Une carte de titre générée indiquant « Qwen 4 vs GLM-5.5 : le modèle à poids ouverts est le plus cher », avec pour sous-titre « Le GLM le plus récent réellement servi par Z.ai est GLM-5.3, à 15,8 cents par point d’indice, contre 7,6 pour Qwen4-Max ». Trois lignes numérotées indiquent « score d’indice de 42,9 contre 31,7, Artificial Analysis v5.0.1 », « coût par tâche d’indice accomplie de 3,27 $ contre 5,01 $ » et « poids publiés pour GLM-5.3, aucun pour Qwen4-Max ». Un pied de page indique « Scores et coût par tâche selon l’Artificial Analysis Intelligence Index v5.0.1 ; prix selon la grille tarifaire publiée de chaque fournisseur. » Style vectoriel plat sur fond blanc avec des accents bleu et cyan, la marque OrcaRouter incrustée en bas à droite.
Guides & Insights

Qwen 4 vs GLM-5.5 : le modèle à poids ouverts est celui qui coûte cher

Auteur

jinhao.song

Date de publication

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

L’intuition concernant les poids ouverts est qu’ils constituent l’option bon marché. Dans cette confrontation, ce n’est pas le cas. GLM-5.3, le G​LM le plus récent que Z.ai sert réellement, coûte 5,01 $ pour exécuter la suite d’index Artificial Analysis et obtient un score de 31,7 — soit 15,8 cents par point d’index. Qwen4-Max coûte 3,27 $ pour 42,9 points — 7,6 cents par point. Le modèle propriétaire est plus de deux fois plus efficace par unité de capacité mesurée, et c’est celui que vous ne pouvez pas télécharger. Par ailleurs, GLM-5.5, le modèle cité dans le titre de cet article, n’existe pas : l’index de documentation et la page tarifaire de Z.ai s’arrêtent tous les deux à GLM-5.3, et les chemins de documentation 5.4 et 5.5 renvoient une erreur « introuvable ». Ce qui suit est donc une comparaison avec le G​LM qui est livré, le numéro de version manquant étant traité comme un numéro de version manquant plutôt que comme une fiche technique à inventer.

D'abord, la carte qui existe

GLM-5.3 est arrivé le 18 août 2026 sous la licence GLM-5.3, avec les poids publiés et une entrée texte uniquement. Qwen4-Max est passé à la facturation à l’usage le 16 novembre 2026, propriétaire, avec une entrée image et A​libaba Cloud comme unique hébergeur. Les deux sont séparés de quatre-vingt-dix jours en date de sortie et se situent de part et d’autre de la ligne fermé/ouvert, qui est l’axe dont traite réellement cet article.

• Prix par million — GLM-5.3 : 1,40 $ en entrée / 4,40 $ en sortie ; Qwen4-Max : 1,50 $ / 4,50 $ à Singapour, 1,413 $ / 4,24 $ ailleurs. Sur les tarifs par token, Z.ai est la carte la moins chère, de 7 % et 2 %.

• Entrée mise en cache — GLM-5.3 à 0,26 $ par million en lecture ; Qwen4-Max à 0,075 $, avec des écritures de cache à 1,875 $ pour cinq minutes et 3,00 $ pour une heure. La lecture du cache de Qwen est 3,5 × moins chère, ce qui explique pourquoi le résultat par tâche et le résultat par jeton pointent dans des directions différentes.

• Contexte — 1 000 000 de tokens pour les deux. GLM-5.3 limite la sortie à 128 000 ; Qwen4-Max autorise 131 072 sans réflexion ou 262 144 partagés entre le raisonnement et la réponse.

• Poids — GLM-5.3 publiés, sous sa propre licence ; Qwen4-Max : aucun, hébergement par un seul fournisseur. C’est toute la différence, et tout ce qui suit en découle.

• Modalité — Qwen4-Max accepte le texte et les images ; GLM-5.3 fonctionne en texte en entrée, texte en sortie. Si votre pipeline alimente des captures d’écran ou des PDF, la comparaison s’arrête ici.

• Contrôle du raisonnement — GLM-5.3 exécute toujours le raisonnement, avec des niveaux d’effort faible, élevé et maximal, le niveau maximal étant celui par défaut ; Qwen4-Max expose les niveaux faible, élevé et xhigh, le niveau élevé étant celui par défaut.

• Généalogie de l'entraînement — Z.ai décrit GLM-5.3 comme le même modèle de base que GLM-5.2, amélioré par post-entraînement plutôt que par un nouvel entraînement préalable. C'est bon à savoir lorsque vous comparez ses scores à ceux d'un modèle doté d'une nouvelle architecture.

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The GLM-5.3 column reads index score 31.7, cost per index task $5.01, cents per index point 15.8, input per million $1.40, output per million $4.40, hallucination rate 38.9%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

Sept centimes contre seize, expliqué

L’écart de coût par point n’est pas un artefact de tarification. Les 5,01 $ par tâche de GLM-5.3 se décomposent en 4,49 $ d’entrée et 0,52 $ de sortie — 90 % d’entrée, et 4,13 $ de cette entrée correspondent à des lectures de cache. Les 3,27 $ de Qwen4-Max correspondent à 2,80 $ d’entrée et 0,47 $ de sortie, dont 1,12 $ de lectures de cache et 1,67 $ d’écritures de cache. Ainsi, les deux modèles ne dépensent presque rien pour les tokens qu’ils génèrent et presque tout pour relire le contexte.

La différence réside dans la quantité de contexte que chacun consomme pour parvenir à une réponse. GLM-5.3 lit 10,3 milliards de tokens d’entrée sur l’ensemble de la suite et émet 135 millions de tokens de sortie ; Qwen4-Max en lit 9,9 milliards et en émet 127 millions. Un volume presque identique. L’écart de score de dix-neuf points n’est donc pas non plus une question de volume — c’est simplement qu’un modèle est meilleur sur les tâches, et la différence de coût par tâche provient du prix du cache, où une lecture à 0,075 $ contre une lecture à 0,26 $ se cumule sur dix milliards de tokens.

Voilà le mécanisme qu'il faut retenir : lors d'exécutions de benchmarks sur contexte long, c'est le taux de lecture du cache, et non le tarif d'entrée affiché, qui détermine la facture. Un modèle à 1,40 $ en entrée avec une lecture du cache à 0,26 $ peut coûter plus cher par tâche qu'un modèle à 1,50 $ en entrée avec une lecture du cache à 0,075 $.

Où se situent les dix-neuf points

• Terminal-Bench 4.0 — Qwen4-Max 48,5 %, GLM-5.3 41,9 %. Sept points, l’écart le plus serré des suites agentiques.

• FrontierCode 2.0 — 26,5 % contre 21,6 %. Cinq points ; les deux modèles sont faibles ici en termes absolus.

• HLE Diamond — 44,9 % contre 17,9 %. Vingt-sept points, et l’écart le plus large de la comparaison.

• Omniscience — 27,7 contre 6,0, avec des taux d’hallucination de 28,4 % et 38,9 % respectivement. GLM-5.3 est à la fois moins précis et moins susceptible de s’abstenir, ce qui constitue la pire combinaison possible.

• Sous-scores de capacités — Qwen4-Max arrive en tête sur les cinq que les deux modèles déclarent : ingénierie 50,1 contre 37,6, finance et comptabilité 54,1 contre 42,1, juridique 49,6 contre 35,8, stratégie et opérations 56,9 contre 47,4, et économie 51,3 contre 37,3.

Rien dans cette liste n'est assez proche pour prêter à discussion. La question intéressante n'est pas de savoir si Qwen4-Max est meilleur, car il l'est manifestement.

A headless-browser screenshot of the Artificial Analysis page for GLM-5.3, captured 17 November 2026 in English, showing Z.ai's mark, the label Open weights model, Released August 2026, the heading GLM-5.3: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #3 of 29, Performance #21 of 27, Cost #28 of 28 and Verbosity #23 of 29, a statistics row giving a 61.448-second time to first answer token, 87 output tokens per second, $1.40 input and $4.40 output per million tokens, an 81% cache discount, 10.3 billion input tokens and an output-to-input ratio of 1.312%, and the summary paragraph describing the model as among the leading open-weight models in intelligence but particularly expensive against other open-weight models of similar size, notably slow per task and very verbose, with text input, text output and a 1M-token context window.

La seule chose que Qwen4-Max ne peut pas faire

Chaque ligne ci-dessus est une comparaison de capacités, et la capacité n'est pas le bon cadre quand l'un des deux modèles peut être emporté chez soi. Z.ai publie les poids de GLM-5.3 sous sa propre licence ; Alibaba ne publie rien pour Qwen4-Max et n'indique qu'un seul hébergeur. Cette différence change trois choses qu'aucun benchmark ne mesure.

• Continuité — un modèle que vous hébergez continue de répondre lorsque la page tarifaire d'un fournisseur change, qu'une région est dépréciée ou qu'un avis de dépréciation est publié. Qwen4-Max en a un précédent daté du 25 novembre 2026 : l'identifiant de préversion a été retiré neuf jours après la disponibilité générale, et toute configuration pointant encore vers qwen4-max-preview a cessé de fonctionner.

• Courbe de coût — le coût marginal de GLM-5.3 devient votre taux d’utilisation du GPU. À volume élevé et soutenu, il est généralement inférieur au tarif de l’API ; en cas de volume faible et irrégulier, c’est moins favorable. Le seuil de basculement relève d’un calcul d’utilisation, non de la qualité du modèle.

• Contrôle — ajustement fin, quantification, sélection de noyaux et capacité d’inspecter ce que fait le modèle. Rien de tout cela n’existe pour Qwen4-Max.

Face à cela : le modèle ouvert accuse dix-neuf points d’indice de moins, est moins capable de s’abstenir et aveugle aux images. Pour un déploiement greenfield, le compromis est peu attrayant. Pour un système déjà construit autour d’une pile d’inférence auto-hébergée — où l’alternative à GLM-5.3 n’est pas Qwen4-Max mais le G​LM précédent — la licence est l’élément décisif et l’écart de score est un coût inhérent à l’activité.

Pourquoi le modèle ouvert est celui qui coûte cher, en une phrase

Parce que les poids ouverts déplacent le coût du compteur de tokens vers le budget d’ingénierie, et que le budget d’ingénierie n’apparaît pas sur une grille tarifaire. Mettre en place GLM-5.3 sur votre propre matériel implique la planification de capacité, une pile de service que vous pouvez patcher et un harnais d’évaluation suffisamment bon pour vous dire si votre déploiement correspond à la référence — des coûts qui dépassent la différence de 3,27 $ par tâche, quel que soit le volume traité par une seule équipe. Les 15,8 cents par point d’indice sont le chiffre visible ; l’invisible est plus grand, et il est payé une seule fois, que vous serviez mille requêtes ou un million.

Ce calcul s'inverse à grande échelle, et il s'inverse encore plus nettement si vous devez procéder à un fine-tuning. Le fine-tuning est la seule exigence qui fait d'un modèle ouvert non pas simplement une option moins chère, mais la seule option, et aucune avance de Qwen4-Max sur les indices ne saurait y suppléer.

Appeler celui qui est routable

GLM-5.3 figure dans notre catalogue sous z-ai/glm-5.3 au prix catalogue de Z.ai, 1,26 $ en entrée et 3,96 $ en sortie par million, sans aucun supplément — les mêmes tarifs que Z.ai publie, y compris toute modification qu'elle y apporte. Qwen4-Max ne figure pas dans notre catalogue ; un identifiant qwen4 renvoie not-found, et sa voie d'accès est l'API Model Studio d'Alibaba et plusieurs plateformes tierces. Le modèle Qwen le plus proche que nous proposons est qwen/qwen3.8-max à 2,00 $ et 6,00 $.

Cela laisse une séquence pratique pour quiconque veut le modèle le plus puissant sans second contrat : lancez l'évaluation sur z-ai/glm-5.3 via le point de terminaison que vous possédez déjà, et si l'écart de dix-neuf points est rédhibitoire pour votre cas d'usage, évaluez le prix de Qwen4-Max par rapport à votre propre mix de tokens plutôt que par rapport à l'indice. Les chiffres par tâche de cet article sont modélisés à partir d'un harnais de benchmark au trafic de cache exceptionnellement lourd ; une charge de production avec des invites courtes et des sorties longues réduira fortement l'écart entre $5.01 et $3.27, car presque aucune des deux factures n'est constituée de sorties.

A headless-browser screenshot of the OrcaRouter model page for GLM-5.3, captured 17 November 2026 in English, showing the identifier z-ai/glm-5.3, the byline Z.ai dated 2026-08-18, a max output of 128K, input listed as text, output listed as text, and a p50 time-to-first-token reading.

Ce que nous aurions besoin de voir

Un GLM-5.5 remettrait cette comparaison à zéro, et il n’existe actuellement aucune trace d’un tel modèle — pas de parcours de documentation, pas de ligne tarifaire, pas d’identifiant de modèle sur les pages de Z.ai lui-même au 17 novembre 2026. S’il voit le jour, les questions à se poser sont de savoir si Z.ai publie les poids comme il l’a fait pour 5.3, s’il ajoute l’entrée d’images et s’il corrige le comportement d’abstention, car ce dernier chiffre (38,9 %) est celui qui rend GLM-5.3 difficile à recommander pour tout usage non vérifié, avant même l’écart d’indice.

En attendant, le résumé honnête est contre-intuitif et bref. Le modèle ouvert coûte plus cher par point, obtient des scores inférieurs sur chaque suite mesurée, et reste le bon choix pour exactement un type d’acheteur : celui dont la contrainte est une licence plutôt qu’un benchmark.

Comparés dans cet article2

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