GPT-6 vs GLM 5.3 : l'un des deux peut être téléchargé, et l'écart de prix est plus petit que l'écart d'indice

La raison d’opposer GPT-6 à GLM 5.3 n’est pas le tableau de benchmarks. C’est que GLM 5.3 est le seul modèle à ce prix dont on peut emporter les poids, et GPT-6 est une génération fermée dont les trois membres ne sont accessibles que via une API. Cette différence tranche plus de questions d’approvisionnement que n’importe quel écart d’indice, et c’est aussi la raison pour laquelle les deux scores ne sont pas directement comparables — ce que la plupart des comparaisons publiées de ce duo comprennent mal.

Les deux côtés, précisément

GLM 5.3 est le modèle phare de Z.ai, sorti le 18 août 2026, avec les poids rendus publics environ une semaine plus tard. Il s'agit d'un modèle texte uniquement — sans entrée d'image — avec une fenêtre de contexte de 1 000 000 de tokens et un plafond de sortie de 128 000 tokens, facturé par Z.ai à 1,40 $ par million de tokens d'entrée et 4,40 $ par million de tokens de sortie, avec un tarif de 0,234 $ par million pour les entrées mises en cache. Il est servi sous l'identifiant de modèle z-ai/glm-5.3.

GPT-6 est une génération plutôt qu'un modèle. GPT-6 Astra, GPT-6 Sol et GPT-6 Luna sont trois identifiants à trois niveaux de prix, tous publiés le 22 septembre 2026, tous multimodaux côté entrée (texte, image et fichier), tous dotés d'une fenêtre de contexte proche de 1 050 000 tokens et d'un plafond de sortie de 128 000 tokens. Il n'existe pas de point de terminaison openai/gpt-6. Quand quelqu'un dit « GPT-6 » dans une conversation sur les prix, il pense presque toujours à GPT-6 Sol, le niveau intermédiaire à 2,00 $ / 10,00 $ — c'est donc le membre que cette comparaison utilise partout où un seul identifiant est nécessaire.

• Poids — GLM 5.3 ouvert, téléchargeable et auto-hébergeable ; GPT-6 fermé, API uniquement
• Modalités d'entrée — GLM 5.3 texte uniquement ; les trois niveaux de GPT-6 acceptent texte, image et fichier
• Prix d'entrée — GLM 5.3 1,40 $ par million vs GPT-6 Sol 2,00 $ par million
• Prix de sortie — GLM 5.3 4,40 $ par million vs GPT-6 Sol 10,00 $ par million
• Entrée mise en cache — GLM 5.3 0,234 $ par million vs GPT-6 Sol 0,20 $ par million
• Contexte — GLM 5.3 1 000 000 de tokens vs GPT-6 Sol 1 050 000 de tokens
• Palier de requête longue — GLM 5.3 n'en a aucun sur sa fiche publiée ; GPT-6 Sol refacture toute la requête au-delà de 272 000 tokens d'entrée à 4,00 $ / 15,00 $
• Licence — GLM 5.3 est distribué sous la propre licence ouverte de Z.ai ; GPT-6 n'a pas de fichier de licence car il n'y a rien à licencier

Notez la mise en garde sur la ligne de prix, car elle est bien réelle et ce blog s'y est déjà heurté : une page de modèle OrcaRouter n'est pas toujours synchronisée avec la grille tarifaire du fournisseur lui-même, et pour GLM 5.3 en particulier, notre catalogue affiche 1,26 $ / 3,96 $, tandis que le chiffre publié par Z.ai est de 1,40 $ / 4,40 $. Lorsque les deux ne concordent pas, citez le chiffre du fournisseur dans le texte — ce que font les puces ci-dessus — et considérez le chiffre de la page comme la valeur propre à cette page. Les deux sont légitimes ; ce ne sont simplement pas les mêmes chiffres.

Pourquoi la comparaison d’indices nécessite une mention d’avertissement

Voici le piège. Sur l'Artificial Analysis Intelligence Index, GLM 5.3 obtient un score de 44,8 et GPT-6 Sol obtient un score de 47,6 — soit 2,8 points d'écart. Cela ressemble à une quasi-égalité entre un modèle fermé et un modèle ouvert à environ un cinquième du prix de sortie, et c'est la phrase à laquelle s'arrêtent la plupart des comparaisons de ce duo.

Ce n'est pas une soustraction valide. Artificial Analysis ne classe les modèles à poids ouverts que par rapport à d'autres modèles à poids ouverts de la même catégorie de taille, et les modèles propriétaires au sein d'une bande propriétaire en utilisant un ratio de prix entrée-sortie pondéré de 3:1. Le 44,8 de GLM 5.3 est un score de modèles à poids ouverts. Le 47,6 de GPT-6 Sol est un score de la bande propriétaire. Ils se situent sur des échelles différentes, et l'écart entre eux n'est pas une mesure de capacité. La même mise en garde s'applique aux deux chiffres figurant dans les entrées du catalogue OrcaRouter, d'où proviennent les deux nombres ci-dessus.

Ce que vous pouvez comparer sur cette ligne, ce sont la comptabilité analytique et les grilles tarifaires, et, en second lieu, les lignes qui correspondent à la même évaluation exécutée de la même manière. À lire sur les deux pages :

• AA Coding Index — GLM 5.3 74,8 contre GPT-6 Sol 60,0
• GPQA Diamond — GLM 5.3 91,7
• Humanity's Last Exam — GLM 5.3 42,3 contre GPT-6 Sol 47,9
• Terminal-Bench 2.1 — GLM 5.3 83,9
• Terminal-Bench 4.0 — GLM 5.3 41,9 contre GPT-6 Sol 43,9
• τ-bench banking — GLM 5.3 50,3
• SciCode — GLM 5.3 59,0 contre GPT-6 Sol 57,6
• Long-context recall — GLM 5.3 79,7 contre GPT-6 Sol 83,7

À lire comme une configuration plutôt que comme un écart de score : GLM 5.3 est solide sur les évaluations agentiques et de codage — τ-bench banking et SciCode penchent tous deux en sa faveur, et son Coding Index est loin de celui de Sol — tandis que GPT-6 Sol tient les lignes du rappel de contexte long et de Humanity's Last Exam. Aucune de ces lectures n'est un verdict. Ce sont deux ensembles de forces différents, mesurés par un tiers, sur un modèle que vous pouvez télécharger et un modèle que vous ne pouvez pas.

Ce que les poids ouverts valent réellement ici

La raison pour laquelle il faut se soucier de la licence de GLM 5.3 n’est pas idéologique. C’est que trois choses précises cessent de relever d’une décision de fournisseur dès lors que les poids vous appartiennent.

Le premier point est la résidence des données. Un GLM 5.3 auto-hébergé s'exécute là où vous l'installez, et aucun accord de traitement des données ne régit ce qui quitte votre réseau. GPT-6 n'offre pas d'option équivalente — la seule façon de l'appeler est de passer par une API, et les données partent vers un endroit que vous ne contrôlez pas. Pour une charge de travail réglementée, c'est souvent toute la décision, et c'est une décision que l'indice ne capture jamais.

Le second est la courbe des prix. Une grille tarifaire d’API est un chiffre du fournisseur que celui-ci peut modifier ; les tarifs publiés de GPT-6 sont annoncés par le fournisseur comme permanents plutôt que promotionnels, mais cela relève d’une intention, pas d’un contrat. Des poids en propre ont un coût fixe qui cesse de varier avec le nombre de tokens, et le point de bascule dépend de votre volume, et non de la décision tarifaire de quiconque. C’est pourquoi la grille à 1,40 $ / 4,40 $ n’est pas vraiment la comparaison — la comparaison, c’est 1,40 $ / 4,40 $ face à votre propre matériel amorti sur votre propre trafic.

Le troisième est le mode de défaillance. Un modèle hébergé peut être déprécié, limité en débit ou dégradé par un changement de service. GLM 5.3 est appelable depuis le 18 août, avec un checkpoint public derrière ; si Z.ai modifie quelque chose qui ne vous convient pas, le checkpoint sur lequel vous avez validé est toujours sur disque.

Le coût de cette liberté est lui aussi bien réel, et il vaut la peine de le dire sans détour. GLM 5.3 est uniquement textuel, si bien qu'une charge de travail qui injecte des captures d'écran ou des PDF dans le modèle n'a aucune solution du côté open-weights de cette comparaison. Servir soi-même des contextes de 1 000 000 de tokens n'est pas un exercice pour ordinateur portable. Et le modèle que vous téléchargez est le modèle dont vous êtes responsable : l'évaluation, le filtrage de sécurité, la disponibilité et les mises à niveau vous incombent, ce qui représente un véritable budget d'ingénierie que le prix de l'API n'inclut pas.

Là où GPT-6 justifie le prix premium

En revanche, l'argumentaire en faveur du côté fermé est plus étroit que son prix ne le suggère, mais il n'est pas vide.

L’entrée multimodale est l’élément concret. Les trois niveaux de GPT-6 acceptent nativement les images et les fichiers, et GLM 5.3 n’accepte ni l’un ni l’autre. Un pipeline qui lit un graphique, une capture d’écran ou un document numérisé et raisonne dessus dans le même appel ne peut pas être construit sur GLM 5.3 tel qu’il est publié.

Le rappel en contexte long est le deuxième. GPT-6 Sol devance GLM 5.3 de quatre points sur cette ligne, et c’est la ligne qui détermine si un très grand contexte est réellement utilisable ou simplement accepté. Une fenêtre de 1 000 000 de jetons qui perd le milieu du document est une fenêtre plus grande qu’une fenêtre de 100 000 jetons qui ne le fait pas.

Et cette génération compte plus d'un niveau de prix. La carte Sol à 2,00 $ / 10,00 $ est celle que l'on compare habituellement à GLM 5.3, mais GPT-6 Luna se situe à 0,10 $ / 0,50 $ — soit un ordre de grandeur en dessous du tarif d'entrée de GLM 5.3 et près de neuf fois en dessous de son tarif de sortie — et GPT-6.1 Sol, livré le 29 septembre, obtient 51,8 sur le même indice au prix de Sol. Si la question est purement « le token compétent le moins cher », la génération GPT-6 a une réponse que GLM 5.3 n'a pas.

Les exécuter ensemble, ce qui est la réponse que la plupart des équipes finissent par retenir.

La conclusion pratique de cette comparaison est qu'elle n'est pas exclusive. GLM 5.3 draine des volumes très importants — le catalogue d'OrcaRouter a enregistré environ 1,9 milliard de tokens routés vers lui sur une fenêtre de sept jours, contre environ 2,1 millions pour GPT-6 Sol —, ce à quoi ressemble un modèle à poids ouverts au tarif de sortie bon marché lorsque les équipes lui confient du travail en masse. Le trafic de GPT-6 sur la même fenêtre se concentre sur les gammes supérieures, où le travail est de ceux qui exigent l'entrée multimodale ou le modèle premium.

Ce sont deux routes du même catalogue sur Orca : une API devant 200 modèles, appelée via un point de terminaison compatible OpenAI, avec le prix catalogue du fournisseur répercuté à 0 % de marge, afin qu'un changement de prix du fournisseur soit effectif chez nous le jour même plutôt qu'à votre prochain cycle de facturation. Cela compte plus que d'habitude dans cette comparaison en particulier, car toute la question du prix de GLM 5.3 comporte une variable mouvante — le chiffre du catalogue et celui du fournisseur diffèrent déjà d'environ 10 % — et une route avec répercussion directe signifie que vous êtes facturé au tarif du fournisseur plutôt qu'à une marge qui le masque.

Le DSL de routage est ce qui rend la séparation explicite : envoyez le gros du trafic de classification et d'extraction, uniquement textuel, à GLM 5.3 et le travail multimodal ou à long rappel à un palier GPT-6, par requête plutôt que par trimestre, et laissez le basculement automatiquecouvrir l'un ou l'autre côté. La question des poids ouverts face à l'API cesse d'être un engagement architectural tout ou rien et devient une règle de routage que vous pouvez modifier la semaine prochaine.

Le verdict, qui est une question concernant vos contraintes.

Si vous pouvez l’auto-héberger, si vous avez besoin d’un débit en texte uniquement à grande échelle, ou si vous avez une exigence de résidence que l’API ne peut pas satisfaire, GLM 5.3 est la réponse, et l’écart de prix est assez important pour financer le travail de service. Si vous avez besoin d’entrées d’images et de fichiers, si le rappel en contexte long est essentiel, ou si vous n’avez aucune envie d’exploiter un modèle vous-même, GPT-6 est la réponse, et le supplément achète quelque chose de précis plutôt qu’une marque.

Ce que ni l’une ni l’autre réponse n’est : « GPT-6 obtient 2,8 points de plus ». Cette soustraction n’est pas possible, car les deux chiffres proviennent de groupes de pairs différents sur le même tableau — et une comparaison fondée sur elle reviendrait à citer un chiffre comme s’il mesurait quelque chose qu’il ne mesure pas. Les grilles tarifaires sont comparables. La position en matière de licences est comparable, en ce sens qu’elle est nettement différente. Les lignes d’indice ne le sont pas.