ModèlesOpen Source 🇺🇸 24.07.2026 06:04

GLM 5.2 de Z.ai : un modèle de codage IA chinois économique

AnthropicAnthropic OpenAIOpenAI
Le laboratoire chinois Z.ai a publié GLM 5.2, un LLM open-weights de 753 milliards de paramètres (40 milliards actifs), proposé à un prix API de 4,40 dollars par million de tokens en sortie, soit un cinquième du prix de l'Opus 4.8 d'Anthropic et un dixième de celui de Fable. Le modèle atteint presque les performances des modèles de référence en codage et cybersécurité, mais des observateurs américains s'inquiètent du routage des données. Les développeurs rapportent des résultats mitigés : bons pour les tâches à long terme et la conception front-end, mais certains rencontrent des limites de débit et des hallucinations.
Z.ai, un laboratoire basé à Pékin, a publié GLM 5.2 le 16 juin, un LLM à poids ouverts de 753 milliards de paramètres avec 40 milliards activés à la fois, sous licence MIT. Son API coûte 4,40 $ par million de jetons générés, soit bien moins cher que l'Opus 4.8 d'Anthropic (22 $ par million) et Fable (44 $ par million). Le modèle atteint presque l'Opus 4.8 sur des benchmarks de codage agentiques comme FrontierSWE et PostTrainBench, et obtient de bons scores sur des benchmarks de cybersécurité, ce qui le rapproche du Mythos d'Anthropic. Cependant, le propre rapport de Z.ai montre que GLM 5.2 est en retard sur l'Opus 4.8 et le GPT-5.5 d'OpenAI dans la plupart des benchmarks de codage, comme SWE-Marathon où il a terminé 13 % des tâches contre 26 % pour l'Opus 4.8. Les développeurs rapportent des expériences variées : Zain Hasan de Together AI déclare que GLM 5.2 gère bien les tâches à long terme et a un bon sens du design web ; David Nix de MetaRouter le juge « très proche » des modèles de pointe pour le travail front-end, prenant en charge 10 à 20 % de ses tâches LLM. D'autres, comme Sai Kiran Myadaram d'Indhic AI, ont rencontré des problèmes de limites de débit et d'hallucinations, préférant le Codex d'OpenAI. La nature à poids ouverts permet l'auto-hébergement, répondant aux préoccupations de sécurité des données pour les entreprises américaines.
Source: IEEE Spectrum AI — original
Nos articles précédents sur ce sujet ↓
Infos fraîches