Mistral Large 4 vs GLM-5.5 : un vrai modèle face à un nom

Il n'y a pas de GLM-5.5 auquel comparer Mistral Large 4. À la date du 6 octobre 2026, ce nom n'a ni fiche de modèle, ni identifiant d'API, ni ligne tarifaire, ni checkpoint, ni fichier de licence, et le site de Z.ai lui-même ne l'utilise nulle part. Le modèle qui se trouve au bout de cette suite de numéros est GLM-5.3, que Z.ai a publié le 18 août 2026 — le même modèle phare à poids ouverts de Z.ai que Mistral prend nommément pour référence dans son propre billet de lancement pour comparer Mistral Large 4. La comparaison réellement réalisable oppose donc une preview publiée aujourd'hui à un modèle à poids ouverts vieux de deux mois, doté d'un prix en vigueur, de quatre milliards et demi de tokens par semaine de trafic réel, et d'un fichier de licence que l'on peut lire. C'est de toute façon la confrontation la plus utile.

C'est aussi un test plus net de l'affirmation centrale de Mistral que ne l'est la comparaison avec GLM effectuée dans le billet de lancement. Mistral affirme que Mistral Large 4 est le modèle à poids ouverts le plus puissant développé hors de Chine. GLM-5.3 est le modèle à poids ouverts le plus puissant développé en Chine. Les deux affirmations peuvent être vérifiées l'une par rapport à l'autre sur le même index, et l'une d'elles repose actuellement sur des poids qui n'ont pas été publiés.

Ce qui existe, et ce qui n'existe pas

La vérification prend environ dix minutes, et chacun de ces éléments est un endroit où apparaîtrait un produit phare Z.ai publié :

• La page model-api de Z.ai elle-même ne liste exactement que trois cartes — GLM-5.3, GLM-5.3-FlashX et GLM-5.2. Il n'existe aucune quatrième entrée sous un nom 5.4 ou 5.5.

• Artificial Analysis dispose d'une page GLM-5.3 en ligne ; artificialanalysis.ai/models/glm-5-5 et /glm-5-4 renvoient tous les deux une erreur 404.

• Les dépôts les plus récents de l'organisation zai-org sur Hugging Face sont la série GLM-5.3, créée le 25 août 2026 — parmi lesquels GLM-5.3, GLM-5.3-BF16 et GLM-5.3-Flash. Rien de plus récent n'existe.

• Notre propre catalogue renvoie « modèle introuvable » pour z-ai/glm-5.5, z-ai/glm-5.4 et z-ai/glm-6.0, tandis que z-ai/glm-5.3 se résout avec un prix en direct.

• Lors de sa conférence téléphonique sur les résultats du 31 août 2026, Z.ai a désigné GLM-6.0 comme la base de nouvelle génération, en sautant entièrement les versions 5.4 et 5.5.

Le nom circule parce que Z.ai a livré la version 5.3 en août et que le prochain modèle phare se lit naturellement comme le numéro suivant. Il s’agit d’une convention de nommage, pas d’un produit. Rien dans cet article ne doit être lu comme une fiche technique de GLM-5.5, car en produire une reviendrait à inventer chaque chiffre qui s’y trouverait.

La véritable comparaison : Mistral Large 4 preview vs GLM-5.3

Les chiffres de Mistral proviennent de son propre billet de lancement et de sa fiche modèle ; ceux de GLM-5.3 proviennent de son entrée de catalogue en direct sur OrcaRouter et de sa page Artificial Analysis, toutes deux consultées le 6 octobre.

• Architecture — 1,05 T au total / 49 B actifs, MoE clairsemé avec un encodeur visuel de 1,6 B, contre un MoE purement textuel aux poids ouverts publiés

• Modalités — texte et image en entrée, texte en sortie vs texte en entrée, texte en sortie

• Fenêtre de contexte — 1 M annoncé par Mistral, 524 288 sur la configuration testée par Artificial Analysis, contre 1 M servi

• Plafond de sortie — non publié vs 128K tokens

• Prix par million, entrée / sortie — 1,36 $ / 4,18 $ tarif catalogue, actuellement 0,68 $ / 2,09 $ en promotion, contre 1,40 $ / 4,40 $ tarif catalogue, actuellement 1,26 $ / 3,96 $ servi

• Entrée mise en cache par million — 0,14 $, actuellement 0,07 $, contre 0,26 $ au tarif catalogue, 0,234 $ pratiqué

• Intelligence Index v4.3 — 38,4 vs 44,8

• Coût par tâche d'indexation — 1,13 $ vs 2,01 $

• Terminal-Bench 4.0 — 26,8 % contre 41,9 %

• AutomationBench — 59,9 % vs 62,2 %

• Poids — promis fin octobre, licence non précisée vs disponibles dès maintenant selon les propres conditions de Z.ai

En clair : GLM-5.3 est le meilleur modèle sur l'indice indépendant, avec 6,4 points d'avance, et il est déjà téléchargeable. Mistral Large 4 est 44 % moins cher par tâche terminée et, sur la ligne Terminal-Bench, c'est un codeur moins bon de quinze points. La symétrie des tarifs est fortuite et assez proche pour prêter à confusion — 1,36 $ / 4,18 $ contre 1,40 $ / 4,40 $ pour les tarifs catalogue, bien qu'OrcaRouter serve GLM-5.3 à 1,26 $ / 3,96 $, ce qui est directement inférieur au tarif catalogue de Mistral. Le tarif promotionnel de Mistral à 0,68 $ / 2,09 $ est ce qui rend la preview moins chère aujourd'hui, et il s'agit d'un prix de lancement.

Là où Mistral a l'avantage

Deux lignes comptent, et aucune n'est l'index.

Le premier est multimodal. GLM-5.3 est un modèle texte entrant, texte sortant, et sa fiche catalogue est explicite à ce sujet. Mistral Large 4 embarque un encodeur visuel de 1,6 milliard de paramètres, et Mistral revendique un ancrage visuel de pointe parmi les modèles ouverts — citant un score de 42 % contre 41 % pour GPT-6 Astra sur Dense 200, ainsi que des démonstrations d’imagerie satellitaire gigapixel, de dessins techniques et de recherche documentaire dense. Sur le même banc d’essai, le score multimodal de GLM-5.3 n’apparaît pas, car il n’y a rien à évaluer. Pour tout pipeline qui lit des graphiques, des dessins, des documents déposés ou des captures d’écran, la comparaison se réduit à un seul candidat.

Le second est le travail sur la sécurité. Mistral revendique 82 % au test Anomaly Analysis Cyber Index, qui demande à un modèle de reproduire une vulnérabilité réelle puis de la corriger — décrit comme le plus élevé parmi tous les modèles —, ainsi que 93 % aux 40 exercices de compétition de Cybench, et une place dans le top cinq du classement global Cyber Index, qui devance les modèles à poids ouverts développés hors de Chine. Z.ai a également publié des affirmations en matière de cybersécurité pour GLM-5.3, et la description de GLM-5.3 elle-même lui attribue des performances équivalentes à Mythos 5 sur certaines capacités de cybersécurité. Les deux ensembles de chiffres sont cités par les fournisseurs et devraient tous deux être présentés comme tels. La différence est que ceux de Mistral figurent sur un indice indépendant nommé et sont liés à un test spécifique, ce qui les rend plus faciles à vérifier et plus faciles à réfuter.

Tout le reste favorise l'acteur en place, et l'argument du coût d'une preview est celui auquel il faut faire attention. Le post de lancement de Mistral indique que la preview est servie sur la même infrastructure européenne que celle sur laquelle le modèle a été entraîné — 3 800 GPU NVIDIA Grace Blackwell dans les propres centres de données de Mistral — et que les poids suivront à la fin du mois d'octobre. Ce que cela vous offre aujourd'hui, c'est un modèle appelable avec une date de fin annoncée pour sa période de preview ; ce que cela ne vous offre pas, c'est ce sur quoi repose tout l'argumentaire de Mistral.

Qu'est-ce qui ferait de GLM-5.5 un modèle ?

Si Z.ai venait à livrer une version 5.4 ou 5.5, les artefacts apparaîtraient dans un ordre fixe et chacun serait vérifiable sans avoir à demander quoi que ce soit à Z.ai :

• Une fiche de modèle sur la propre page model-api de Z.ai, qui aujourd’hui répertorie trois entrées et pas plus

• Un identifiant d'API qui se résout, comme z-ai/glm-5.3 se résout et z-ai/glm-5.5 ne le fait pas

• Une ligne de tarification avec un tarif par million de tokens dans la documentation de Z.ai

• Un dépôt Hugging Face de l'organisation zai-org avec un fichier de licence — la série actuelle s'arrête au 25 août 2026

• Une page d’un organisme de benchmark neutre, où glm-5.5 renvoie actuellement une 404

Les éléments prospectifs pointent à l’écart de ce nom plutôt que vers lui : la propre conférence de résultats de l’entreprise a sauté 5.4 et 5.5 et a désigné GLM-6.0 comme la prochaine génération. Quiconque rédige une fiche technique de GLM-5.5 ce mois-ci écrit de la fiction avec un titre plausible.

Choisir entre les deux qui existent

Si vous voulez le meilleur modèle aujourd'hui, la réponse est GLM-5.3, et l'écart n'est pas serré sur l'indice indépendant. Il devance de 6,4 points sur l'Intelligence Index v4.3, de quinze points sur Terminal-Bench 4.0, est en tête sur l'automatisation des workflows, constitue une véritable version open-weight avec un checkpoint que vous pouvez télécharger, et traite plus de cinq milliards de tokens par semaine sur l'ensemble de notre catalogue — un volume qui indique que ses modes de défaillance sont connus. Son contexte est d'un million de tokens servis et son plafond de sortie, un 128K publié, contre une preview dont le chiffre de contexte diffère d'un facteur deux selon la page que l'on consulte et dont le plafond de sortie n'a pas été indiqué du tout.

Si vous avez besoin de vision, si vous avez besoin de tâches de sécurité, ou si un aperçu avec une date de fin annoncée constitue un risque acceptable pour un modèle qui pourrait devenir le vôtre à exécuter, Mistral Large 4 est le côté intéressant de l'échange. Sur OrcaRouter, GLM-5.3 figure au catalogue au tarif du fournisseur avec 0 % de marge, sur le même endpoint compatible OpenAI que plus de 200 autres modèles, avec basculement automatique entre fournisseurs et un DSL de routage qui peut envoyer la classification et l'extraction vers le modèle le moins cher cette semaine-là. Mistral Large 4 ne figure pas dans notre catalogue ; l'aperçu est accessible via l'API propre à Mistral et plusieurs plateformes tierces.

Soyez explicite sur ce que vous achetez. GLM-5.3 est un produit. Mistral Large 4 est un produit assorti d'une promesse, et la promesse est la partie qui n'a pas été livrée. L'écart entre eux ne tient pas aux 6,4 points d'indice — ils évolueront — mais au fait que l'un de ces modèles existe sous une forme que vous pouvez tenir, et que l'autre est une convention de nommage avec une date de livraison.