TL;DR
À fin octobre 2026, Z.ai (Zhipu AI) n’a ni publié ni confirmé officiellement GLM-5.5. Des fuites issues de la communauté et de médias chinois décrivent un possible prochain fleuron avec un total de paramètres compris entre 2.5 et 3.5 trillions (des rapports antérieurs évoquaient >1T), un contexte de 1M tokens maintenu, une forte emphase sur le codage à long horizon et l’ingénierie agentique, de possibles évolutions d’architecture (attention hybride, techniques d’efficacité mHC, et spéculations autour de Transformers récurrents/bouclés), ainsi qu’un potentiel de poids ouverts.
CometAPI fournit déjà un accès à prix réduit, compatible OpenAI, à l’ensemble de la série GLM-5 actuelle et est bien positionné pour une disponibilité rapide dès le premier jour de tout successeur.
Points clés
- GLM-5.5 reste non confirmé et non publié ; les canaux officiels mettent encore en avant GLM-5.3 et GLM-5.3-Flash (août 2026).
- Les rumeurs sur les paramètres ont évolué de >1T (notes d’analystes/JPMorgan, mi-2026) à 2.5–3.5T au total dans des rapports chinois récents (octobre 2026). En tant que modèle MoE, les paramètres actifs par token resteraient bien inférieurs.
- Axes de focalisation d’après les fuites : GLM-5.5 maîtriserait des agents de codage autonomes longue durée, une profondeur de raisonnement accrue, une efficacité d’inférence améliorée, et une possible nouveauté architecturale.
- La fenêtre de sortie spéculative est passée d’août à fin octobre/début novembre 2026, en s’appuyant sur la cadence historique de Z.ai (~54–70 jours entre versions majeures) et un récent avis de compensation qui laissait entrevoir un « nouveau modèle ».
- Tarification inconnue ; des extrapolations depuis les tarifs listés de GLM-5.3 (~$1.40 entrée / $4.40 sortie par million de tokens) et les prix bien plus bas de Flash suggèrent un rapport qualité/prix toujours solide.
- Le positionnement en rival potentiel des modèles Claude haut de gamme (y compris des capacités de classe Fable/Mythos en codage et agents) reste spéculatif mais cohérent avec la trajectoire récente de Z.ai visant à combler les écarts sur les benchmarks SOTA à poids ouverts.
- Les développeurs peuvent accéder dès aujourd’hui aux modèles GLM actuels via CometAPI avec des prix compétitifs et des outils unifiés, et surveiller l’ajout fluide de tout endpoint GLM-5.5.
Qu’est-ce que GLM-5.5 ?
GLM-5.5 est la désignation par la communauté et les médias du prochain grand jalon supposé dans la série GLM-5 de modèles de langage de grande taille.
Contrairement aux versions mineures antérieures principalement axées sur le post-traitement ou l’efficacité sur des bases similaires, les fuites présentent GLM-5.5 comme une étape plus substantielle — potentiellement un saut d’échelle en pré-entraînement ou une évolution architecturale significative visant le codage agentique à long horizon et l’ingénierie de systèmes complexes. Z.ai n’a pas utilisé le nom « GLM-5.5 » dans sa documentation officielle, ses model cards, ses dépôts Hugging Face (zai-org), ses catalogues d’API ou ses notes de version à fin octobre 2026.
Les modèles confirmés actuels mettent l’accent sur le codage, les workflows d’agents, le long contexte (1M tokens sur les versions récentes) et, avec Flash, la multimodalité native. Les rumeurs sur GLM-5.5 prolongent cette direction tout en revendiquant une échelle totale plus grande et des améliorations d’efficacité.
Améliorations présumées / spéculatives pour GLM-5.5
Les fuites parlent d’un saut à 2.5–3.5T de paramètres totaux — environ 3.4–4.7× l’échelle de GLM-5.3. Étant donné qu’il s’agit de modèles MoE, les paramètres actifs (et donc les FLOPs par token) n’augmenteraient pas linéairement. La communauté évoque aussi la possibilité d’éléments Transformeurs récurrents ou bouclés que Z.ai a déjà validés en recherche, ainsi que d’autres raffinements de l’attention hybride et des techniques mHC déjà observées dans Flash.
Une capacité totale plus grande améliore généralement la densité de connaissances, la couverture de compétences rares et la capacité à maintenir la cohérence sur de très longues trajectoires d’agents — à condition que la qualité des données d’entraînement et le post-traitement suivent.
Codage à long horizon et performance agentique
Toutes les versions GLM-5 de 2026 ont insisté sur « du vibe coding à l’ingénierie agentique », des horizons de tâches indépendantes plus longs (à l’échelle de plusieurs heures dans certains messages marketing), l’usage d’outils et des benchmarks de codage (famille SWE-bench, Terminal-Bench, etc.). GLM-5.3 a spécifiquement mis en avant des gains dans le codage complexe et des capacités émergentes liées à la cybersécurité.
Les fuites positionnent GLM-5.5 dans la continuité et l’amplification de cette focalisation : de meilleurs agents autonomes longue durée, une planification multi-étapes plus fiable, et de meilleures performances sur des tâches d’ingénierie de production. Si les revendications de paramètres et d’architecture se confirment, on peut s’attendre à des améliorations mesurables sur les suites agentiques et à une moindre nécessité d’un fort échafaudage ou d’interventions humaines fréquentes.
Que dit réellement la note d’expert GLM-5.4/5.5 ayant fuité ?
Le 21 octobre 2026, l’utilisateur X @NFT_Chen a partagé des captures d’écran d’un résumé d’entretien avec un expert au sujet du prochain modèle de base de Z.ai. L’image ci-dessous reproduit un contenu attribué à une publication sur Xueqiu ; c’est un élément attestant la rumeur circulante, et non une divulgation technique authentifiée de Z.ai.
Les participants à l’entretien original, les documents sources et les preuves techniques n’ont pas été authentifiés de manière indépendante. Par conséquent, les détails ci-dessous décrivent ce que le document ayant fuité affirme plutôt que ce que Z.ai a officiellement annoncé.
Le nombre de paramètres supposé passe à 2.5T–3.5T
La transcription conteste directement une affirmation antérieure selon laquelle GLM-5.5 arriverait fin octobre avec environ 1.6 trillion de paramètres.
À la place, la source alléguée situe le prochain modèle de base entre 2.5 et 3.5 trillions de paramètres.
| Spécification | GLM-5.5 dans CometAPI |
|---|---|
| Développeur | Zhipu AI / Z.ai |
| Nom de modèle possible | GLM-5.4 ou GLM-5.5 |
| Statut de sortie | Non officiellement annoncé |
| Paramètres totaux | 2.5T–3.5T, fuite non vérifiée |
| Paramètres actifs | Non divulgués |
| Architecture | Décrite comme une refonte agressive |
| Approche d’entraînement | Vitesse et efficacité accrues revendiquées |
| Avancement de l’entraînement | Palier de perte antérieur apparemment résolu |
| Fenêtre de contexte | Non divulguée |
| Modalités d’entrée | Non confirmées |
| Cible de performance | Capacité de classe Fable, non vérifiée |
| Inférence | Vitesse et coût réduits visés |
| Déploiement dès le jour 1 | Disponibilité à grande échelle revendiquée |
| Tarification API | Non annoncée |
| Disponibilité en poids ouverts | Non confirmée |
| Date de sortie | Aucune date vérifiée |
Cette distinction entre paramètres totaux et actifs est importante. Un modèle MoE parcimonieux peut contenir des trillions de paramètres au total tout en n’en activant qu’une fraction pour chaque token.
Pourquoi GLM-5.5 aurait-il rencontré des difficultés d’entraînement ?
La transcription décrit une phase antérieure de pré-entraînement durant laquelle la perte a cessé de diminuer comme prévu.
À une échelle de plusieurs trillions de paramètres, ce serait un problème significatif. L’instabilité d’entraînement peut provenir des réglages d’optimisation, d’interactions architecturales, de la précision numérique, de la distribution des données ou du comportement du système distribué. Le document ayant fuité n’établit pas quels facteurs auraient causé le problème allégué.
Il affirme ensuite que le problème a été résolu et que le processus d’entraînement approche de son terme.
Cette interprétation présente deux limites. Premièrement, une perte d’entraînement décroissante ne prouve pas de fortes capacités en aval. Deuxièmement, terminer le pré-entraînement n’établit pas que le post-traitement, les tests de sécurité et le déploiement en production soient achevés.
Que signifie l’affirmation de disponibilité dès le premier jour ?
L’entretien ayant fuité indique que Z.ai souhaite fournir une capacité d’inférence substantielle immédiatement plutôt que de lancer un modèle auquel peu d’utilisateurs peuvent accéder de manière fiable.
Il décrit également des discussions avec plusieurs fournisseurs cloud concernant des accords de partage de revenus, parallèlement au renforcement de l’équipe infrastructure de Z.ai.
Ce sont des affirmations opérationnelles spécifiques, bien qu’aucun nom de fournisseur, contrat, engagement de capacité ou garantie de niveau de service ne soit divulgué.
GLM-5.5 Changements architecturaux majeurs : 2.5T–3.5T
Z.ai a officiellement introduit GLM-5 avec une architecture MoE de 744B paramètres, activant environ 40B de paramètres par token. La version ultérieure GLM-5.3 a réutilisé la base GLM-5.2, avec des améliorations issues du post-traitement plutôt que d’une nouvelle architecture de base.
Quelle serait l’ampleur de GLM-5.5 ?
| Métrique | GLM-5.3 | Rumeur basse GLM-5.5 | Rumeur haute GLM-5.5 |
|---|---|---|---|
| Paramètres totaux | ~744B | 2,500B | 3,500B |
| Échelle relative | 1.0× | 3.36× | 4.70× |
| Stockage des poids en BF16 | ~1.49 TB | ~5.0 TB | ~7.0 TB |
| Stockage des poids en FP8 | ~0.74 TB | ~2.5 TB | ~3.5 TB |
| Paramètres actifs | ~40B | Inconnu | Inconnu |
| Vérification de l’architecture | Spécification officielle de la famille | Non vérifié | Non vérifié |
Les estimations de stockage utilisent des téraoctets décimaux et ne comptent que les valeurs de poids du modèle. Elles excluent les métadonnées de quantification, le cache KV, les activations, les tampons de communication, les réplicas de service et autres surcoûts à l’exécution.
Cependant, une augmentation de 4.7× du total de paramètres ne produirait pas nécessairement une hausse de 4.7× du calcul par token. L’activation parcimonieuse d’experts, l’optimisation mémoire et un meilleur parallélisme de modèle peuvent modifier cette relation.
Quelles améliorations architecturales pourraient rendre cela praticable ?
Deux précédents utiles existent dans la famille GLM publiée.
Premièrement, GLM-5.2 a introduit IndexShare, réutilisant un indexeur d’attention parcimonieuse sur quatre couches d’attention. Z.ai rapporte une réduction de 2.9× des FLOPs d’attention par token à une longueur de contexte d’un million de tokens.
Deuxièmement, GLM-5.3-Flash a adopté une nouvelle architecture entraînée de 320B au total et 18B actifs, combinant attention parcimonieuse et attention linéaire. Il a également introduit Manifold-Constrained Hyper-Connections et un corpus de pré-entraînement multimodal de 30T tokens.
Comparé à GLM-5.3, Z.ai rapporte que GLM-5.3-Flash utilise environ 3.0× moins de calcul d’attention et un cache KV 4.4× plus petit.
Ces améliorations n’établissent pas l’architecture de GLM-5.5. Elles montrent que Z.ai explorait déjà les problèmes d’efficacité qu’un modèle à l’échelle du trillion amplifierait.
Pour un modèle MoE bien plus grand, deux forces s’opposent : un coût de calcul absolu plus élevé face à des techniques de parcimonie et d’efficacité améliorées (attention hybride, mHC évoquées dans les discussions liées à Flash) qui peuvent maintenir des paramètres actifs et un coût d’inférence gérables. Historiquement, le positionnement de Z.ai a privilégié de fortes performances par dollar par rapport aux modèles occidentaux fermés de pointe. On peut s’attendre à une tarification API qui reste compétitive — potentiellement dans une plage similaire aux tarifs actuels des flagships ou légèrement supérieure — surtout si des poids ouverts permettent des options d’auto-hébergement.
GLM-5.5 peut-il réellement prendre en charge l’inférence à grande échelle dès le premier jour ?
Servir un modèle MoE de plusieurs trillions de paramètres crée des défis supplémentaires au-delà du stockage de ses poids. Le routage d’experts, la communication entre accélérateurs, le traitement de préremplissage, le débit de décodage et la gestion de la mémoire pour les contextes longs doivent tous fonctionner de manière fiable sous des charges concurrentes.
Contrairement à la taille du modèle, toutefois, Z.ai a publié des preuves de progrès réels dans son infrastructure de service.
Z.ai a déjà démontré une mise à l’échelle de l’infrastructure
Dans son article de recherche du 17 septembre, Z.ai a décrit comment un agent d’infrastructure propulsé par GLM-5.3 a aidé à mettre GLM-5.3-Flash en production sur un cluster de plus de 100,000 accélérateurs IA domestiques.
Le rapport officiel sur l’infrastructure décrit une amélioration d’environ trois fois des performances de service de bout en bout et un processus d’optimisation de déploiement achevé en moins de deux semaines.
| Indicateur d’infrastructure | Résultat publié de GLM-5.3-Flash | Implication pour GLM-5.5 |
|---|---|---|
| Déploiement d’accélérateurs | Plus de 100,000 accélérateurs domestiques | Preuve d’une infrastructure à grande échelle |
| Performance de bout en bout | Environ 3× d’amélioration | Capacité d’optimisation de service démontrée |
| Délai d’adaptation | Moins de deux semaines jusqu’à la production | Processus de déploiement plus rapides |
| Optimisation assistée par agent | Agent d’infrastructure GLM-5.3 | Potentiel de réutilisation de l’automatisation |
| Capacité GLM-5.5 | Non rapportée | Toujours non vérifiée |
Ces résultats concernent GLM-5.3-Flash, et non le successeur supposé multi-trillions de paramètres.
L’essai GLM HighSpeed apporte-t-il des preuves supplémentaires ?
Le journal des modifications ZCode 3.15.1, daté du 12 octobre 2026, confirme que des abonnés sélectionnés aléatoirement ont pu participer à un essai GLM HighSpeed.
La communauté a associé cet essai au nom GLM-5.3-Highspeed et, dans des cas isolés, à des vitesses de génération exceptionnellement élevées.
Le journal officiel confirme l’essai, mais il n’établit pas de lien avec GLM-5.5 ni ne fournit de benchmark de débit standardisé.
Qu’est-ce qui confirmerait que GLM-5.5 est une véritable mise à niveau de pointe ?
La fuite avance plusieurs affirmations concrètes que de futures divulgations pourront confirmer ou infirmer.
| Affirmation divulguée | Preuve requise | Pourquoi c’est important |
|---|---|---|
| 2.5T–3.5T paramètres | Architecture officielle ou model card | Vérifie le saut d’échelle revendiqué |
| Nouvelle architecture efficiente | Rapport technique et divulgation des paramètres actifs | Explique l’économie d’inférence |
| Difficultés d’entraînement résolues | Informations officielles d’entraînement ou de sortie | Confirme la préparation au déploiement |
| Performance de classe Fable | Évaluations indépendantes concordantes | Établit la compétitivité réelle |
| Disponibilité à grande échelle dès le jour 1 | Capacité de production et mesures de service | Teste la préparation opérationnelle |
| Coût d’inférence réduit | Tarification API publiée et mesures de charge | Détermine la viabilité commerciale |
| Identité du modèle GLM-5.5 | Identifiant officiel du modèle | Distingue la vraie sortie des rumeurs |
Conclusion
La discussion autour de GLM-5.5 illustre à la fois la vitesse de la frontière des poids ouverts et le bruit qui accompagne les fuites non confirmées. Des rumeurs d’échelle atteignant 3.5T, combinées à une focalisation continue sur des capacités agentiques utiles dès le premier jour en codage, ont suscité un réel enthousiasme. En même temps, l’absence de confirmation officielle signifie que les développeurs devraient considérer chaque chiffre et calendrier précis comme provisoire.
L’historique 2026 de Z.ai — itération rapide, modèles ouverts compétitifs et fort accent sur les charges d’ingénierie pratiques — rend plausible une prochaine étape significative. En attendant, la meilleure stratégie est de tirer parti de l’excellente génération GLM-5.3 / Flash déjà disponible. Des plateformes comme CometAPI réduisent la friction de l’expérimentation et positionnent les équipes pour adopter tout successeur dès qu’il devient accessible.