NOUVEAU · GLM-5.3-FlashX disponible
GLM-5.3-FlashX (disponible 09/2026) est l'édition haute vitesse de GLM-5.3-Flash : une inférence jusqu'à 200 tokens/s, plus rapide et plus fluide. Comme Flash, premier modèle nativement multimodal de la famille GLM-5 — 320B de paramètres totaux / 18B actifs, architecture hybride inédite mêlant attention parcimonieuse et linéaire, entrées vidéo / image / texte / fichier, contexte 1M et sortie max 128K.
GLM-5.3-Flash lancé
GLM-5.3-Flash (août 2026) est le premier modèle nativement multimodal de la famille GLM-5 : la vision est intégrée à la boucle de codage, avec entrées vidéo / image / texte / fichier. Il obtient 57 à l’indice d’intelligence d’Artificial Analysis — 4e mondial, au niveau de Claude Opus 4.8 — pour 1/40 du prix.
GLM-5.3 est disponible
GLM-5.3 (publiée officiellement le 2026-08-14) est le modèle phare MoE de Zhipu. Elle réutilise exactement la base de GLM-5.2, sans nouvelles données de pré-entraînement — toutes les améliorations proviennent d'un post-entraînement à grande échelle. Axée sur l'ingénierie du code à long terme, les agents terminal et l'audit de vulnérabilités du code source. Devise : Built to Code. Ready for Cyber Defense.
GLM-5.3 est le modèle phare open source de GLM : base GLM-5.2 avec post-entraînement entièrement actualisé, gain de 50 % en expérience de codage, 84,5 % sur CyberGym (actuellement en tête) et progression x6 sur Terminal-Bench 3.0 ; GLM-5.3-Flash offre une intelligence de pointe à 1/40 du prix. Comparez chaque modèle GLM ci-dessous — ou essayez d’abord le terrain de jeu gratuit.
Pas besoin de s'inscrire, de créer un compte ou de demander des crédits. Entrez simplement un mot d'entrée pour obtenir des réponses en flux.
La réponse sera affichée en flux ici...
Cette expérience utilise le grand modèle de langage GLM, entrez simplement un mot d'entrée pour obtenir des réponses en flux en temps réel.
Quatre capacités définissent la génération actuelle des modèles GLM — toutes rapportées par les auteurs des modèles et ré replicables à partir de droits d'accès ouverts.
Un contexte d’un million de tokens qui reste utilisable et de qualité : GLM-5.3 partage la base GLM-5.2 et poursuit l’entraînement sur des trajectoires d’agents de codage longues — implémentation à grande échelle, recherche automatisée et débogage complexe.
Les niveaux Non-Thinking, Haut et Highest vous permettent de compromis entre délai et capacité pour les tâches - environ 63% (environ 35K tokens de sortie) à 74% (environ 83K) sur l'évaluation AgentProgramming.
Chaque quatrième couche d'attention rare partage un indexeur léger, ce qui réduit les FLOPs par token de 2,9 fois sous un contexte de 1 million de tokens, tout en préservant la qualité à long terme.
Modèle GLM open-source sous licence MIT : les poids sont publiés sur HuggingFace et ModelScope, sans restriction géographique, et supporte le déploiement local via transformers, vLLM, SGLang, xLLM et ktransformers.
Données publiées par la documentation officielle Zhipu et l’évaluateur indépendant Artificial Analysis. glmmodel.cn se contente de les rapporter.
Découverte de vulnérabilités dans le code source
Codage agentique : plus de précision, moins de tokens
Tâches d’agents terminaux (GLM-5.2 : 4,6)
GLM-5.3 dépasse GLM-5.2 sur Terminal-Bench 3.0 (4,6→28,3), DeepSWE v1.1 (46,2→66,9) et Agents’ Last Exam (23,8→28,5), atteignant le SOTA open source ; il fait plus que doubler GLM-5.2 sur ExploitBench (54,4 %). GLM-5.3-Flash obtient 57 à l’indice Artificial Analysis (4e mondial), au niveau de Claude Opus 4.8.
Résultats de référence publiés pour les modèles GLM, couvrant 17 évaluations pour 8 modèles.
| Benchmark | GLM-5.3 | GLM-5.2 | Kimi K3 | DeepSeek-V4-Pro | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| Codage | ||||||||
| Terminal-Bench 2.1 | 88.2 | 81.0 | 88.3 | 87.9 | 86.6 | 85.0 | 88.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 4.6 | 17.4 | – | – | 21.1 | 33.7 | 34.6 |
| DeepSWE v1.1 | 66.9 | 46.2 | 67.5 | 62.7 | 56.6 | 58.0 | 69.7 | 72.7 |
| NL2Repo | 58.0 | 48.9 | 58.0 | 61.1 | 55.9 | 69.7 | – | – |
| ProgramBench (Almost Solved) | 19.0 | 9.5 | 17.5 | – | 10.5 | 15.5 | 33.0 | 23.0 |
| FrontierSWE | 78.1 | 67.5 | – | – | – | 66.5 | 88.2 | – |
| SWE-Marathon v1.1 | 42.5 | 19.4 | 48.1 | – | – | 48.8 | 33.1 | 42.5 |
| PostTrainBench | 39.8 | 31.7 | 32.0 | – | – | 32.9 | 41.8 | 36.2 |
| Cybersécurité | ||||||||
| CyberGym | 84.5 | 77.2 | 80.0 | 83.3 | 78.5 | 78.1 | 83.8 | 83.6 |
| ExploitGym 2h / 6h | 105 / 130 | 29 / 39 | 36 / 70 | – | 14 / 26 | 80 / 120 | 181 / 247 | 216 / 293 |
| ExploitBench | 54.4 | 24.4 | 32.2 | – | 28.8 | 40.0 | 78.0 | 76.5 |
| Agents | ||||||||
| Toolathlon Verified | 73.0 | 59.9 | 76.5 | 74.1 | 72.5 | 76.2 | 74.7 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 26.2 | 46.7 | 43.2 | 39.8 | 41.0 | 46.2 | 45.8 |
| Agents' Last Exam (ALE-CLI) | 28.5 | 23.8 | 27.6 | 25.7 | 27.0 | 25.7 | 23.8 | 28.6 |
| HLE w/ Tools | 62.5 | 54.7 | 59.8 | 60.0 | 56.2 | 57.9 | 63.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1508 | 1682 | 1590 | 1739 | 1588 | 1743 | 1730 |
Source : blog officiel Z.ai (14/08/2026).
Les modèles GLM ont plus d’une vitesse. Le réglage d’intensité n’alloue de la puissance de calcul que lorsque c’est utile. GLM-5.3 réfléchit toujours (low / high / max, max par défaut) ; les chiffres par palier sont des valeurs GLM-5.2, à titre de référence.
~35K token moyen
Éditer rapidement, utiliser des modèles de code, des refactorings conventionnels et d'autres scénarios où la latence est plus importante que la profondeur.
~43K token moyen
Choix par défaut pour la programmation d'agents intelligents : avec environ la moitié de la consommation de tokens, la qualité approche le niveau le plus élevé.
~83K token moyen
Problèmes à long terme difficiles — allouer des ressources de calcul supplémentaires uniquement lorsque cela est nécessaire pour la tâche.
Le tableau présente GLM-5.3 face aux modèles comparés, tels que publiés officiellement par Z.ai. GLM-5.3 partage la base GLM-5.2 — chaque gain vient du post-entraînement. glmmodel.cn ne fait que rapporter ces résultats.
Augmenter la limite de contexte de 200K à 1 million de tokens est un problème d'ingénierie, pas un paramètre de configuration. Trois modifications sont cruciales.
Chaque quatre couches Transformer partagent un LightweightIndexer. Il est situé dans la première couche des quatre, et son index top-k est réutilisé par les trois autres couches - éliminant les produits scalaire et les calculs top-k dans trois quarts des couches. Résultat : chaque token voit une réduction de 2.9 fois les FLOPs à une longueur de contexte de 1 million. L'IndexShare a été introduit à partir de la longueur de séquence de 128K pendant la phase de formation.
Les couches de prédiction multi-token s'exécutent une seule fois l'Indexer au premier pas de brouillon et réutilisent l'index dans les étapes suivantes, éliminant ainsi le décalage entre le cache KV de formation/Raisonnement de la génération précédente. Combiné à la réduction de la probabilité de refus et à la perte TV de bout en bout, l'acceptation de la longueur passe de 4,56 à 5,47 — environ 20% — sur 7 étapes MTP.
| Baseline | 4.56 |
| + IndexShare + KVShare | 5.10 |
| + Refuser l'échantillonnage | 5.29 |
| + Pertes TV de bout en bout | 5.47 (+20%) |
Après plusieurs dizaines de milliers de tokens, le瓶颈n'est plus le calcul, mais la capacité de cache KV, le noyau de contexte long et la charge CPU. Trois corrections : gestion fine de la mémoire basée sur LayerSplit et parallélisation, optimisation du noyau de réduction de la longueur du contexte coordonnée avec le pipeline de transmission de cache, et optimisation de la gestion de cache côté CPU, de la planification des requêtes et de l'ajustement des chemins d'exécution en temps réel. L'avantage de la capacité de traitement augmente avec la croissance du contexte.
Avantage de la capacité de traitement normalisée
Le stack de formation (slime) combine des rollouts white-box et black-box, des trajectoires compactes et des flux de travail d'agents. La formation OPD en parallèle a intégré une douzaine de modèles experts en environ deux jours, et le cache FP8 KV assure que la mémoire de rollout ne dépasse pas le budget.
Les longs cycles de RL peuvent entraîner des raccourcis, donc les actions suspectes sont d'abord filtrées par un filtre de rappel basé sur des règles, puis vérifiées par l'exactitude du juge LLM. Les comportements d'hack confirmés sont interceptés en ligne et répondus par des outils virtuels, permettant ainsi de continuer le rollout plutôt que de l'abandonner. Le PPO basé sur le Critic conserve la trainabilité des sous-traces compressées sur un seul rollout.
De 30B au niveau Flash à un contexte de 1 million de tokens de pointe — choisissez un modèle GLM et consultez le tableau complet des spécifications et des données de référence.
Base GLM-5.2 avec post-entraînement entièrement actualisé : SOTA open source en codage complexe et tâches d’agents, en tête en découverte de vulnérabilités.
Premier GLM nativement multimodal : vision intégrée au codage, 4e mondial à l’indice AA, intelligence de niveau Opus 4.8 à 1/40 du prix.
Modèle vertical juridique fondé sur GLM-5.3-Flash : 19,2 % au benchmark Harvey LAB pour environ 1/70 du coût des modèles fermés. Bêta.
Flagship précédent : contexte d’un million de tokens, SOTA open source pour la programmation et les tâches longues.
Génération précédente de pointe : une capacité à long terme considérablement améliorée et une production d'ingénierie de niveau professionnel pouvant fonctionner de manière autonome pendant plusieurs heures.
Une capacité de programmation plus forte, des exécutions à plusieurs étapes plus fiables et un comportement d'agent complexe amélioré.
Modèle de base, optimisé pour les scénarios de longues chaînes et d'agents intelligents dynamiques
Capacité de programmation améliorée, inférence multipas stable et génération frontend améliorée
300 milliards de paramètres ; haute performance et efficacité, en tête des modèles ouverts de la même taille.
Modèle GLM de petite taille, performance par unité de puissance remarquable
Reconnaissance vocale en temps réel vers texte, CER aussi bas que 0.0717
Fonctionnalité multi-fichiers au-delà d'une seule fenêtre de contexte : le modèle conserve l'état complet du dépôt à vue, plutôt que de lire à nouveau après quelques tours.
Des cycles d'expériences de plusieurs heures, l'agent doit planifier, exécuter, lire les résultats et corriger - c'est exactement le type de charge de travail que FrontierSWE et PostTrainBench sont conçus pour évaluer.
Besoin d'un graphique de appel complet, des sorties d'analyseurs et de tentatives précédentes pour rester sur la même trajectoire, tout en maintenant le noyau et le système en œuvre.
Un suivi de réplique long, des tests instables et des pannes transversales de service, la coupure du contexte est la raison pour laquelle les bugs sont perdus.
Tous ces scénarios peuvent être exécutés sur votre propre matériel - poids MIT, transformers · vLLM · SGLang · xLLM · ktransformers.Comment exécuter localement le modèle GLM →
Lisez le Modèle GLM de test de base, puis laissez le modèle réel commencer à travailler. Le terrain d'expérience en haut est gratuit et n'exige aucune information ; si vous souhaitez un kit d'outils AI plus complet, le forfait gratuit des partenaires commence ici.