Muse Wonder vs GLM 5.5 : un seul de ces modèles dispose d'une grille tarifaire

Il n’existe pas de GLM 5.5. Il n’existe aucune fiche de modèle, aucun identifiant API, aucune ligne de prix, aucun dépôt Hugging Face et aucune page sur le propre site de Z.ai portant ce nom, et il n’en a jamais existé — c’est une abréviation communautaire que le fournisseur n’a pas adoptée. Meta Muse Wonder, en revanche, est sorti le 12 octobre 2026 avec un point de terminaison, un prix par token publié et deux checkpoints, et vous pouvez l’invoquer dès aujourd’hui. Comparer littéralement Meta Muse Wonder à GLM 5.5 revient donc à le comparer à une rumeur. La comparaison qui peut réellement éclairer une décision est celle de Meta Muse Wonder avec GLM-5.3, le modèle phare que Z.ai a véritablement sorti en août, et ce duo se révèle avoir une réponse plus nette que la plupart des comparaisons directes : un écart d’intelligence de sept points pour environ la moitié du coût par tâche accomplie.

Ce qui existe, et ce qui n’est qu’un nom

La discipline dont ce texte a besoin, c'est une frontière nette entre les deux.

• Meta Muse Wonder — en disponibilité générale depuis le 12 octobre 2026 sur l'API Model de Meta sous le nom de muse-wonder-1.0. 4,00 $ par million de tokens d'entrée, 0,20 $ pour l'entrée mise en cache, 20,00 $ par million de tokens de sortie. Une fenêtre de contexte de 1 048 576 tokens. Raisonnement toujours activé, avec des niveaux d'effort allant de max à minimal, la valeur par défaut étant medium.

• Meta Muse Wonder Full — un deuxième checkpoint dans le même lancement, muse-wonder-full-1.0, qui obtient un meilleur score et n'est vendu que dans le cadre d'un abonnement Muse Code plutôt qu'au token.

• GLM-5.3 — en disponibilité générale depuis août 2026. Annoncé le 14 août, API en service vers le 18 août, poids ouverts publiés le 28 août. 1,40 $ par million de tokens d’entrée, 0,234 $ en cache, 4,40 $ par million de tokens de sortie. Une fenêtre de 1 000 000 de tokens avec 128 000 tokens de sortie maximale. Entrée texte, sortie texte. Raisonnement contrôlé par reasoning_effort avec low, high ou max, et la réflexion ne peut pas être désactivée.

• GLM 5.5 — rien. Aucune annonce de fournisseur, aucun identifiant, aucun poids, aucune licence, aucun score.

Ce dernier point n'est pas de la pédanterie. L'intérêt de recherche pour « GLM 5.5 » est réel, le nom circule dans des captures d'écran de benchmarks et des fils de forum, et les pages qui répondent à la requête en imprimant une fiche technique inventent la spécification. L'organisation des modèles de Z.ai s'arrête à la série GLM-5.3, y compris GLM-5.3-Flash et le niveau FlashX ; GLM-5.4, GLM-5.5 et GLM-6 ont tous été évoqués et l'entreprise n'a confirmé aucun d'entre eux.

D'où vient le nom, et quand il pourrait devenir réalité

L'étiquette 5.5 remonte à une date, pas à un document. Une prévision d'analyste relayée le 25 juin 2026 plaçait le prochain modèle phare de Z.ai en août ; il s'agissait d'une fenêtre de surveillance plutôt que d'un engagement du fournisseur, et août s'est achevé avec la sortie de GLM-5.3 à la place. En analysant la cadence réelle de Z.ai — environ un modèle phare tous les 54 à 70 jours — les mêmes analystes projettent désormais la prochaine sortie dans une fenêtre allant du 8 octobre au 9 novembre 2026, et la plupart s'attendent à ce qu'elle soit numérotée GLM-5.4 plutôt que GLM-5.5. Nous sommes le 13 octobre et cette fenêtre est ouverte, ce qui est la chose la plus concrète que l'on puisse dire au sujet du nom.

S'il arrive bel et bien, les points à vérifier sont ceux qui déterminent s'il s'agit de l'adversaire de cet article :

• Un identifiant API sur la plateforme de Z.ai elle-même, pas seulement une entrée de classement

• Un prix publié par million de tokens, en entrée comme en sortie

• Une fenêtre de contexte et une valeur de sortie maximale

• Un dépôt Hugging Face ou une déclaration explicite qu’il n’y en aura pas

• Une fiche Artificial Analysis datée, car les listes des agrégateurs accusent plusieurs jours de retard sur les sorties des fournisseurs

Tant que trois de ces cinq n’existent pas, « GLM 5.5 » est un terme de recherche et GLM-5.3 est un modèle.

La vraie confrontation, sur les chiffres qui font la différence

Mettez les deux modèles commercialisés côte à côte : la configuration qui en ressort est celle d’un arbitrage simple, et non d’une surprise. Notez que les chiffres de benchmark et de coût ci-dessous sont ceux d’Artificial Analysis, obtenus sur son harnais à effort maximal, et non des éléments de l’un ou l’autre fournisseur.

• Indice d'intelligence — Muse Wonder (max) 52 ; GLM-5.3 (max) 45

• Coût par tâche de l'Intelligence Index — Muse Wonder environ 4,52 $ ; GLM-5.3 environ 2,01 $

• Prix d'entrée — Muse Wonder 4,00 $ par million ; GLM-5.3 1,40 $, ce qui fait de GLM-5.3 environ un tiers du prix

• Prix de sortie — Muse Wonder 20,00 $ par million ; GLM-5.3 4,40 $, donc GLM-5.3 est à moins du quart du prix

• Jetons de sortie brûlés lors de l’exécution de l’index — Muse Wonder environ 130 M ; GLM-5.3 environ 210 M, contre une médiane du classement proche de 140 M pour sa catégorie de comparaison

• Vitesse sur une même exécution — Muse Wonder n'est pas documenté par l'évaluateur dans ce duo ; GLM-5.3 est mesuré à environ 66 tokens par seconde, décrit comme plus rapide que la moyenne

• Poids — ceux de GLM-5.3 sont publiés sous la propre licence de Z.ai ; ceux de Muse Wonder ne sont pas publiés du tout

• Surface d'entrée — Muse Wonder liste le texte, l'image, la parole et la vidéo ; GLM-5.3 est uniquement texte

• Contexte — 1,048,576 tokens sur Muse Wonder contre 1,000,000 sur GLM-5.3, ce qui, en pratique, constitue une différence d'arrondi.

Deux choses ressortent. La première, c’est que GLM-5.3 est le modèle le moins cher, tant sur la grille tarifaire que sur la facture des tâches réalisées — environ 2,25 fois moins cher par tâche — ce qui est inhabituel dans cette catégorie et mérite d’être vérifié plutôt que supposé : les laboratoires de modèles à poids ouverts réduisent l’écart d’efficacité des tokens, et avec 210 M de tokens de sortie contre 130 M pour Muse Wonder, GLM-5.3 est le plus bavard des deux tout en revenant à moins de la moitié du coût, simplement parce que sa grille tarifaire est bien inférieure à celle de Meta.

Le second point, c'est ce que l'écart de sept points vous coûte dans l'autre sens. Sur un indice composite couvrant un domaine dont la médiane se situe près de 27, 45 et 52 appartiennent à des classes de modèles différentes, et la différence apparaît d'abord sur le travail à long horizon le plus difficile : tâches agentiques multi-étapes, utilisation soutenue d'outils, et les benchmarks de tâches professionnelles où le tableau de Meta lui-même montre que ses deux checkpoints sont séparés de 44 points. Si votre tâche est de celles où le modèle soit termine le travail, soit ne le termine pas, sept points ne sont pas une différence d'arrondi et le modèle moins cher est une fausse économie. Si votre tâche est de celles où les deux modèles réussissent et que vous payez au volume — classification, extraction, résumé, triage de premier passage — l'écart de prix est de 2,25x et l'écart d'indice est invisible.

Les poids ouverts changent complètement la question

Les poids de GLM-5.3 ont été publiés le 28 août sous la propre licence de Z.ai, et c'est le seul axe de ce tableau où Muse Wonder ne peut rivaliser à quelque titre que ce soit. Muse Wonder est un modèle propriétaire avec une seule et unique voie commerciale — l'API propre à Meta et Muse Code — et le checkpoint Full, mieux noté, n'est pas du tout vendu au token.

Des poids publiés signifient un checkpoint que vous pouvez auditer, quantifier, affiner, auto-héberger ou figer à une version que vous contrôlez. Ils ne signifient pas pour autant un modèle exécutable localement : un checkpoint MoE à l’échelle des modèles de frontière est un artefact de centre de données, pas quelque chose qui tient sur une station de travail, et les termes de la licence décident de ce que vous pouvez ensuite en faire. Mais pour une équipe dont la posture de conformité interdit d’envoyer des données vers un point de terminaison tiers, le choix entre ces deux modèles ne se joue pas de près — l’un des deux offre une porte de sortie.

Le texte uniquement, c'est le prix à payer. Si votre charge de travail implique des captures d'écran, de la vidéo ou de l'audio, GLM-5.3 est hors jeu avant même que la question du prix n'entre en ligne de compte, et l'entrée vocale et vidéo annoncée de Muse Wonder est la capacité qui fait le travail.

Exécuter le pattern « cheap-first » sans miser tout le pipeline dessus

La réponse pratique pour la plupart des équipes qui lisent un écart de coût de 2,25x à côté d’un écart de score de sept points n’est pas d’en choisir un, mais de les séquencer, et c’est un problème de routage plutôt qu’un problème de modèle.

GLM-5.3 est disponible sur OrcaRouter au tarif catalogue de Z.ai — 1,40 $ par million de tokens en entrée et 4,40 $ par million en sortie, avec les lectures de cache à 0,234 $, la fenêtre complète d'un million de tokens et l'effort de raisonnement sélectionnable à chaque requête. Il ne comporte aucune marge de notre part, donc une modification tarifaire de Z.ai apparaît ici le jour même de son annonce plutôt qu'à la prochaine renégociation de contrat. Muse Wonder ne figure pas dans notre catalogue et nous ne prétendrons pas le contraire ; si vous le souhaitez, l'API Model de Meta est la voie à suivre.

Le schéma qu’appelle cet écart est une cascade privilégiant le moins coûteux : envoyer le trafic à fort volume vers GLM-5.3, escalader vers un modèle de pointe uniquement lorsque la passe économique n’est pas suffisamment confiante, et laisser le DSL de routage composer cela comme un seul appel plutôt que trois intégrations dans votre propre code. Le basculement automatique importe plus que d’habitude dans cette configuration, car toute la conception dépend de la disponibilité du chemin d’escalade lorsque la première passe se bloque — une panne de fournisseur sur l’un ou l’autre des segments transforme une optimisation des coûts en incident. Muse Spark 1.2, le checkpoint de raisonnement multimodal de Meta, à 1,25 $ en entrée et 4,25 $ en sortie, est l’autre segment économique qui mérite d’être câblé si vos escalades sont multimodales plutôt que textuelles.

Que faire cette semaine

Si vous hésitez entre ces deux modèles plutôt qu'entre les modèles de ce titre : choisissez GLM-5.3 lorsque le travail est à gros volume, purement textuel, et que les deux modèles réussiraient ; choisissez Muse Wonder lorsque le travail est multimodal ou lorsqu'un écart de sept points sur un indice sépare un travail achevé d'un travail échoué ; choisissez les poids de GLM-5.3 plutôt que l'un ou l'autre si l'auto-hébergement ou l'auditabilité est une exigence absolue.

Si ce qui vous a amené ici était le nom GLM 5.5, la consigne honnête est d’attendre l’identifiant. Surveillez la fenêtre du 8 octobre au 9 novembre, et jugez l’arrivée au fait qu’une ligne de prix et un ID de modèle API apparaissent sur les propres surfaces de Z.ai. Une capture d’écran de classement n’est pas un lancement, et tant qu’il n’y a pas de grille tarifaire, il n’y a rien à comparer — ce qui est une réponse plus courte et plus utile qu’une fiche technique que quelqu’un a tapée de mémoire.