Benchmarks GLM
Résultats officiels des benchmarks des modèles GLM : 17 évaluations couvrant le code, la cybersécurité et les agents, toutes citées des rapports publics des auteurs, comparables à Claude, GPT, Kimi et DeepSeek.
Benchmarks GLM 5.3 : long terme et sécurité
Données publiées par la documentation officielle Zhipu et l’évaluateur indépendant Artificial Analysis. glmmodel.cn se contente de les rapporter.
CyberGym
Découverte de vulnérabilités dans le code source
Z.ai Code Bench
Codage agentique : plus de précision, moins de tokens
Terminal-Bench 3.0
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.
GLM-5.3 face aux modèles comparés — benchmarks
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).