Qwen 3.8 vs GLM-5.2 : Échelle brute contre le modèle ouvert léger et audité

Deux des modèles chinois les plus discutés de 2026 sont tous deux des systèmes Mixture-of-Experts épars, tous deux promettent des poids ouverts, et tous deux sous-cotent la frontière occidentale en termes de prix — pourtant ils pourraient difficilement être plus différents dans leur philosophie. D'Alibaba Qwen3.8-Max, présenté à la World AI Conference à Shanghai le 19 juillet 2026, mise sur l'échelle pure : environ 2,4 billions de paramètres et une minutie obsessionnelle que les premiers testeurs ont adorée. De Zhipu GLM-5.2 mise sur l'opposé — une conception élancée de 40 milliards de paramètres actifs qu'Artificial Analysis a déjà évaluée, avec un résultat agentique remarquable et des poids que vous pouvez télécharger dès aujourd'hui. Il s'agit d'efficacité contre taille brute, et les deux modèles en font un concours exceptionnellement net.

L'accroche qui conditionne tout ce qui suit : GLM-5.2 montre toutes ses cartes, tandis que Qwen 3.8 garde la plupart des siennes cachées. Une note pour les développeurs — la manière honnête de déterminer lequel correspond à votre pile est d'exécuter les deux sur vos propres invites. OrcaRouter regroupe 200+ modèles derrière un point de terminaison compatible OpenAI, vous permettant ainsi d'opposer Qwen 3.8 à GLM-5.2 sur la même tâche sans avoir à connecter deux SDKs.

Verdict TL;DR. GLM-5.2 est le choix agentique pragmatique à poids ouverts que vous pouvez réellement utiliser dès maintenant. Selon Artificial Analysis, il obtient un Intelligence Index audité de 51, un fort Terminal-Bench 2.1 de 82,7, bon marché $0,95 / $3,00 la tarification, un contexte de 1M, et – crucialement – des poids ouverts déjà publiés sur seulement 40B paramètres actifs. Qwen 3.8 Max est le plus gros pari : ~2,4T paramètres totaux et une qualité pratique de premier ordre, mais il cache son nombre de paramètres actifs, n'a aucun benchmark indépendant, a été le modèle le plus lent que les testeurs ont utilisé, et ses poids sont encore « à venir ». GLM prouve que l'efficacité fonctionne ; Qwen vous demande de faire confiance à l'échelle.

Points clés

• GLM-5.2 (Zhipu) est un 753B-total / 40B-active MoE avec un audité AA Intelligence Index de 51 et un Terminal-Bench 2.1 score de 82.7 (source: Artificial Analysis); Qwen 3.8 Max est un ~2.4T aperçu MoE dont le nombre de paramètres actifs n'est pas divulgué et qui a aucun score audité.

• les poids de GLM-5.2 sont ouverts et téléchargeables aujourd'hui (publié en juin 2026) ; les poids de Qwen 3.8 sont promis "bientôt" mais pas encore publiés (~1,2 To, 8+ GPU H200 pour auto-hébergement).

• Le prix favorise GLM: $0.95 / $3.00 par 1 million de tokens (AA blended ~$0.90). L'aperçu de Qwen 3.8 est fortement réduit (environ 90% de réduction) mais n'a pas de prix d'API par token publié et la réduction est temporaire.

• Sur le travail agentique/terminal, le GLM-5.2 obtient 82.7 Terminal-Bench , qui est une force concrète et évaluée ; l'avantage de Qwen 3.8 est la minutie et les one-shots créatifs — impressionnant dans les tests pratiques, mais non audité et lent.

•  Les deux sont des modèles MoE chinois à poids ouverts avec des revendications de contexte de 1M tokens ; la véritable différence est léger et éprouvé (GLM) versus gros et non prouvé (Qwen).

Les chiffres de Qwen 3.8 sont des affirmations du fournisseur ou des premières impressions non contrôlées — non audités de manière indépendante. Les chiffres de GLM-5.2 proviennent d'Artificial Analysis et peuvent différer des rapports de Zhipu. Le prix de prévisualisation de Qwen 3.8 est une remise temporaire ; vérifiez le taux par jeton avant d'établir votre budget. Notez que Qwen a des garde-fous de contenu alignés sur le PCC pour les sujets politiquement sensibles.

Les spécifications et le prix, côte à côte

Voici les données concrètes, chaque figure GLM-5.2 attribuée à sa source.

• Fabricant / statut — Qwen 3.8 Max: Alibaba; aperçu (19 juillet 2026); GLM-5.2: Zhipu; sorti en juin 2026

• Architecture — Qwen 3.8 Max : ~2.4T total, MoE sparse ; GLM-5.2 : 753B total, MoE sparse (Artificial Analysis)

• Paramètres actifs — Qwen 3.8 Max: Non divulgués par Alibaba; GLM-5.2: 40B actifs (Artificial Analysis)

• Fenêtre de contexte — Qwen 3.8 Max : Environ 1 million de jetons rapporté (non confirmé officiellement) ; GLM-5.2 : 1 million de jetons (Artificial Analysis)

• AA Intelligence Index — Qwen 3.8 Max : Aucun pour l'instant — non noté; GLM-5.2 : 51 (Artificial Analysis)

• Terminal-Bench 2.1 — Qwen 3.8 Max : Aucun chiffre publié ; GLM-5.2 : 82.7 (Artificial Analysis)

•  Tarification (entrée / sortie) — Qwen 3.8 Max : Aperçu uniquement (~90 % de réduction ; API par token non publiée) ; GLM-5.2 : $0.95 / $3.00 par 1M (AA mélangé ~0,90 $)

• Poids ouverts — Qwen 3.8 Max : Promis « bientôt » (non publié) ; GLM-5.2 : Oui — publié, téléchargeable aujourd'hui

•  Vitesse — Qwen 3.8 Max : Modèle le plus lent testé (pratique); GLM-5.2: Lean 40B active — efficace par conception

Deux éléments encadrent cette confrontation. Premièrement, la ligne "paramètres actifs" est l'endroit où les deux philosophies s'affrontent. GLM-5.2 effectue son travail frontière-agentique — un score de 82.7 sur Terminal-Bench 2.1 est un résultat sérieux — avec seulement 40B paramètres actifs, un nombre public et vérifiable. Qwen 3.8 repose sur environ 2,4T paramètres totaux mais ne dit pas combien sont actifs, donc vous ne pouvez pas du tout juger de son efficacité. Un modèle prouve qu'il est efficace ; l'autre vous demande de le supposer.

Deuxièmement, chaque colonne qui décide de l'adoption réelle penche actuellement du côté de GLM. Il dispose d'un indice audité (51) là où Qwen a un vide ; il a un prix publié et durable ($0.95 / $3.00) là où Qwen a une réduction temporaire et aucun tarif API ; et ses poids sont déjà sur la table alors que ceux de Qwen sont une promesse. Le contrepoids de Qwen 3.8 est l'échelle brute et la minutie que cette échelle semble apporter — un réel avantage pour un travail axé sur la qualité, mais pas un qu'un tableau de bord neutre a encore confirmé.

Efficacité vs échelle brute

Le cœur de cette comparaison est une question que le domaine n'arrête pas de tourner en rond : le travail de pointe a-t-il besoin de paramètres à l'échelle de la frontière ? GLM-5.2 est l'argument le plus récent et le plus fort que non. Avec 40B de calcul actif par token, il affiche un score de 82,7 sur Terminal-Bench 2.1 — l'un des meilleurs résultats agentiques/terminaux disponibles, selon Artificial Analysis — et obtient un indice global audité de 51. C'est un modèle léger et ciblé qui frappe bien au-dessus de son poids en paramètres actifs, et il est open-weight, donc une équipe peut le télécharger, l'inspecter, et l'exécuter sur du matériel bien moins puissant que ce qu'exige un géant de 2,4T.

Qwen 3.8 emprunte l’autre voie. Elle mise sur la taille brute, et lors de tests pratiques, cette échelle s’est manifestée par de la rigueur plutôt que de la rapidité. Dans une tâche de compréhension d’architecture, un évaluateur (Trilogy AI) a confronté Qwen 3.8 à Kimi K3 : Qwen a obtenu 80/100 contre 83 pour Kimi, mais s’est révélée nettement plus exhaustive — 354 citations de dépôts contre 274, zéro échec d’appel d’outil contre deux pour Kimi — au prix d’une latence plus élevée et d’un nombre total de jetons plus important. Un autre évaluateur (thomas-wiegold.com) l’a qualifiée de « très bonne et très lente », le modèle le plus lent qu’ils aient utilisé, tout en le plaçant dans la catégorie de capacité la plus élevée. Tel est le pari de Qwen en miniature : creuser plus profond, citer davantage, manquer moins — mais le payer en temps, en jetons et (pour l’instant) en affirmations invérifiables.

Pour tout ce qui est agentique — boucles de terminal, pipelines lourds en outils, déploiements auto-hébergés — la combinaison de GLM-5.2 d'un Terminal-Bench concret de 82,7, d'une petite empreinte active et de poids publiés est difficile à contester aujourd'hui. La rigueur de Qwen 3.8 est véritablement précieuse pour une recherche et un codage profonds et axés sur la qualité où vous pouvez absorber la latence, mais vous l'achetez sur la foi : pas de score audité, paramètres actifs cachés, poids encore en attente, et barrières alignées sur le PCC sur des sujets sensibles. L'efficacité que vous pouvez mesurer bat l'échelle que vous ne pouvez pas.

FAQ

Est-ce que Qwen 3.8 est meilleur que GLM-5.2 ?

Sur la base des preuves qui existent aujourd'hui, GLM-5.2 est le pari le plus sûr. Il a un indice Artificial Analysis Intelligence audité de 51 et un Terminal-Bench 2.1 solide de 82,7, ainsi que des poids ouverts que vous pouvez exécuter dès maintenant. Qwen 3.8 peut l'égaler ou le dépasser sur des tâches profondes et axées sur la qualité – les premiers testeurs louent sa rigueur – mais il n'a pas de score indépendant, cache son nombre de paramètres actifs et a été le modèle le plus lent lors des tests pratiques. Potentiel meilleur sur le papier versus éprouvé et disponible : GLM gagne au présent.

Puis-je télécharger et auto-héberger l'un ou l'autre ?

Les poids de GLM-5.2 sont ouverts et déjà publiés (juin 2026), et avec 40B paramètres actifs, il est bien plus pratique à auto-héberger qu'un modèle de 2,4T. Les poids ouverts de Qwen 3.8 sont promis « bientôt » mais pas encore sortis ; même une fois publiés, un modèle d'environ 2,4T représente environ 1,2 To en 4-bit et nécessite 8+ GPU H200, ce qui est hors de portée pour la plupart des équipes. Si l'auto-hébergement compte aujourd'hui, GLM est la seule option réaliste ici.

Lequel est moins cher ?

GLM-5.2 a un prix clair et durable : 0,95 $ / 3,00 $ pour 1 million de tokens, avec un taux mixte Artificial Analysis d'environ 0,90 $. L'aperçu de Qwen 3.8 est fortement réduit (~90 % de réduction, jusqu'à ~98 % du jour au lendemain) mais n'a pas de prix API par token publié et la réduction est temporaire — vous pouvez donc budgétiser en toute confiance autour de GLM, mais pas encore autour de Qwen.

Quel est le meilleur pour le travail agentique et terminal ?

GLM-5.2, selon les données actuelles. Son score de 82,7 sur Terminal-Bench 2.1 (selon Artificial Analysis) est un résultat agentique concret et évalué, et sa petite empreinte active ainsi que ses poids publiés le rendent facile à déployer dans des boucles intensives en outils. Qwen 3.8 montre une forte utilisation d'outils lors de tests pratiques (zéro appel d'outil échoué dans un examen), mais ne dispose d'aucun score agentique audité comparable.

Lequel devrais-je utiliser aujourd'hui ?

GLM-5.2 pour les pipelines agentiques, l'auto-hébergement, la production sensible aux coûts, et tout ce où vous avez besoin d'un modèle éprouvé et téléchargeable immédiatement. Qwen 3.8 pour la recherche approfondie et priorisant la qualité ou le codage où sa rigueur porte ses fruits et où vous pouvez tolérer des exécutions lentes — et pour garder une option ouverte en attendant que ses poids et son premier score indépendant arrivent.

En résumé

Qwen 3.8 contre GLM-5.2efficacité versus échelle brute, et pour l'instant l'efficacité l'emporte aux points. GLM-5.2 montre toutes ses cartes — 40B de paramètres actifs effectuant un travail d'agent de pointe, un indice audité de 51, un Terminal-Bench de 82.7, une tarification stable et bon marché, et des poids ouverts que vous pouvez télécharger dès aujourd'hui. Qwen 3.8 s'appuie sur une taille brute de 2,4T et une minutie que les testeurs admirent sincèrement, mais il cache son nombre de paramètres actifs, n'a pas de score indépendant, livre plus lentement que tout ce que les réviseurs avaient utilisé, et ses poids restent une promesse. GLM-5.2 est le choix pragmatique open-weight agentique disponible maintenant ; Qwen 3.8 est le pari plus grand qui a encore besoin de ses poids et d'un véritable score pour se justifier. Surveillez les deux — en attendant, exécutez-les côte à côte sur vos propres prompts et laissez les résultats, et non les nombres de paramètres, décider.