Une carte de titre 16:9 générée sur fond gris anthracite avec de fines lignes horizontales, intitulée « Qwen4-Max vs GLM-5.4 » et sous-titrée « L'un est sorti. L'autre a raté sa fenêtre. » Une chronologie verticale de points datés descend le long du côté droit aux dates 2026-02-12, 2026-04-07, 2026-06-16, 2026-08-18 et 2026-08-26, se terminant par un segment vide en pointillés étiqueté GLM-5.4. Un badge bleu canard en bas à gauche indique « fenêtre expirée le 27 oct. 2026 ». Logo OrcaRouter en bas à droite.
Guides & Insights

Qwen4-Max vs GLM-5.4 : l’un est sorti, l’autre a raté sa propre fenêtre de lancement

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Il existe une version de cette comparaison qui serait utile et une version qui relèverait de la fiction. La version utile commence par une date : le journal des versions de Z.ai s’arrête toujours à GLM-5.3-Flash, le 26 août 2026, son index de documentation énumère GLM-5.2, GLM-5.3 et GLM-5.3-Flash, et rien au-dessus, et le chemin de documentation de GLM-5.4 renvoie « Page Not Found », comme en octobre. Qwen4-Max, en revanche, est commercialisé selon un tarif à l’usage depuis le 16 novembre 2026, avec une grille tarifaire publiée et un score indépendant. L’affrontement n’oppose donc pas deux modèles phares. Il oppose un modèle phare à une date prévue désormais dépassée.

Ce qui en fait plus qu’une simple réfutation, c’est l’arithmétique derrière la projection. Ce blog a attribué en octobre une cadence de 54 à 70 jours à la gamme GLM et a publié la fenêtre que cela impliquait. Cette fenêtre s’est refermée. Déterminer de combien, et ce que cette fermeture vous dit sur la manière dont Z.ai enchaîne les versions, est réellement plus instructif qu’une nouvelle fiche technique spéculative — et cela laisse place à une comparaison qui peut réellement être menée : Qwen4-Max face à GLM-5.3, le GLM commercialisé, sur le même indice indépendant, la même semaine.

Où en est le nom au 18 novembre

L’audit est court et il est reproductible. Quatre surfaces, toutes vérifiées aujourd’hui, toutes négatives.

• Le journal des versions — entrée la plus récente : GLM-5.3-Flash, datée du 2026-08-26 ; puis GLM-5.3 le 2026-08-18, GLM-5.2 le 2026-06-16, GLM-5.1 le 2026-04-07, GLM-5 le 2026-02-12

• L’index de la documentation — GLM-5.3-Flash/FlashX, GLM-5.3, GLM-5.2. Aucune entrée 5.4, quel que soit le niveau d’effort

• Le chemin de la documentation — docs.z.ai/guides/llm/glm-5.4 renvoie une erreur 404, exactement comme le 13 octobre

• Hugging Face — une recherche de dépôt pour « glm-5.4 » ne renvoie rien sous l’organisation du laboratoire elle-même, et les points de contrôle textuels les plus récents qui s’y trouvent sont les quatre versions de GLM-5.3 créées le 25 août

La page model-api du fournisseur donne la même réponse du côté commercial : GLM-5.3, GLM-5.3-Flash, GLM-5 et GLM-5V-Turbo, sans aucune ligne entre 5.3 et 6. Neuf surfaces ont été vérifiées pour la page permanente consacrée à ce nom en octobre ; les quatre mêmes qui comptent pour le statut de livraison sont toujours négatives cinq semaines plus tard. Cette cohérence est le constat. Un nom absent de toutes les surfaces de première partie pendant huit semaines n’est pas un lancement en cours ; c’est un nom que la gamme a écarté, du moins pour l’instant.

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3' with six rows: input per million $1.50 against $1.40; output per million $4.50 against $4.40; index score 43 against 32; cost per task $3.27 against $5.01; wall-clock per task 32.1 min against 22.0 min; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; prices per vendor list'. OrcaRouter logo bottom-right.

La fenêtre, et à quel point nous l’avons dépassée

L'argument de la cadence n'a jamais été une fuite. C'était de l'arithmétique sur les propres dates de sortie de Z.ai : GLM-5 à GLM-5.1 a pris 54 jours, GLM-5.1 à GLM-5.2 en a pris 70, GLM-5.2 à GLM-5.3 en a pris 63. Appliquez le même intervalle au 18 août et le prochain modèle phare textuel était attendu entre le 11 octobre et le 27 octobre 2026. Si vous datez plutôt la famille à partir de l'entrée du niveau Flash le 26 août, la limite extérieure passe au 4 novembre.

Nous sommes le 18 novembre. Les deux lectures ont expiré, la plus tardive depuis deux semaines. C’est l’affirmation la plus nette dont on dispose aujourd’hui au sujet de GLM-5.4, et elle est plus forte que « nous n’avons pas pu le trouver », car elle est falsifiable : une seule entrée datée dans le journal des publications du fournisseur suffirait à la renverser, et tant qu’aucune n’apparaît, la projection a été mise à l’épreuve et a échoué.

Il y a deux lectures honnêtes de cet échec, et elles pointent dans des directions opposées. La première est que Z.ai a ralenti — qu’un modèle phare de 753 milliards de paramètres coûte désormais assez cher pour être itéré sur un cycle plus long, et que la cadence du premier semestre 2026 était un sprint qui s’est achevé. La seconde est que la prochaine version n’est pas une 5.4 du tout : que la gamme saute un numéro, ou que l’effort a été investi dans le palier Flash multimodal, là où se trouve réellement la seule activité postérieure à août dans le journal des versions. Rien de ce que publie le laboratoire ne permet de distinguer entre ces deux hypothèses, et une page qui devinerait ferait exactement ce que fait un tableau de scores avec des colonnes inventées.

Ce que vous pouvez réellement comparer : Qwen4-Max face à GLM-5.3

GLM-5.3 n’est pas un prix de consolation. C’est un modèle de mélange d’experts de 753 milliards de paramètres activant environ 40 milliards de paramètres par token, texte uniquement, avec une fenêtre de contexte de 1 M de tokens et un plafond de sortie de 128 K, et il possède quelque chose qui manquait surtout à la couverture du lancement de Qwen4-Max : une ligne mesurée sur le même index, relevée par le même harnais d’évaluation, dans la même révision de l’index.

• Prix des tokens d'entrée — Qwen4-Max : 1,50 $ par million de tokens à Singapour, 1,413 $ dans ses cinq autres régions, contre 1,40 $ pour GLM-5.3 sur la liste de Z.ai

• Prix de sortie — Qwen4-Max 4,50 $ contre GLM-5.3 4,40 $

Score indépendant — Qwen4-Max 43 sur l’Artificial Analysis Intelligence Index v5.0.1, contre GLM-5.3 à 32 en effort maximal et 23 en effort faible

• Coût par tâche d’indexation — Qwen4-Max $3.27 contre GLM-5.3 $5.01. C’est la ligne qui compte, et elle pointe dans la direction opposée à celle du score

• Temps réel par tâche — Qwen4-Max 32,1 minutes contre GLM-5.3 22,0 minutes à effort maximal, 12,2 à effort faible

• Appétit de tokens — Qwen4-Max : 127 millions de tokens de sortie par exécution d’index, contre GLM-5.3 : 135 millions à effort maximal, 63,3 millions à effort faible

• Débit — Qwen4-Max 55 jetons de sortie par seconde contre GLM-5.3 90

• Modalité — Qwen4-Max accepte le texte, l’image et la vidéo et renvoie du texte ; GLM-5.3 est documenté comme exclusivement textuel, le travail visuel étant renvoyé au niveau Flash

• Sortie maximale — Qwen4-Max 131 072 jetons, ou 262 144 partagés entre la réflexion et la réponse ; GLM-5.3 128 000

• Poids — Qwen4-Max n’en publie aucun et indique que le fine-tuning et le déploiement ne sont pas pris en charge ; les poids de GLM-5.3 sont téléchargeables sous une licence personnalisée Z.ai

• Contrôle de l’effort — Qwen4-Max propose des niveaux sélectionnables ; GLM-5.3 raisonne toujours, avec les niveaux faible, élevé et max

Les lignes de prix sont presque à égalité — dix cents en entrée, dix cents en sortie — et c’est la chose la moins intéressante de la liste. Ce qui est intéressant, c’est que les deux modèles arrivent à des prix catalogue presque identiques avec des structures sous-jacentes différentes. Qwen4-Max coûte plus cher par tâche malgré un tarif au compteur moins cher, car il prend plus de temps et réfléchit plus longtemps ; GLM-5.3 coûte plus cher par tâche malgré son propre tarif au compteur moins cher, car à effort maximal il consomme les jetons à un rythme que le réglage à effort moindre ne connaît pas. La fiche tarifaire d’aucun des deux fournisseurs ne vous le dit. Seule la ligne du coût par tâche le fait, et c’est la ligne que les deux articles de lancement omettent.

L’écart de score est réel, mais plus étroit que ne le suggère 43 contre 32, pour une raison qu’il vaut la peine d’énoncer clairement : ces chiffres proviennent de réglages d’effort différents sur le même indice, et ce blog a vu des changements de révision faire varier le chiffre d’un modèle de deux chiffres. Considérez 43 et 32 comme un écart directionnel relevé sur un seul instrument un seul jour, et non comme une différence de capacité mesurée de 11 points. Ce qui résiste à cette prudence, c’est l’affirmation moins coûteuse : Qwen4-Max répond à des tâches plus difficiles que GLM-5.3 à effort maximal, et le fait pour moins d’argent par tâche, tout en étant le modèle plus lent par token et le plus cher par million.

A screenshot of Z.ai's release notes page headed 'New Released' with a right-hand date rail ending at 2026-08-26 and, below it, 2026-08-18, 2026-06-16 and 2026-04-07, and body entries describing native visual capabilities, a hybrid attention architecture with 320B total and 18B activated parameters, and GLM-5.3's coding gains on Z.ai Code Bench.

Ce dont quelqu’un qui effectue des recherches avec GLM 5.4 a réellement besoin

Les gens tapent « GLM-5.4 » pour l’une de deux raisons, et ces deux raisons appellent des réponses opposées.

Le premier point concerne l’achat : ils veulent savoir s’ils doivent migrer de GLM-5.3, ou s’ils doivent choisir GLM plutôt que Qwen pour un développement qui démarre ce mois-ci. La réponse est qu’il n’y a rien vers quoi migrer, et la décision qu’ils peuvent prendre aujourd’hui se situe entre un modèle uniquement textuel avec des poids téléchargeables à 1,40 $/4,40 $ et une location multimodale à 1,50 $/4,50 $ qui obtient un meilleur score et coûte moins cher par tâche terminée. C’est un vrai choix, et il ne faut pas un 5.4 pour le faire.

Le deuxième point est le suivi : ils veulent une date. La réponse honnête est que la fenêtre fondée sur la cadence pour ce nom a expiré le 27 octobre, ou le 4 novembre dans l’interprétation la plus généreuse, et que l’échec de la projection constitue en lui-même la mise à jour. Le prochain signal à surveiller n’est pas une fuite, mais le journal des versions : une entrée au-dessus de GLM-5.3-Flash trancherait la question en une ligne, et elle n’est pas apparue au cours des douze semaines qui ont suivi le lancement du palier Flash.

Exécuter l’un ou l’autre sans un second contrat

Ici, les deux côtés de cette comparaison diffèrent véritablement, et la différence tient à l’accès plutôt qu’à la capacité. OrcaRouter route z-ai/glm-5.3 aujourd’hui, aux côtés de la famille Q​wen 3.8, sur un seul point de terminaison compatible avec OpenAI à 0 % de marge — rien n’est ajouté à ce que facture le fournisseur de service, ce qui, sur notre propre page de modèle, correspond à 1,26 $ en entrée et 3,96 $ en sortie par million, à un niveau égal ou inférieur aux 1,40 $ et 4,40 $ du tarif catalogue de Z.ai. Ce qu’OrcaRouter ne route pas, c’est Qwen4-Max : le modèle ne figure pas au catalogue, et cette page ne laissera pas entendre le contraire. Qwen4-Max est accessible via les six régions d’A​libaba et via des plateformes tierces qui le revendent ; si vous le voulez sur la même clé que le G​LM, c’est une question d’attendre que le catalogue le propose, pas de configurer quoi que ce soit aujourd’hui.

A screenshot of the OrcaRouter model page for GLM 5.3, showing the identifier z-ai/glm-5.3, the byline Z.ai with the date 2026-08-18, a description of the model as a text-in text-out flagship for repo-scale coding, pricing of $1.26 input and $3.96 output per million tokens, a 1M-token context and a 128K maximum output.

Là où le routage est immédiatement rentable, c'est dans la comparaison elle-même. Les chiffres de coût par tâche ci-dessus sont des moyennes calculées sur un mélange de benchmarks fixe, et votre mélange n'est pas celui-là. Faire passer les mêmes prompts par GLM-5.3 et par un niveau Qwen 3.8 sur un seul point de terminaison, c'est ainsi que vous découvrirez quel côté l'emporte sur votre trafic, avec un basculement automatiquequi vous couvre si un fournisseur limite le débit en cours d'exécution — et c'est l'affaire d'une matinée plutôt que de deux conversations avec les achats.

Qu’est-ce qui en ferait un véritable affrontement ?

Un document. Une fiche de modèle réunissant des paramètres, une longueur de contexte, un prix et un identifiant d’API, datée dans le journal des versions de Z.ai lui-même. C’est la norme que ce blog applique depuis le début de l’année, et c’est la seule chose qui fait passer GLM-5.4 du statut de numéro de version à celui de modèle. Une seconde condition, plus faible mais utile : une ligne GLM-5.3 mesurée à faible effort face à Qwen4-Max à son propre réglage bas, ce qui permettrait de comparer les coûts à effort égal plutôt que selon les réglages par défaut des deux fournisseurs.

D’ici là, le résumé correct est inconfortable pour les deux camps de la recherche. Qwen4-Max existe, a un tarif, a été mesuré, et il est légèrement meilleur que sa réputation en matière de coût — 43 sur l’index à $3.27 la tâche, c’est un modèle phare compétent, pas dominant. GLM-5.4 est un numéro dans une séquence dont la date prévue est passée sans entrée dans le journal, et le GLM que l’on peut exécuter aujourd’hui est inférieur d’un chiffre, mesurable, téléchargeable, moins cher de dix cents au compteur et plus cher de moitié par tâche terminée à plein effort. Quiconque vous dit le contraire vous vend une fiche technique dont il ne peut pas fournir la source.

Comparés dans cet article3

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement