Nemotron 3.5 Super vs GLM-5.5 : l’un de ces modèles existe

There is a real comparison between NVIDIA Nemotron 3.5 Super and GLM-5.5, and it is not the one the search results promise. Nemotron 3.5 Super — 120 billion total parameters with 12 billion active per token, a hybrid Mamba-2 and Transformer mixture of experts with a C-RADIO vision encoder, published under the fuller name NVIDIA Nemotron 3.5 Super VL and shipped on Ollama as nemotron-3.5-super — is a set of weights that went up on Hugging Face on 12 October 2026, were announced by NVIDIA on 15 October, and can be downloaded and run tonight under the OpenMDW-1.1 licence. GLM-5.5 is a model that Z.ai has not released. There is no repository, no model card, no endpoint, no price and no parameter count. There are reports going back to June 2026 about a trillion-parameter launch, a leak write-up in October claiming it beats two frontier models, and silence from the lab.

Ce qui signifie qu’un face-à-face entre ces deux-là reviendrait à opposer les spécifications d’un modèle réel à la réputation d’un autre modèle. Ce n’est pas une comparaison ; c’est un horoscope avec des benchmarks. Cette page fait donc ce qui est réellement utile : elle indique ce que Z.ai a livré, ce que l’on sait de ce qu’il n’a pas livré, puis propose la comparaison qu’un lecteur disposant d’un GPU et d’une charge de travail peut réellement utiliser dès aujourd’hui.

Ce que Z.ai a réellement livré

Z.ai's published flagship line runs through GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 and GLM-5.3-Flash. On our own catalogue the highest GLM identifier we route is z-ai/glm-5.3, alongside z-ai/glm-5.3-flash and a free variant of the flash tier. There is no GLM-5.5 id, and the model list stops where the lab's log stops.

Ce qu’est GLM-5.3, d’après les chiffres que nous pouvons vérifier : un mélange d’experts de 753 milliards de paramètres avec 40 milliards actifs par token, une fenêtre de contexte de 1 000 000 de tokens avec une limite de sortie de 128 000 tokens, une entrée texte, une licence que Z.ai publie sous son propre nom avec utilisation commerciale autorisée, et un tarif au compteur répercuté de 1,26 $ par million de tokens d’entrée et de 3,96 $ par million de tokens de sortie. Le niveau flash se situe en dessous, à 0,15 $ et 0,50 $, avec un contexte de 1 M et une entrée texte, image et vidéo.

Cette gamme flash est, d'une manière bien précise, un concurrent plus intéressant pour cette sortie NVIDIA que le modèle phare, et une page sœur de ce même lot l'examine en détail. Dans le cadre de cet article, le point est plus restreint : si vous voulez comparer Nemotron 3.5 Super à ce que Z.ai a livré, vous le comparez à GLM-5.3, et cette comparaison est disponible dès aujourd'hui.

Pourquoi les rapports GLM-5.5 ne sont pas des chiffres utilisables

Les articles consacrés à GLM-5.5 se répartissent en trois catégories, et aucune d'entre elles ne pèsera sur une décision d'achat.

Le premier point est le calendrier. Des articles de la mi-2026 décrivaient un lancement prévu en août, visant ChatGPT et Claude, en s’appuyant sur des déclarations de membres du personnel de Zhipu et sur les rumeurs du secteur. La date est passée sans qu’une version ne voie le jour. Une fenêtre de lancement déjà manquée ne constitue pas une preuve concernant un modèle.

Le second est le nombre de paramètres. Des rapports ont fait circuler un chiffre d’un billion de paramètres. Personne n’a publié d’index safetensors, de fichier de configuration ni de décompte d’experts par couche, ce par rapport à quoi on vérifie normalement une affirmation sur le nombre de paramètres. Ce nombre pourrait bien s’avérer exact ; il ne s’agit actuellement que d’une affirmation, sans aucun artefact à l’appui.

Le troisième point concerne les allégations relatives aux benchmarks. Un article d’octobre affirmait que GLM-5.5 surpassait deux modèles de frontière nommés. Il n’existe ni harnais, ni jeu de prompts, ni configuration de notation, ni chemin de reproductibilité dans cette affirmation — ce qui est exactement la lacune que NVIDIA, quoi qu’on dise par ailleurs des évaluations menées par les fournisseurs, a comblée en publiant une recette NeMo Gym avec des conteneurs et des paramètres d’inférence spécifiques aux benchmarks aux côtés de son tableau. Un benchmark de fournisseur accompagné d’une recette est une preuve faible. Un benchmark fuité sans recette n’est pas une preuve.

Il existe une version de cet article qui traite les chiffres de la fuite comme réels, les place dans un tableau des scores à deux colonnes et laisse le lecteur supposer que la confrontation est réglée. Cet article ne vaudrait rien pour quiconque doit prendre une décision, et il serait obsolète dans la semaine suivant toute annonce réelle.

La comparaison qui peut être faite, menée correctement

Nemotron 3.5 Super VL face à GLM-5.3, le modèle phare que Z.ai a réellement publié.

• Paramètres totaux et actifs — 120B au total avec 12B actifs, 512 experts routés par couche MoE · GLM-5.3 à 753B au total avec 40B actifs. En termes de paramètres actifs, le modèle NVIDIA est un tiers de la taille et devrait coûter nettement moins cher par token à exécuter sur du matériel équivalent, ce qui est tout l’objectif de conception.

• Contexte — 1 000 000 de tokens dans les deux cas, avec une nuance importante. La fiche technique de NVIDIA précise que la mémoire disponible et les paramètres d'exécution déterminent la valeur utilisable, et que les invites, les images, l'historique, les résultats d'outils et les tokens générés partagent le budget. Z.ai publie un plafond de sortie de 128 000 tokens pour GLM-5.3, tandis que NVIDIA ne publie aucun plafond de sortie, ce qui fait de GLM-5.3 le modèle le plus prévisible pour les générations longues et du checkpoint NVIDIA le plus ouvert.

• Modalité — entrée de texte, d’images et de vidéos avec sortie texte pour le modèle NVIDIA, via un encodeur et un connecteur de vision, avec un projecteur de 1,6 GiB sur chaque tag publié · texte uniquement pour GLM-5.3, la voie multimodale résidant plutôt dans le palier flash moins cher. Si votre entrée est une page de document, le GLM phare n’est pas concerné.

• Prix à l'usage — aucun pour le checkpoint NVIDIA, qui est réservé à l'auto-hébergement · 1,26 $ en entrée et 3,96 $ en sortie par million de tokens pour GLM-5.3, répercutés au prix catalogue du fournisseur, sans marge ajoutée.

• Indice tiers, qui est la seule ligne auditée de cette liste — le panel qui note ces modèles place le checkpoint NVIDIA à environ 26 et GLM-5.3 à environ 45. C’est un écart de dix-huit points en faveur du fleuron chinois, mesuré par un tiers plutôt que par l’un ou l’autre des fournisseurs, et c’est le chiffre le plus important ici.

• Statut de la publication — poids publics le 12 octobre 2026, annonce le 15 octobre, quatre jours d'historique opérationnel · GA, avec derrière lui une ligne de révisions livrées.

L'écart dans l'index mérite d'être formulé sans être édulcoré. Le tableau publié par NVIDIA lui-même ne peut pas servir à le contester, car le fournisseur n'a pas utilisé GLM-5.3 comme base de référence — la colonne GLM de ce tableau est GLM-5.3-Flash, le palier moins cher, et même là, le modèle de NVIDIA est à la traîne sur la plupart des lignes agentiques. Un checkpoint ouvert à 12B actifs n'entre pas en concurrence avec un modèle phare à 40B actifs sur les capacités générales, et toute page qui vous dit le contraire cherche à vous vendre quelque chose.

Ce que le choix d’architecture vous apporte réellement

La question intéressante n'est pas de savoir si 12B actifs surpassent 40B actifs. Ce n'est pas le cas. La question intéressante, c'est ce qui se passe lorsqu'on normalise en fonction du matériel que l'on peut s'offrir.

Dans sa quantification 4 bits par défaut, le checkpoint NVIDIA représente 82,3 GiB de poids, plus un projecteur de vision de 1,6 GiB — une seule carte de 96 Go, avec une marge pour le cache KV qui se réduit à mesure que l’on augmente le contexte. GLM-5.3, avec ses 753 milliards de paramètres au total, ne tient sur aucune machine unique, à aucune quantification qui préserve son comportement, et son déploiement correct le moins coûteux passe par le cluster de quelqu’un d’autre via une API, à 1,26 $ et 3,96 $.

Donc, les deux modèles ne sont pas substituables. L'un est une capacité facturée à l'usage que vous louez, l'autre un coût fixe que vous possédez, et la seule chose qui décide entre eux, c'est la continuité de votre utilisation. En dessous d'un certain débit, un modèle phare à 1,26 $ par million de tokens est tout simplement moins cher qu'une carte de 96 Go et l'électricité qu'elle consomme. Au-dessus d'un certain débit, la carte l'emporte, et elle l'emporte sans avoir besoin d'être le meilleur modèle.

L'autre chose que l'architecture NVIDIA apporte, et ce n'est pas rien, c'est le volet vision sous licence permissive. GLM-5.3 est uniquement textuel. GLM-5.3-Flash accepte les images et la vidéo à quinze cents et cinquante cents par million de jetons, ce qui est remarquablement bon marché, et c'est pourquoi c'est la gamme flash — et non le modèle phare — qui constitue la bonne comparaison Z.ai pour un pipeline documentaire. Un modèle de vision auto-hébergé à coût fixe face à un modèle de vision hébergé à quinze cents pose une vraie question, avec un véritable point de bascule, et il vaut la peine de la résoudre avec vos propres volumes de pages plutôt qu'avec un classement.

Trois choses non résolues à propos du checkpoint NVIDIA

Pour être équitable dans l’autre sens, car l’ouverture de la publication NVIDIA ne suffit pas à rendre sa spécification complète.

Le tag par défaut que la plupart des gens vont récupérer est une quantification 4 bits, et chaque chiffre d’évaluation publié — le propre tableau de NVIDIA, le score du panel tiers — concerne BF16 ou NVFP4. La version réellement utilisée n’a fait l’objet d’aucune évaluation publiée. C’est la plus grande quantité non mesurée de part et d’autre de cette page.

Les valeurs d'échantillonnage par défaut fournies par le runtime sont les paramètres de texte de la carte, température 1.0 avec top_p 0.95, tandis que le paramètre de vision de la carte est température 0.6. Un modèle de vision dont la configuration par défaut est optimisée pour sa moitié texte va produire des premières impressions décevantes sur des pages numérisées, et la solution est un changement de configuration plutôt qu'un modèle différent.

And the specification disagrees with itself in two small places that matter to tooling: the Ollama config blob declares model_type: 123.6B while every human-facing label says 120B, and the library page advertises a 1M context for its GGUF tags but no context figure at all for its three MLX tags. Neither is a defect in the weights. Both are things a deployment script will trip over.

Où cela laisse un lecteur

Si vous êtes ici parce que vous vouliez savoir comment Nemotron 3.5 Super se compare à GLM-5.5, la réponse est que le second modèle n’existe pas encore et que toute page qui vous donne des chiffres à son sujet les invente. Ce qui existe, c’est une fuite avec un nombre de paramètres, une fenêtre de lancement manquée, et une affirmation qui ne s’appuie sur aucun harnais.

Si vous devez choisir entre ce qui est réellement disponible à la vente, le choix se fait entre un fleuron Z.ai à comptage, nettement plus performant sur les capacités générales et uniquement textuel, un palier flash Z.ai à comptage remarquablement bon marché et qui prend en charge les images, et un checkpoint NVIDIA que vous pouvez posséder, qui gère le texte, les images et la vidéo, et qui est à la traîne sur le seul score mesuré de façon indépendante dont l'un d'entre eux dispose. Nemotron 3.5 Super n'est pas sur OrcaRouter — nous routons un peu plus de deux cents modèles et il n'y a aucune entrée NVIDIA Nemotron parmi eux — donc si vous voulez le checkpoint NVIDIA, les canaux du fournisseur lui-même et la récupération en local sont votre voie.

GLM-5.3 et GLM-5.3-Flash sont sur notre clé, au prix catalogue du fournisseur répercuté sans majoration par token, et une modification de prix de Z.ai est répercutée de notre côté le jour même plutôt qu’à votre prochain renouvellement de contrat. C’est l’expérience à moindre coût : exécutez la charge de travail sur le modèle auquel vous avez accès aujourd’hui, découvrez ce qu’elle coûte par unité de travail réel, et ne décidez qu’ensuite si le coût fixe d’une carte que vous possédez l’emporte sur un compteur que vous louez.

Et quand GLM-5.5 finira par arriver — si tant est qu'il arrive — la version de cette page qui vaudra la peine d'être lue sera celle écrite après que quelqu'un d'autre que le laboratoire l'aura testé.

Les benchmarks vieillissent et les prix évoluent ; le registre des défaillances, lui, ne change pas : les incidents d'IA documentés et les défaillances d'agents derrière les modèles de cette classe sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, un niveau de gravité, une note de confiance et un indicateur de contestation.