrée à un tarif plus élevé pour toute la requête ; la fenêtre de 1 M de tokens de GLM 5.3 est facturée à ses tarifs standard de bout en bout

• Fenêtre de contexte — GPT-6 Sol 1 050 000 jetons vs GLM 5.3 1 000 000 jetons

• Sortie maximale — GPT-6 Sol 128 000 tokens contre GLM 5.3 128 000 tokens

• Modalités d'entrée — GPT-6 Sol texte et image contre texte uniquement pour GLM 5.3

• Poids — GPT-6 Sol fermé, aucun téléchargement vs GLM 5.3 publié sur Hugging Face sous la propre licence GLM-5.3 de Z.ai

Aux tarifs catalogue, GLM 5.3 est environ 1,6× moins cher en entrée et 2,5× moins cher en sortie. C'est un écart réel, et il n'est pas décisif. La ligne qui change les décisions, c'est la dernière.

Ce que la licence dit réellement, et ce qu’elle ne dit pas

Voici où la conversation sur les modèles à poids ouverts tourne habituellement mal. L’affirmation « c’est en poids ouverts, donc vous êtes à l’abri du risque fournisseur » est vraie dans un sens précis et fausse dans un autre, et la différence vaut la peine d’être explicitée.

Les poids de GLM 5.3 sont publiés. La licence est la licence GLM-5.3 propre à Z.ai, et non MIT — la génération précédente, GLM-5.2, était sous MIT, et ce changement est toute l’histoire. La nouvelle licence autorise l’utilisation commerciale et le fine-tuning. Elle ajoute une condition : un fournisseur de modèle-as-a-service réalisant plus de 10 milliards de dollars de chiffre d’affaires sur toute période de douze mois doit passer un examen de sécurité de Z.ai avant de proposer le modèle en tant que service.

Cette condition vous indique à quoi sert la licence. Ce n’est pas une restriction qui vous vise. Elle vise la poignée d’hyperscalers qui pourraient autrement revendre le travail de Z.ai comme leur propre produit sans y contribuer. Si vous exécutez GLM 5.3 au sein de votre propre produit, ou si vous l’affinez sur vos propres données, ou si vous le mettez à disposition de vos propres utilisateurs, cette clause ne vous concerne pas.

Ce que cela signifie, c'est que la licence est un document contrôlé par le fournisseur plutôt qu'une concession irrévocable. La licence MIT ne peut pas être révisée. Une licence personnalisée peut être révisée pour les versions futures, et les conditions que vous avez acceptées pour la 5.3 ne constituent pas une promesse concernant ce que Z.ai numérotera ensuite. C'est un risque plus faible que « le fournisseur peut retirer le modèle » — les poids que vous avez téléchargés ne cessent pas de fonctionner — mais ce n'est pas rien, et aucune page de comparaison de modèles à poids ouverts ne le mentionne.

La partie réellement précieuse du téléchargement est plus étroite et plus concrète que le slogan : c'est que le checkpoint que vous avez évalué est le checkpoint que vous servez, de façon permanente, quels que soient les changements à venir de la feuille de route ou de la grille tarifaire du fournisseur. Il s'agit d'une garantie de reproductibilité, pas d'une garantie de coût.

Ce que montre le dossier indépendant

Artificial Analysis est le harnais neutre sur lequel les deux modèles apparaissent, et il a rebasé son indice le 7 septembre 2026 — en remplaçant un benchmark terminal par un autre et en repondérant la composante des tâches privées. C’est ce rebasage qui explique pourquoi le chiffre de GLM 5.3 le plus cité en circulation est retiré : le modèle a été publié à 60 sur l’indice précédent et affiche 45 sur l’indice actuel, et ce changement relève d’un changement de harnais plutôt que d’un changement de modèle.

Sur le classement actuel, GPT-6 Sol obtient 48 au niveau d’effort maximal, à 1,06 $ par tâche d’index. GLM 5.3 obtient 45 à 2,01 $ par tâche d’index. Trois points d’écart sur l’indice, voilà le résumé honnête, et cela s’accompagne d’une particularité inhabituelle : sur cette paire, le modèle le moins cher est le modèle fermé. GPT-6 Sol coûte environ la moitié du prix par tâche terminée, soit l’inverse de l’hypothèse dont partent la plupart des comparaisons de modèles à poids ouverts.

Deux autres mises en garde doivent y être jointes.

• Le classement des modèles à poids ouverts est un résultat de catégorie, pas un résultat général. La position de GLM 5.3 en dit autant sur le domaine des modèles téléchargeables que sur GLM 5.3.

• La plupart des chiffres de benchmark qui circulent pour GLM 5.3 proviennent de Z.ai elle-même. Les chiffres indépendants sont le score de l'indice et le coût par tâche ; les chiffres Terminal-Bench, DeepSWE et de cybersécurité figurant sur la fiche du modèle sont produits par le fournisseur et doivent être présentés comme tels lorsqu'ils sont cités.

Un point en faveur de GLM que le chiffre par tâche sous-estime : le petit frère moins cher. GLM 5.3 Flash est un modèle de 320 milliards de paramètres dont 18 milliards de paramètres actifs, sous licence MIT, à 0,15 $ en entrée et 0,50 $ en sortie par million de tokens, et il obtient un score de 42 sur le même indice à 0,25 $ par tâche. C'est un quart du coût par tâche de GPT-6 Sol pour six points d'indice, et c'est le modèle, dans cette comparaison, qui se situe réellement sur la frontière coût-efficacité de l'indice.

L'argument du coût en faveur de l'auto-hébergement est plus faible que l'argument du coût contre celui-ci

Il est tentant de présenter le téléchargement comme un argument de coût. À 1,26 $ et 3,96 $ par million de jetons, l’API est déjà suffisamment bon marché pour qu’un modèle à mélange d’experts de 753 milliards de paramètres ne soit pas manifestement moins cher à faire tourner soi-même — et GLM 5.3 est un MoE de 753B, ce qui n’est pas un déploiement sur un seul GPU, quel que soit le schéma de quantification qui préserve son comportement. Le seuil de rentabilité est une question d’utilisation, et pour la plupart des équipes, la réponse honnête est qu’il n’est jamais atteint.

La raison de choisir le téléchargement est celle que sous-entend la section sur la licence : le contrôle de l’endroit où l’inférence a lieu. L’auto-hébergement répond à une question de résidence des données par l’endroit où vous exécutez le modèle plutôt que par ce que dit le contrat d’un fournisseur, et pour les charges de travail réglementées, c’est la seule version de la réponse qui tienne. Il permet aussi l’affinage sur des données propriétaires sans qu’aucune donnée ne quitte votre infrastructure, ce qu’une API fermée n’offre à aucun prix.

Si aucun de ces deux cas ne s'applique à vous, l'API est le choix approprié et la licence n'entre pas en ligne de compte. Il s'agit là d'une conclusion légitime, et c'est celle à laquelle la plupart des équipes devraient aboutir.

Là où une couche de routage change l'arithmétique

GLM 5.3 est disponible sur OrcaRouter, dont le catalogue propose 1,26 $ en entrée et 3,96 $ en sortie par million de jetons, avec une fenêtre de contexte de 1 000 000 de jetons, un plafond de sortie de 128 000 jetons, un temps jusqu'au premier jeton (p50) de 3,99 secondes tel que mesuré sur notre propre page de modèle. Les prix catalogue du fournisseur sont répercutés tels quels, sans aucune marge ajoutée, donc un changement de prix de Z.ai est effectif chez nous le jour même où il l'est chez eux.

GPT-6 Sol ne fait pas partie de nos itinéraires, donc rien ici ne constitue une affirmation sur son prix via nous.

La raison pour laquelle un point d’accès unique compte dans ce duel précis, c’est que les deux modèles ne sont pas tant des substituts que des niveaux. GLM 5.3 est uniquement texte ; GPT-6 Sol prend en charge les images. GLM 5.3 est téléchargeable ; GPT-6 Sol ne l’est pas. Ni l’un ni l’autre n’est une décision de prix, et ni l’un ni l’autre ne se tranche par un benchmark. Ce qu’une équipe veut vraiment ici, c’est une seule clé qui puisse atteindre le modèle texte bon marché pour le volume et un modèle différent pour les appels qui nécessitent la vision, sans un second contrat, un second SDK et un second ensemble de limites de débit. C’est un problème de routage, et le comportement de basculement importe pour la même raison que toujours — le niveau bon marché dont dépend votre pipeline ne devrait pas être celui qui fait tomber tout le pipeline.

La règle de décision

• Travail de texte en volume à un niveau de qualité connu — GLM 5.3. Trois points d'indice en dessous de GPT-6 Sol, à environ 40 % du débit de sortie, avec la même fenêtre de contexte et le même plafond de sortie.

• Tout ce qui doit lire une image — GPT-6 Sol, ou aucun des deux. GLM 5.3 n’accepte pas les images sur l’API, et aucun avantage de prix ne survit à une modalité que vous ne pouvez pas utiliser.

• Données réglementées, ou charge de travail que vous devez pouvoir reproduire dans deux ans — GLM 5.3, auto-hébergé à partir du checkpoint publié. Non pas parce que c'est moins cher, mais parce que le checkpoint est figé et que la question de la résidence trouve sa réponse dans votre propre infrastructure.

• Fine-tuning sur données propriétaires — GLM 5.3. Une API fermée n'offre aucun équivalent à aucun prix.

• Une équipe sans contrainte de résidence et sans plan de fine-tuning — GPT-6 Sol, et considérez la licence comme un non-problème. C’est un véritable non-problème pour vous, et prétendre le contraire, c’est ainsi que les arguments en faveur des poids ouverts perdent leur crédibilité.

La licence n’est pas un levier de coût. C’est un levier de contrôle, et il vaut exactement ce que le contrôle vaut pour vous — ce qui, pour certaines équipes, représente toute la décision et, pour d’autres, rien du tout.