
Hy4 flash vs GLM-5.3-Flash : le modèle le moins cher est celui que vous ne pouvez pas télécharger
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 133 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 219 tok/s
Hy4 flash et GLM-5.3-Flash visent le même acheteur — celui qui veut une fenêtre de contexte d’un million de tokens, une entrée d’images et un appel d’outils de niveau agent sans payer les tarifs des modèles phares — et ils répondent avec des grilles tarifaires presque identiques. Hy4 flash, publié par Tencent le 16 novembre 2026, facture 0,070 $ par million de tokens d’entrée et 0,281 $ par million de tokens de sortie, avec 0,003 $ pour les tokens mis en cache. GLM-5.3-Flash, que Zhipu a lancé et rendu open source le 26 août 2026, facture 0,15 $, 0,50 $ et 0,03 $ au tarif catalogue. Tencent est à peu près à la moitié du prix en entrée et un peu plus de la moitié en sortie, et dix fois moins cher sur l’entrée mise en cache, ce qui est la ligne qui détermine la plupart des budgets d’agents. C’est aussi le modèle sans poids, sans licence, sans fiche modèle et sans benchmark indépendant, face à un modèle sous licence MIT sur Hugging Face qui obtient 27,8 sur l’Artificial Analysis Intelligence Index.
Voilà toute la comparaison en une phrase, et elle ne se tranche pas nettement. Moins cher et invérifiable contre plus cher et inspectable constitue un véritable arbitrage, pas un problème de marketing, et savoir quel camp l’emporte dépend de choses qu’aucun des deux fournisseurs ne vous dira. Ce qui suit est ce que chacun a réellement publié, ce que la différence de prix achète et coûte, et où la décision bascule.
Deux cartes tarifaires, lues ligne par ligne
Commençons par les chiffres tels qu’ils sont publiés, car ce sont les seuls éléments chiffrés de cette comparaison que les deux entreprises indiquent clairement et que chacun peut vérifier sur une facture.
• Entrée, par million de tokens — Hy4 flash 0,070 $ ; GLM-5.3-Flash 0,15 $.
Sortie, par million de jetons — Hy4 flash 0,281 $ ; GLM-5.3-Flash 0,50 $.
• Entrée mise en cache, par million de tokens — Hy4 flash 0,003 $ ; GLM-5.3-Flash 0,03 $.
• Fenêtre de contexte — Hy4 flash 1 048 576 tokens ; GLM-5.3-Flash 1 000 000 tokens.
• Paramètres actifs par token — Hy4 flash : 12B sur 224B au total, dont 64B de paramètres Engram ; GLM-5.3-Flash : 18B sur 320B au total répartis sur 45 couches.
• Poids — Hy4 flash annoncé comme un plan sans date ; GLM-5.3-Flash sous licence MIT sur Hugging Face depuis le jour du lancement.
• Score d’intelligence indépendant — Hy4 flash : aucun score publié ; GLM-5.3-Flash : 27,8 sur l’Artificial Analysis Intelligence Index, avec 71,5 sur le Coding Index du même laboratoire.
La ligne de tarification de l’entrée mise en cache mérite plus d’attention qu’elle n’en reçoit habituellement. À 0,003 $ par million, Hy4 flash met en cache à un coût inférieur à celui de GLM-5.3-Flash d’un facteur dix, et inférieur à celui de son propre modèle phare Tencent HY4 d’un facteur cent. Pour un agent qui renvoie à chaque étape un prompt système fixe, un schéma d’outils et un document récupéré, le tarif du cache est celui que vous payez réellement la plupart du temps, et un écart de dix fois l’emporte sur l’écart de deux fois sur l’entrée fraîche. Si votre charge de travail est fortement orientée vers la récupération, l’avantage de Hy4 flash est plus important que ne le suggère son prix affiché. Si votre charge de travail consiste en une génération en une seule passe sans réutilisation, l’avantage se réduit aux ratios d’entrée et de sortie.
Les deux grilles tarifaires sont en partie promotionnelles. TokenHub de Tencent Cloud propose 50 % de réduction pour une période limitée non précisée, et WorkBuddy est gratuit jusqu’au 30 novembre. Le tarif de lancement à -50 % de Zhipu a expiré le 9 septembre 2026 et n’a pas été prolongé, raison pour laquelle les montants de 0,075 $ et 0,25 $ qui ont circulé fin août ne s’appliquent plus — le tarif indiqué ci-dessus est le tarif en vigueur. Partez du principe que la promotion de Tencent se terminera de la même manière et prévoyez le tarif catalogue.
L’écart de paramètres est plus petit que l’écart de prix.

Hy4 flash active 12 milliards de paramètres par token, contre 18 milliards pour GLM-5.3-Flash, soit un tiers de calcul en moins par token, et c’est la raison mécanique pour laquelle il peut être vendu à moitié prix. Ce qui est intéressant, c’est le total : 224 milliards contre 320 milliards, dont 64 milliards du total de Tencent se trouvent dans des paramètres Engram qui stockent des associations apprises plutôt que d’être exécutés à chaque passe avant comme le fait un expert routé. Tencent n’a pas publié de nombre de couches, de nombre d’experts ni de largeur de routage pour Hy4 flash, si bien que ce qui s’approche le plus d’une comparaison architecturale, c’est que les deux sont des modèles mixtes d’experts clairsemés avec une faible fraction active et que les deux fournisseurs ont choisi cette conception pour la même raison : le coût de service évolue avec les paramètres actifs, pas avec le total.
La conception de GLM-5.3-Flash est documentée plus en détail, et cette documentation est vérifiable parce que les poids sont publics : 45 couches, une attention hybride sparse et linéaire, une approche des connexions résiduelles que Zhipu appelle Manifold-Constrained Hyper-Connections, et un mécanisme IndexPool qui compresse quatre vecteurs clés d’indexeur en un pool pondéré unique afin de réduire la latence en contexte long. Le pré-entraînement a été réalisé sur un corpus multimodal de 30 billions de tokens. Rien de tout cela n’est audité de manière indépendante, mais il s’agit au moins d’une description suffisamment précise pour être réfutée par quiconque télécharge le checkpoint.
L’asymétrie ne tient pas à ce que Zhipu ait publié et Tencent non. Les deux ont publié ; ils ont publié des choses de nature différente. Zhipu a décrit un modèle, c’est-à-dire une affirmation sur la structure qu’un checkpoint peut confirmer ou réfuter. Tencent a décrit un résultat — un cache KV six fois plus petit que celui de son modèle phare, une longueur de sortie réduite de moitié par auto-distillation, plus de 150 jetons par seconde en décodage grâce à une quantification à quatre bits et à un mégakernel —, ce qui est une affirmation sur le comportement que seule la reproduction peut trancher. Les résultats sont les affirmations les plus intéressantes sur le plan commercial et les plus difficiles à vérifier. Sur un modèle dont les poids sont publics, une affirmation sur les performances en service est mise à l’épreuve par des inconnus en quelques semaines ; sur un modèle sans poids publics, elle reste une phrase sur une page de recherche aussi longtemps que le fournisseur le souhaite.
L'un de ces éléments peut être téléchargé.
Voici la différence décisive pour une part significative des acheteurs, et l’écart n’est pas mince. GLM-5.3-Flash est sous licence MIT, en FP8 et BF16, à l’adresse zai-org/GLM-5.3-Flash sur Hugging Face, et ce depuis le 26 août 2026. MIT autorise l’utilisation commerciale, la modification, le fine-tuning et la redistribution sans seuil de chiffre d’affaires. Le modèle est largement utilisé par le public depuis près de trois mois, ce qui signifie que la pile d’inférence a suivi : des quantifications existent, des recettes de serving existent, et toute affirmation sur son comportement peut être testée en l’exécutant.
Rien de tel n’existe pour Hy4 flash. L’engagement qui y figure se résume à une phrase sur des projets futurs, assortie d’une intention de continuer à itérer, sans mentionner de licence ni de date. Tencent a déjà fait les choses correctement par le passé — la preview d’août est arrivée sous Apache 2.0 avec les poids sur quatre sites d’hébergement et des recettes vLLM et SGLang dès le premier jour — le modèle ne fait donc aucun doute. Ce qui pose question, c’est la timidité du langage actuel, qui se lit comme un engagement envers un processus plutôt qu’envers un artefact. Quiconque envisage de fine-tuner, d’auto-héberger ou de bâtir un modèle de coûts autour de l’exécution de sa propre inférence devrait considérer Hy4 flash comme accessible uniquement via API jusqu’à ce qu’un dépôt apparaisse.
La même asymétrie s’applique aux preuves. GLM-5.3-Flash dispose de deux chiffres issus d’un harnais qu’aucun des deux fournisseurs n’a écrit : 27,8 à l’Artificial Analysis Intelligence Index et 71,5 à son Coding Index. Tous deux sont vérifiables, et ce couple dit quelque chose de précis : un 71,5 en codage face à 27,8 à l’indice général décrit un modèle véritablement bon dans un domaine et ordinaire partout ailleurs, ce qui est exactement ce que devrait être un niveau bon marché. C’est le type de distinction qu’un seul score de tête efface, et c’est pourquoi les chiffres restants des fournisseurs dans cet article sont présentés comme des affirmations plutôt que comme des résultats. Hy4 flash n’a aucun score indépendant, et ses résultats de benchmark — DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1 et les suites internes de Tencent — n’existent que sous forme d’images de graphiques sur la page de recherche du fournisseur. Ce n’est pas une raison de s’en méfier. C’est une raison de les traiter comme des hypothèses.
Ce que chaque fournisseur a mesuré, et qui il a battu
Les deux entreprises ont publié des comparaisons, et elles se sont comparées à des choses différentes, ce qui révèle ce que chacune considérait comme sa faiblesse.
L’annonce phare de Tencent est un test à l’aveugle : 85 utilisateurs de WorkBuddy, 27 catégories de tâches, 259 tâches réelles du travail quotidien, avec Hy4 flash donné comme proche de Claude Haiku 5.5 en satisfaction, tout en affichant le coût par tâche le plus bas et la durée de tâche la plus courte du panel. Notez bien « proche de », et non « meilleur que », et notez que le panel est composé des propres employés du fournisseur, dans le propre produit du fournisseur. L’argument complémentaire est le coût par tâche sur WorkIndex, le benchmark interne de Tencent en huit suites : un treizième de Hy4 preview, un vingtième de Tencent HY4, un huitième de DeepSeek-V4.1-Flash-1017. Face à GLM-5.3-Flash, le seul chiffre publié est un gain de 2,52 % en chat général dans 元宝, ce qui est une métrique produit sur une seule application grand public et ne se transpose à rien de ce que vous utiliseriez.
Le positionnement de Zhipu est différent : il vend le modèle comme une capacité proche de la frontière pour le coût d’un modèle flash, le positionne tarifairement face à son propre modèle phare de 743B, et invoque les poids ouverts ainsi qu’un résultat d’évaluation d’exploit comme preuve que le modèle bon marché n’est pas un jouet. Ses chiffres internes ont déjà fait l’objet d’une correction indépendante, et c’est le chiffre AA qu’il faut citer.
La conséquence pratique est qu’aucun des deux fournisseurs n’a publié de comparaison directe sur un banc d’essai neutre, et la comparaison que vous voudriez réellement — mêmes tâches, mêmes invites, même banc d’essai, les deux modèles — n’existe pas. Il faudra la réaliser vous-même. Dix tâches que vous effectuez déjà, avec les nombres de tokens enregistrés, suffisent à trancher pour votre trafic et valent plus que l’une ou l’autre des pages de lancement.
Deux paris différents sur la multimodalité
GLM-5.3-Flash accepte nativement en entrée du texte, des images et des vidéos, et a été le premier modèle GLM-5 à le faire plutôt que de faire transiter la vision par un adaptateur distinct. Il s'agit d'une affirmation documentée et vérifiable, et les poids sont publics, de sorte qu'on peut la vérifier sans demander la permission.
Hy4 flash est décrit comme multimodal, et la suite WorkIndex sur laquelle il a été mesuré inclut la compréhension visuelle parmi huit types de tâches. Tencent n'a pas précisé si le traitement de la vision est natif ou repose sur un adaptateur, n'a pas publié la taille de l'encodeur et n'a pas indiqué si la vidéo est prise en charge, ni même si elle l'est tout court. Tout au plus peut-on dire que l'entrée d'images fait partie de l'argumentaire et que le prédécesseur du modèle dans la famille — Tencent HY4, disponibilité générale le 4 novembre 2026 — a ajouté la vision native et l'utilisation d'un ordinateur comme fonctionnalité phare, ce qui rend la capacité plausible pour un modèle distillẫ partir de celui-ci. Plausible ne signifie pas documenté.
Si les captures d’écran, les graphiques, les documents numérisés ou les images vidéo jouent un rôle déterminant dans votre pipeline, GLM-5.3-Flash est le modèle dont vous pouvez vérifier le comportement multimodal avant de vous engager. Si les images sont occasionnelles, l’écart compte moins que le prix.
Là où la décision se joue
Choisissez Hy4 flash lorsque le volume est le problème et que la tâche a une forme bureautique. Traitement de documents, recherche dans un long corpus, génération de diapositives, travail frontend simple, boucles d’utilisation de l’ordinateur — ce sont les charges de travail pour lesquelles Tencent l’a conçu, celles que couvrent les données de ses produits internes, et celles où une remise de dix fois sur le cache et une réduction de 50 % de la longueur de sortie se combinent pour donner quelque chose d’un ordre de grandeur moins cher. Lancez-le d’abord sur vos propres tâches et surveillez les tokens de sortie : si le modèle est vraiment plus concis, votre facture baisse plus que ne le prédit la grille tarifaire, et s’il est plus concis parce qu’il est plus superficiel, vous le verrez dans la même mesure.
Choisissez GLM-5.3-Flash lorsque vous avez besoin de l’artefact, de l’audit ou de la modalité. Le fine-tuning, le service sur site, les données réglementées, une licence que vous pouvez montrer à un avocat, une entrée vidéo ou un score provenant d’un banc d’essai qu’aucun membre de Zhipu n’a écrit — tout cela pointe dans une seule direction. À 0,15 $ et 0,50 $, ce n’est pas cher ; c’est environ un dixième du prix catalogue de GLM-5.3 pour un modèle qui a déjà résisté à une évaluation indépendante.
Choisissez les deux lorsque la charge de travail est mixte. Une lecture honnête des deux versions publiées est qu'elles ne sont pas vraiment substituables : l'une est un modèle d'API optimisé pour les coûts, destiné au travail quotidien à grand volume, l'autre est un checkpoint ouvert dont l'architecture est documentée, pour tout ce qui doit sortir du contrôle du fournisseur. Un routeur qui atteint les deux est une réponse moins coûteuse que d'en choisir un et de se tromper.

Qu’est-ce qui est réellement appelable aujourd’hui ?
C'est ici que les deux modèles se distinguent tant sur le plan opérationnel que commercial. GLM-5.3-Flash figure dans le catalogue OrcaRouter sous z-ai/glm-5.3-flash au prix catalogue du fournisseur de 0,15 $ par million de jetons d'entrée et de 0,50 $ par million de jetons de sortie, avec un palier gratuit à débit limité en complément pour l'évaluation. Hy4 flash n'est pas routé ici — Tencent ne nous l'a pas rendu disponible — donc toute personne comparant les deux doit utiliser le TokenHub de Tencent pour la partie flash et peut utiliser la même clé OrcaRouter pour la partie GLM.
Cette séparation mérite d'être exploitée plutôt que subie. OrcaRouter répercute le prix catalogue du fournisseur sans aucune marge, ce qui signifie que le volet GLM de votre comparaison est facturé exactement au tarif de Zhipu et reste juste si Zhipu le modifie ; aucune grille de revendeur ne risque de devenir obsolète. Et pour l'évaluation elle-même, disposer de tencent/hy4-preview sur la même clé que z-ai/glm-5.3-flash est utile même s'il ne s'agit pas du modèle en question : la preview est le modèle dont Hy4 flash a été distillé, c'est donc le témoin naturel lorsque vous vérifiez si les réponses du petit modèle tiennent le coup. Une seule clé, plus de 200 modèles, et un chemin de bascule si un point de terminaison de la semaine de lancement s'avère peu fiable — ce qui, pour un modèle publié il y a six jours sans historique de disponibilité public, est une chose raisonnable à souhaiter.

Le prix n'est pas la question
Tencent a construit le modèle le moins cher, et sur les chiffres, il est moins cher d'un écart qui compte : de moitié sur l'entrée, d'un peu plus de la moitié sur la sortie, d'un dixième sur le cache. Ce qu'il n'a pas construit, c'est un modèle que l'on peut inspecter. Pas de poids, pas de licence, pas de détails d'architecture, pas de score indépendant, des benchmarks cachés derrière des pixels, et une comparaison phare tirée d'un panel de ses propres employés. Zhipu a construit le plus cher et publié suffisamment pour que ses faiblesses — dont un indice fournisseur que des mesures indépendantes ont amputé de quinze points — soient consignées là où vous pouvez les peser.
Six jours après le lancement, voilà la forme du choix : une remise démontrée face à un modèle non documenté, ou un modèle documenté à un prix encore très bas. La remise est probablement réelle et le manque de documentation est probablement temporaire. Ni l’une ni l’autre n’est certaine, et pour le savoir, mieux vaut passer un après-midi à mesurer plutôt qu’un trimestre à choisir.
Comparés dans cet article3
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
