TL;DR GLM-5.3 est le tout nouveau modèle phare de Z.ai, lancé le 14 août 2026, avec un accent marqué sur l’ingénierie logicielle, les agents autonomes, les tâches de longue durée et la cybersécurité.
Contrairement à une mise à niveau classique, GLM-5.3 conserve le même modèle de base que GLM-5.2. Z.ai affirme que les principaux gains proviennent d’un post-entraînement à grande échelle, fondé sur des workflows d’experts en conditions réelles plutôt que sur l’augmentation de la taille du modèle.
Les résultats mis en avant sont significatifs. Z.ai rapporte une amélioration de 50% des performances en codage par rapport à GLM-5.2 sur son Code Bench interne, tandis que les scores publics incluent 66.9 sur DeepSWE v1.1, contre 46.2 pour GLM-5.2, et 28.5 sur Agents’ Last Exam (CLI), contre 23.8. En cybersécurité, GLM-5.3 a obtenu 84.5% sur CyberGym, légèrement devant Mythos 5 d’Anthropic à 83.8%, tandis qu’ExploitBench est passé de 24.4% à 54.4%.
Points clés à retenir
- GLM-5.3 utilise le même modèle de base que GLM-5.2 ; chaque amélioration provient d’un post-entraînement mis à l’échelle sur des environnements de longue durée.
- Les performances en codage bondissent : Terminal-Bench 3.0 de 4.6 → 28.3 ; DeepSWE v1.1 de 46.2 → 66.9 ; ~50% de mieux sur le Code Bench interne de Z.ai avec une meilleure efficacité en tokens.
- Capacités cyber émergentes : CyberGym 84.5% (SOTA), ExploitBench plus que doublé (24.4% → 54.4%). Découverte en conditions réelles de 2,436 vulnérabilités (1,097 de gravité moyenne à élevée) sur 269 projets.
- Spécifications : Texte uniquement, contexte 1M, 128K tokens de sortie maximum, raisonnement toujours actif avec niveaux d’effort faible/élevé/max.
- Disponibilité : Disponible dès maintenant sur GLM Coding Plan et ZCode ; API et poids ouverts type MIT prévus ~2 semaines après le lancement, après revue de sécurité.
- Positionnement fort pour l’ingénierie agentique, le codage de longue durée et la recherche en sécurité défensive.
- CometAPI offre un accès simple et à prix réduit à la série GLM (et plus de 500 modèles) via une API compatible OpenAI unique — idéal en attendant les endpoints GLM-5.3 natifs.
Qu’est-ce que GLM-5.3 ?
GLM-5.3 est le dernier modèle phare de Z.ai (anciennement Zhipu AI), lancé le 14 août 2026. Il appartient à la famille GLM (General Language Model), qui a évolué rapidement depuis les premières versions ChatGLM vers une série de modèles à poids ouverts puissants optimisés pour le codage, le raisonnement et les workflows agentiques.
Contrairement à une refonte complète du pré-entraînement, GLM-5.3 est construit sur le même modèle de base que son prédécesseur GLM-5.2 (une architecture Mixture-of-Experts d’environ 743–744 milliards de paramètres totaux et ~40 milliards activés par token). Tous les gains de performance proviennent d’un post-entraînement poussé à l’extrême : des environnements de tâches de longue durée multipliés par dizaines, plus de diversité d’environnements, et beaucoup plus de calcul consacré au RL et techniques associées.
Z.ai décrit l’objectif comme allant au-delà du “vibe coding” vers une véritable ingénierie agentique — des modèles qui peuvent prendre en charge des unités de travail professionnelles substantielles sur plusieurs jours, plutôt que de simplement générer des extraits de code isolés. Les environnements d’entraînement incluent désormais des scénarios de production réalistes (par ex., diagnostiquer des goulets d’étranglement à travers des piles d’entraînement ML, implémenter des optimisations, exécuter des expériences, et livrer des accélérations mesurables de bout en bout tout en préservant la correction).
Éléments techniques clés repris et mis à l’échelle depuis GLM-5.2 :
- IndexShare pour un traitement efficace des longs contextes
- SAO (avec compactage) pour le RL sur des tâches à long horizon
- slime (framework RL asynchrone open source) pour l’entraînement à grande échelle
Le modèle est texte uniquement (modalités d’entrée/sortie : texte), prend en charge une fenêtre de contexte d’1 million de tokens, et autorise jusqu’à 128K tokens de sortie. Le raisonnement est toujours activé, avec trois niveaux d’effort : low, high et max (par défaut et recommandé pour le codage : max). La désactivation du raisonnement n’est plus prise en charge.
Fonctionnalités principales de GLM-5.3
- Codage de pointe et capacités agentiques : conçu pour l’ingénierie logicielle complexe, les opérations terminal, les tâches d’agent multi-étapes et des workflows de longue durée pouvant s’étendre sur des heures ou des jours.
- Contexte 1M sans perte : forte rétention sur des bases de code à l’échelle d’un projet, documentation et raisonnement multi-fichiers.
- Multiples modes de réflexion : raisonnement toujours activé avec effort contrôlable (low / high / max) pour équilibrer profondeur vs latence/coût.
- Streaming, appel de fonctions, sortie structurée et mise en cache du contexte : support d’outillage prêt pour la production.
- Forces émergentes en cybersécurité : découverte de vulnérabilités en boîte blanche robuste et planification d’exploitation multi-étapes croissante (principalement à des fins défensives).
- Gains d’efficacité en tokens : de meilleurs résultats avec moins de tokens de sortie que GLM-5.2 à des niveaux de performance équivalents ou supérieurs.
- Feuille de route des poids ouverts : publication des poids prévue ~2 semaines après le lancement sous une licence permissive (dans la lignée MIT des modèles GLM-5.x), après évaluation et durcissement de sécurité centrés sur les nouvelles capacités cyber.
Ces fonctionnalités positionnent GLM-5.3 comme un solide prétendant pour les développeurs construisant des agents de codage, des systèmes d’ingénierie autonomes et des outils de recherche en sécurité.
Améliorations de benchmarks GLM-5.3 : GLM-5.3 vs GLM-5.2
La manière la plus utile d’évaluer GLM-5.3 est d’examiner les benchmarks où Z.ai fournit une comparaison directe avant/après.
Depuis x
Ce que disent réellement les données de benchmark
Premièrement, la mise à niveau par rapport à GLM-5.2 est large. GLM-5.3 s’améliore sur chaque ligne du tableau comparatif de Z.ai. Les plus grands changements relatifs apparaissent sur des tâches difficiles avec un faible point de départ, telles que Terminal-Bench 3.0, ExploitGym et ExploitBench. Cette tendance est cohérente avec l’affirmation de Z.ai selon laquelle des environnements de longue durée plus sophistiqués ont poussé la capacité plus haut sur la courbe de difficulté.
Deuxièmement, GLM-5.3 est compétitif mais pas un leader universel. Il mène la comparaison complète sur CyberGym (84.5), AutomationBench (48.2) et GDPval-AA v2 (1769 Elo). Il est presque à égalité avec GPT-5.6 Sol sur Agents’ Last Exam CLI, 28.5 contre 28.6. Cependant, GPT-5.6 Sol obtient 34.6 sur Terminal-Bench 3.0 et 72.7 sur DeepSWE, tandis que Fable 5 atteint 33.7 et 69.7. Sur ExploitBench, les deux sont à plus de 20 points devant GLM-5.3.
Troisièmement, le harnais et les budgets comptent. Z.ai a évalué différents benchmarks avec des contextes allant de 300K à 1M tokens, des sorties maximales de 64K à 163,840 tokens, et des timeouts jusqu’à dix heures. Plusieurs tests ont utilisé Claude Code 2.1.207 comme harnais d’agent. Les budgets de temps d’ExploitGym ont été normalisés en fonction du débit propre à chaque modèle. Ces choix sont documentés, mais cela signifie que le score mesure un système modèle+harnais plutôt qu’une intelligence abstraite seule.
Comment accéder à GLM-5.3
Au lancement, l’accès est encore en cours de déploiement.
La documentation officielle de Z.ai indique actuellement :
“L’API GLM-5.3 arrive bientôt.”
Dans le même temps, GLM-5.3 est disponible pour les utilisateurs du GLM Coding Plan.
La documentation du GLM Coding Plan de Z.ai indique que le service prend en charge GLM-5.3 aux côtés d’autres modèles GLM et peut être utilisé avec des environnements de codage tels que Claude Code, Cline, OpenCode et des outils associés.
La documentation officielle de ZCode décrit également l’intégration GLM-5.3 via des comptes Z.ai et BigModel.
Tarification de GLM-5.3
La tarification est un domaine où les développeurs doivent être prudents.
Au moment de la publication, la tarification générale de l’API GLM-5.3 n’a pas encore été publiée par Z.ai dans la documentation officielle de l’API GLM-5.3, car l’API est toujours décrite comme “à venir”.
À la place, les développeurs peuvent actuellement accéder au modèle via le GLM Coding Plan.
La page actuelle des offres de Z.ai annonce les prix de départ suivants :
| Plan | Prix affiché | Positionnement |
|---|---|---|
| Lite | $12.60/mois promotion / $18 standard | Développement léger |
| Pro | $56/mois promotion / $80 standard | Charges professionnelles |
| Max | Palier supérieur | Charges à grand volume |
*Les prix et promotions peuvent évoluer ; vérifiez la page de tarification Z.ai en direct avant achat.
Le point important est qu’il s’agit de prix d’abonnement pour le codage, et non d’une tarification API par token équivalente.
Une fois l’API générale GLM-5.3 disponible, les développeurs devraient comparer :
- Coût par token d’entrée
- Coût par token de sortie
- Coût des tokens de raisonnement
- Tarification des entrées mises en cache
- Tarification de la fenêtre de contexte
- Limites de débit
- Coûts des appels d’outils
- Tarification par lots
- Conditions entreprise
plutôt que de comparer les seuls prix d’abonnement.
Tableau de comparaison GLM-5.3 : quel modèle pour quelle charge de travail ?
| Modèle | Signaux forts dans le tableau de Z.ai | Faiblesse relative dans le même tableau | Adéquation pratique |
|---|---|---|---|
| GLM-5.3 | En tête sur CyberGym, AutomationBench et GDPval-AA v2 ; gros gains vs 5.2 | Derrière Fable 5 et GPT-5.6 Sol sur plusieurs tests de code/exploit | Agents de codage sensibles au coût, automatisation, évaluation de sécurité défensive, long horizon |
| GLM-5.2 | Poids ouverts matures, licence MIT, contexte 1M | Loin derrière 5.3 sur les nouveaux benchmarks difficiles | Auto-hébergement dès aujourd’hui, déploiements ouverts reproductibles, trajectoire de migration |
| Kimi K3 | DeepSWE légèrement supérieur ; Toolathlon fort | CyberGym, AutomationBench et GDPval-AA v2 plus faibles que GLM-5.3 | Codage long-contexte et évaluation d’agents lorsque Kimi s’intègre déjà à la pile |
| Claude Fable 5 | Terminal-Bench 3.0, DeepSWE, ExploitBench et ExploitGym plus élevés | AutomationBench, CyberGym et GDPval-AA v2 plus bas | Codage de très haute difficulté et recherche d’exploits lorsque le prix est secondaire |
| GPT-5.6 Sol | Meilleurs Terminal-Bench 3.0, DeepSWE, HLE with tools, et ExploitGym | AutomationBench, CyberGym et GDPval-AA v2 plus bas | Codage général de pointe et agents long horizon avec une option premium |
Ce n’est pas un classement universel. La bonne métrique en production est le coût par résultat accepté sur vos propres tâches, y compris les réessais, la latence, les échecs d’outils et la correction humaine.
Devriez-vous utiliser GLM-5.3 ?
GLM-5.3 mérite une évaluation sérieuse si votre charge inclut du codage à l’échelle d’un dépôt, de l’automatisation, une utilisation d’outils de longue durée, ou de la sécurité défensive. La mise à niveau par rapport à GLM-5.2 est trop large pour être écartée comme du bruit de benchmark, et le résultat d’efficacité en tokens sur le test privé de Z.ai pourrait compter autant que le score brut.
Ce n’est pas un remplacement automatique pour tous les modèles. Fable 5 et GPT-5.6 Sol restent devant sur plusieurs benchmarks de codage et d’exploitation difficiles dans le propre tableau de Z.ai. GLM-5.2 reste plus simple à auto-héberger aujourd’hui. Les fonctionnalités interactives et sensibles à la latence peuvent également préférer un modèle plus rapide avec un raisonnement optionnel ou désactivé.
Pour la plupart des entreprises, la voie pragmatique consiste à tester GLM-5.3 via une API hébergée, le comparer sur des tâches réelles, et router de manière sélective. CometAPI est particulièrement pertinent lorsque vous souhaitez une facturation à l’usage, une réduction affichée de 20%, et des modèles alternatifs disponibles via la même couche d’exploitation. Vérifiez d’abord le catalogue en direct, car cet article capture un état produit au jour du lancement susceptible d’évoluer rapidement.
En résumé
GLM-5.3 est l’une des sorties à poids ouverts les plus significatives d’août 2026 car elle représente un changement de ce que signifie “améliorer un modèle”. Z.ai n’a pas simplement annoncé un modèle plus grand. Au lieu de cela, ils ont conservé la base GLM-5.2 et ont poussé beaucoup plus loin le post-entraînement avec des workflows d’ingénierie réels.
Les résultats sont impressionnants :
- 50% d’amélioration en codage sur le Code Bench de Z.ai
- 46.2 → 66.9 sur DeepSWE v1.1
- 23.8 → 28.5 sur Agents’ Last Exam
- 24.4 → 54.4 sur ExploitBench
- 84.5% sur CyberGym
- Contexte 1M tokens
- Sortie maximale 128K
- Capacités d’agent et d’utilisation d’outils renforcées
Le modèle est actuellement accessible via le GLM Coding Plan de Z.ai, tandis que son API générale arrive. Les poids ouverts sont attendus après une évaluation de sécurité supplémentaire. Pour les développeurs, la plus grande opportunité n’est pas simplement de demander si GLM-5.3 bat un autre modèle sur un leaderboard.
La meilleure question est :
GLM-5.3 peut-il accomplir votre workflow d’ingénierie réel avec moins d’interventions humaines, un coût total plus faible et une latence acceptable ?
C’est le benchmark qui compte.
Pour les équipes expérimentant déjà les modèles GLM, CometAPI constitue un point de départ pratique via son intégration API existante avec GLM-5.2. À mesure que GLM-5.3 devient disponible sur des plateformes tierces, une API unifiée peut faciliter la comparaison de GLM-5.3 avec d’autres modèles de raisonnement et de codage sans reconstruire toute votre pile applicative.
Explorer les modèles GLM sur CometAPI
FAQ sur GLM-5.3
Qu’est-ce que GLM-5.3 ?
GLM-5.3 est le modèle de raisonnement d’août 2026 de Z.ai pour le codage complexe, les agents de longue durée, l’automatisation et la cybersécurité. Il utilise le même modèle de base que GLM-5.2, ses gains étant attribués à un post-entraînement mis à l’échelle sur des environnements exécutables plus nombreux et plus difficiles.
GLM-5.3 est-il meilleur que GLM-5.2 ?
Oui, sur chaque benchmark du tableau de lancement GLM-5.3 de Z.ai. Exemples : Terminal-Bench 3.0 passe de 4.6 à 28.3, DeepSWE de 46.2 à 66.9, AutomationBench de 26.2 à 48.2, et ExploitBench de 24.4 à 54.4.
GLM-5.3 est-il open source ?
Z.ai le qualifie de modèle à poids ouverts mais n’a pas publié les poids le jour du lancement. L’entreprise indique que les poids seront publiés deux semaines après le lancement du 14 août, une fois l’évaluation et le durcissement de sécurité terminés.
Pourquoi GLM-5.3 est-il notable en cybersécurité ?
Z.ai rapporte 84.5 sur CyberGym, 54.4 sur ExploitBench, et 105/130 tâches ExploitGym complétées avec des budgets normalisés de deux/six heures. Le modèle s’améliore nettement par rapport à GLM-5.2, mais les sorties de sécurité nécessitent toujours autorisation, sandboxing, revue d’experts et divulgation coordonnée.
Comment puis-je accéder à l’API GLM-5.3 ?
Z.ai fournit GLM-5.3 via son GLM Coding Plan et ZCode. CometAPI liste l’ID de modèle glm-5.3 avec un endpoint de production compatible OpenAI.
GLM-5.3 prend-il en charge une fenêtre de contexte de 1M tokens ?
Z.ai a évalué certains benchmarks GLM-5.3 avec un contexte de 1M tokens et GLM-5.3 partage le modèle de base de GLM-5.2, dont la fonctionnalité phare est un contexte 1M.
GLM-5.3 prend-il en charge la vision ou l’entrée image ?
Aucune capacité de vision n’a été confirmée dans la publication de lancement officielle. CometAPI liste actuellement l’entrée texte et la sortie texte, les développeurs doivent donc considérer GLM-5.3 comme texte uniquement sauf spécification multimodale publiée par Z.ai ou le fournisseur d’API.
GLM-5.3 est-il le meilleur modèle pour le codage ?
C’est l’un des modèles les plus solides dans la comparaison de lancement de Z.ai et une grande amélioration par rapport à GLM-5.2, mais il n’est pas premier sur tous les benchmarks de codage. GPT-5.6 Sol et Fable 5 obtiennent de meilleurs scores sur Terminal-Bench 3.0 et DeepSWE, donc le meilleur modèle dépend de la charge, de la latence, du prix et du taux de résultats acceptés.