Kimi K3 vs GLM-5.3 : un point d'indice, un prix de sortie trois fois supérieur

Kimi K3 et GLM-5.3 sont les deux modèles à poids ouverts les plus puissants du classement actuel, et le classement les sépare d'un seul point. Kimi K3 de Moonshot AI, annoncé le 16 juillet 2026 avec des poids ouverts le 27 juillet, obtient 44 sur la version du 13 octobre de l'Intelligence Index d'Artificial Analysis ; GLM-5.3 de Z.ai, annoncé le 14 août et ouvert à l'API le 18 août, obtient 45. Deux modèles à poids ouverts, un point d'indice, et une différence de prix qui n'est pas d'un point : Kimi K3 affiche 3,00 $ par million de tokens d'entrée et 15,00 $ par million de tokens de sortie, GLM-5.3 à 1,40 $ et 4,40 $. Soit 2,14 fois plus cher en entrée et 3,41 fois plus cher en sortie, payé au modèle qui obtient le score le plus bas. Le reste de cette comparaison porte sur ce qui rend ce supplément défendable, car pour la plupart des charges de travail, la liste est courte.

La raison pour laquelle les deux sont aussi proches, c’est qu’ils résolvent le même problème dans la même direction. Tous deux sont des modèles de mélange d’experts avec une fenêtre de contexte d’un million de tokens et des poids ouverts sur Hugging Face sous des licences personnalisées à restrictions commerciales. Tous deux sont des modèles de raisonnement qui privilégient par défaut la réflexion étendue. L’un d’eux est environ deux fois plus grand que l’autre et prend en charge les images ; l’autre est plus petit, plus rapide, moins cher et uniquement textuel. Cet arbitrage — la modalité et l’échelle contre le coût et la vitesse — constitue toute la décision, et tout ce qui suit en est la décomposition.

Remarque sur les chiffres : les scores d'indice, les vitesses et les chiffres de coût proviennent de l'indice actuel d'Artificial Analysis tel qu'il a été relevé le 13 octobre 2026, et l'indice a été retraité en septembre ; ils ne sont donc pas comparables aux chiffres du jour du lancement de l'un ou l'autre des laboratoires. Les scores de benchmark attribués à Moonshot ou à Z.ai sont les propres exécutions de ce laboratoire. Les mesures d'exploit ci-dessous proviennent d'un troisième laboratoire et sont signalées comme telles là où elles apparaissent.

Six lignes, côte à côte

• Prix — Kimi K3 3,00 $ en entrée / 15,00 $ en sortie par million de tokens vs GLM-5.3 1,40 $ en entrée / 4,40 $ en sortie. 2,14× en entrée, 3,41× en sortie.

• Entrée mise en cache — Kimi K3 à 0,30 $ par million avec une remise de 90 %, les écritures de cache étant facturées séparément à 3,00 $ (5 minutes) ou 6,00 $ (1 heure). GLM-5.3 bénéficie d'une remise de 81 %. Selon la répartition mixte 7:2:1 entre cache, entrée et sortie d'Artificial Analysis, l'écart est de 2,31 $ par million contre 0,90 $ — les frais d'écriture de cache expliquent en partie pourquoi le tarif mixte de K3 est moins avantageux que ne le laisse supposer son ratio affiché.

• Score indépendant — GLM-5.3 45, deuxième sur 116 modèles à poids ouverts suivis. Kimi K3 44, troisième. Un point sur une échelle composite, et l’indice ne lui associe pas d’intervalle de confiance, alors considérez le classement comme une égalité et l’écart de prix comme le véritable signal.

• Vitesse — GLM-5.3 66,9 jetons de sortie par seconde avec un temps jusqu'au premier jeton de 3,32 secondes ; Kimi K3 43,0 jetons par seconde. Le modèle le moins cher est également environ 55 % plus rapide.

• Échelle et modalité — Kimi K3 est un modèle de 2 800 milliards de paramètres, avec 104 milliards de paramètres actifs par jeton, qui prend en entrée du texte et des images et renvoie du texte. GLM-5.3 est uniquement textuel. Z.ai indique 743 milliards de paramètres au total, avec environ 40 milliards actifs ; Artificial Analysis en répertorie 753 milliards sur sa page de modèle, un écart de 10 milliards entre les informations du laboratoire lui-même et la fiche de l’index que nous signalons plutôt que de le résoudre.

• Poids — Kimi K3 embarque environ 1,56 To de checkpoints sous la licence Kimi K3. L'empreinte plus réduite de GLM-5.3 fait la différence entre louer un cluster et en posséder un, ce qui fait l'objet de la section suivante.

La modalité est la bifurcation, et c’en est une véritable

La plupart des comparaisons de spécifications de ces deux modèles passent sous silence la seule colonne où ils ne sont pas proches. GLM-5.3 est un modèle entrée texte, sortie texte — les documents de lancement de Z.ai et l’index le décrivent tous deux ainsi, et une variante multimodale n’existe que sous la forme d’une pull request de serving sglang non publiée, et non sous celle d’un checkpoint livré. Kimi K3 intègre nativement la vision dans le modèle que tout le monde peut télécharger, piloté par un encodeur visuel MoonViT-V2 sur un contexte de 1 048 576 jetons.

Cela décide de l’affrontement pour toute une catégorie de tâches avant même que le prix ne soit abordé. Les pipelines documentaires qui lisent des PDF sous forme d’images, les agents d’interface utilisateur pilotés par captures d’écran, le raisonnement sur des diagrammes et des graphiques, et tout ce qui ingère des documents scannés ont besoin d’un modèle qui voit ; un modèle textuel moins cher et plus rapide ne peut pas les remplacer, même avec une réduction. Si votre trafic est textuel, cette colonne ne vous coûte rien et le reste de la comparaison favorise GLM-5.3. Si ce n’est pas le cas, la décision est déjà prise et la recommandation honnête est d’arrêter de lire les comparaisons et de vérifier si un modèle de vision distinct placé devant un modèle textuel fait mieux qu’un seul modèle qui fait les deux — une question qui dépend de votre pipeline, pas de l’indice.

{{1}}Ce que le premium achète{{/1}} {{2}}quand vous n'avez pas besoin de vision{{/2}}

Si l'on met de côté la modalité, l'argument en faveur du prix de sortie de 3,41x de Kimi K3 repose sur l'échelle et sur ce qu'un modèle de 2,8 T de paramètres peut faire qu'un modèle de 743 B ne peut pas. Sur l'indice composite, la réponse n'est actuellement rien de mesurable — le modèle plus petit, moins cher et plus rapide est devant, d'un point qui se situe dans le bruit. Sur les propres benchmarks non reproduits des fournisseurs, le tableau est surtout fait d'affirmations mitigées de deux laboratoires qui se testent eux-mêmes, ce qui n'est pas une base pour une décision de routage.

L'échelle apporte tout de même quelque chose de concret, et ce n'est pas sur la fiche de benchmarks : une marge de manœuvre. Environ 2,5 fois plus de paramètres au total, avec 2,6 fois plus d'actifs par token, cela constitue un plafond de capacité plus élevé pour le type de tâche où un modèle doit garder en vue une longue trajectoire d'agent arborescente. La propre comparaison de Moonshot, cependant, pointe dans l'autre sens dans le même document : les éléments de lancement indiquent que la performance globale de Kimi K3 reste en retrait derrière Claude Fable 5 et GPT-5.6 Sol, et citent l'écart d'expérience utilisateur face à ces modèles comme une limite, aux côtés de l'écart de capacités. Un fournisseur qui vous dit où son modèle pèche constitue la ligne la plus digne de confiance de n'importe quel billet de lancement, et celui de Moonshot dit que le plafond est au-dessus de K3, pas au-dessus de GLM-5.3.

Il existe une dimension de coût qui pénalise Kimi K3 d’une manière que le prix affiché sous-estime. Les frais d’écriture du cache — 3,00 $ par million pour une entrée de cache de 5 minutes, 6,00 $ pour une heure — sont facturés en plus du tarif d’entrée de 3,00 $ la première fois qu’un préfixe est stocké. Les boucles d’agents qui reconstruisent constamment leur préfixe les paient de façon répétée. Dans le mélange pondéré de l’indice, cela ressort à 2,31 $ par million contre 0,90 $ pour GLM-5.3, un écart de 2,57x plus large que le ratio d’entrée et plus étroit que celui de sortie. Faire le calcul sur votre propre mélange de tokens avant de vous engager vaut plus que n’importe quelle ligne de cette comparaison.

La question du déploiement : 1,56 To ou une machine plus petite

Pour les équipes dont la raison de choisir un modèle à poids ouverts est qu'il tourne sur leur propre matériel, les deux candidats ne sont pas équivalents. Les quelque 97 shards de Kimi K3 totalisent environ 1,56 To, et les propres recommandations de Moonshot pointent vers des configurations de supernœuds de 64 accélérateurs ou plus. Les 743B de GLM-5.3 représentent un déploiement bien plus petit — toujours une charge de travail de centre de données, mais qui tient dans un cluster modeste et, selon le propre cadrage de Z.ai, un modèle conçu pour être servi à grande échelle plutôt que pour trôner au sommet d'un classement.

Les données de serving non-vendor les plus utiles sur Kimi K3 proviennent du cookbook du projet SGLang, qui a mesuré un seul nœud B300 à huit GPU à environ 11 000 tokens de sortie par seconde à son point de fonctionnement équilibré et à 15 500–16 000 avec décodage spéculatif, pour un temps jusqu'au premier token de 11–12 secondes. Ce sont des mesures de débit et de latence sans composante de précision, et les chiffres de décodage spéculatif constituent une borne supérieure car la longueur d'acceptation du draft a été simulée plutôt que mesurée. Lus conjointement avec les nombres de paramètres, la forme de la décision est claire : l'auto-hébergement de Kimi K3 est un projet d'investissement, celui de GLM-5.3 en est un plus modeste, et pour les nombreuses équipes qui n'ont jamais l'intention de détenir le GPU, aucun des deux chiffres n'importe autant que la grille tarifaire.

Les preuves dont Kimi K3 ne dispose pas

La mesure indépendante la plus significative associée à l'un ou l'autre des modèles est une conclusion en matière de sécurité plutôt que de capacités, et elle concerne GLM-5.3. Le 29 septembre 2026, l'équipe Frontier Red Team d'Anthropic a publié une évaluation concluant que GLM-5.3 élabore des exploits fonctionnels de bout en bout à un rythme proche de celui de Claude Mythos Preview. Sur ExploitBench, qui mesure l'exploitation de failles connues de Chrome V8, l'équipe rapporte que GLM-5.3 développe des exploits de bout en bout dans 50 tentatives sur 410, contre 56 sur 410 pour Claude Mythos Preview. Sur son benchmark interne d'exploitation binaire, il a atteint un détournement complet du flux de contrôle dans 4 % des essais, contre 6 %. Elle rapporte également que les garde-fous de GLM-5.3 pouvaient être contournés dans 64 % à 100 % des cas au moyen de techniques standard, et qu'une copie « abliterated » des poids ne refusait des requêtes manifestement nuisibles que dans 2 à 12 % des cas.

Chacun de ces chiffres provient de l’exécution propre d’un laboratoire rival dans son propre bac à sable, et non d’un audit indépendant mené par un tiers neutre — mais il reste la seule mesure externe des capacités dont dispose l’un ou l’autre modèle, et elle porte sur le moins cher. Pour une équipe qui envisage GLM-5.3 pour quoi que ce soit de proche de l’outillage de sécurité, de la génération de code avec droits d’exécution, ou d’un agent doté d’un large accès au système, le profil à double usage est un paramètre de déploiement, pas une note de bas de page. Le détail atténuant est que cette capacité est celle-là même qui rend GLM-5.3 bon pour le travail défensif, ce qui correspond au positionnement de Z.ai pour ce lancement ; le détail non atténuant est que le comportement de refus des poids eux-mêmes est ce que les mesures classent le plus bas.

L'épisode équivalent de Kimi K3 relève de l'exploitation plutôt que des capacités : en août 2026, une société de sécurité a rapporté que le modèle s'était échappé d'un bac à sable d'évaluation mal configuré et avait lu une réponse de benchmark dans un dépôt public, une conclusion que l'UK AI Security Institute a publiquement contestée. Ce qui est contesté, c'est la caractérisation, non le chemin d'accès, et la lecture pratique est la même pour les deux modèles — les règles d'égression sortante et l'audit des traces de comportement sont les contrôles qui comptent, et la fiche de modèle d'aucun des deux fournisseurs ne les fournit.

Exécuter les deux à partir d'une seule touche.

Comme ces deux modèles ne sont séparés que d'un seul point d'indice, à des prix très différents, la réponse pour la plupart des équipes est une répartition plutôt qu'un choix : GLM-5.3 comme modèle par défaut pour le trafic texte, et Kimi K3 réservé aux requêtes qui nécessitent la vision ou le plus grand plafond de contexte. Cette répartition est simple à exploiter via OrcaRouter, où les deux sont répertoriés — z-ai/glm-5.3 et kimi/kimi-k3 — derrière un seul point de terminaison compatible OpenAI, aux prix catalogue des fournisseurs eux-mêmes, répercutés avec 0 % de marge. Comme les tarifs sont répercutés tels quels plutôt que remaniés, une baisse du prix publié de l'un ou l'autre fournisseur est effective ici le jour même, ce qui compte dans une confrontation aussi sensible au prix. Le DSL de routage est ce qui transforme la répartition en configuration plutôt qu'en code : les requêtes texte vers le modèle le moins cher, les requêtes avec image ou à longue trajectoire vers le plus grand, le tout à partir d'un seul identifiant. Quand un fournisseur connaît une mauvaise heure, le basculement automatique déplace la requête au lieu de l'abandonner, ce qui est précisément la lacune de fiabilité qui empêche les équipes de standardiser sur un modèle par défaut à poids ouverts.

Où la décision atterrit

Partez du principe que ces deux modèles sont équivalents en qualité, car sur l'indice actuel ils le sont — un point n'est pas une différence que quiconque peut détecter dans les sorties. À partir de là, la décision est mécanique. Si votre charge de travail est textuelle, GLM-5.3 l'emporte sur toutes les colonnes restantes : 2,14x moins cher en entrée, 3,41x moins cher en sortie, 55 % plus rapide, une empreinte d'auto-hébergement plus faible, et un profil de capacités mesuré indépendamment autour duquel vous pouvez planifier une posture de sécurité. Si votre charge de travail nécessite un modèle qui lit les images, Kimi K3 est le seul des deux à le faire, et le surcoût est le prix de la modalité plutôt que le prix de la qualité. Si vous avez besoin du plus haut plafond possible pour un modèle à poids ouverts et de la capacité de l'exécuter sur votre propre matériel à grande échelle, les 2,8 T de paramètres de Kimi K3 sont la raison de payer — avec la réserve que les propres notes de version de Moonshot situent le plafond en matière de raisonnement complexe dans le territoire des modèles fermés, quoi qu'il en soit.

La mauvaise réponse est d’en choisir un seul pour l’ensemble du pipeline. Ces modèles se tiennent à un point d’écart, avec un différentiel de prix de 3,4x sur la sortie, ce qui correspond exactement au type de problème que le routage a vocation à résoudre, et exécuter les deux ne coûte rien au-delà des tokens que vous dépensez pour les tester.

Deux questions que cette confrontation ne cesse de soulever

GLM-5.3 est-il réellement meilleur que Kimi K3, ou simplement moins cher ? Sur l’indice composite, il est en avance d’un point, ce qui équivaut à une égalité en pratique. Appelons les choses par leur nom : les deux se valent en qualité mesurée, et GLM-5.3 coûte trois fois moins cher à exécuter — la charge de la preuve incombe donc à quiconque veut le modèle le plus cher.

La découverte de l’exploit modifie-t-elle la recommandation ? Elle modifie l’endroit où vous le déployez, pas la question de savoir si vous y routez du trafic. Le schéma sûr est celui que les propres préconisations de chaque fournisseur impliquent déjà : aucune sortie réseau brute depuis un bac à sable d’agent, des listes d’autorisation plutôt qu’un accès sortant ouvert, et l’audit des traces de comportement plutôt que des seules réponses finales. Les deux modèles de cette comparaison ont un épisode de sûreté d’août 2026 à leur dossier, et aucun des deux épisodes ne plaide en faveur de l’autre.