GLM-4.6

2025-09-30 · Éditeur : Z.ai · Domaine : Intelligence Artificielle

Z.ai a publié GLM-4.6, mise à jour de GLM-4.5 : contexte porté de 128K à 200K tokens, meilleur code agentique, raisonnement avec outils, poids ouverts sous licence MIT.

Z.ai a publié GLM-4.6, mise à jour de GLM-4.5 : contexte porté de 128K à 200K tokens, meilleur code agentique, raisonnement avec outils, poids ouverts sous licence MIT. ### Contexte GLM-4.6 sort un jour après Claude Sonnet 4.5 (29 septembre 2025) et deux mois après GLM-4.5. Le paysage ouvert comprend DeepSeek-V3.1-Terminus, avec qui l'éditeur se compare. L'enjeu est de consolider l'offre de code agentique de Z.ai, vendue via un GLM Coding Plan compatible avec Claude Code, Cline, Roo Code et Kilo Code. ### Ce que le modèle apporte - Une fenêtre de contexte élargie de 128K à 200K tokens, avec 128K tokens de sortie maximale (documentation API). - De meilleurs scores de code et un meilleur comportement dans des agents réels (Claude Code, Cline, Roo Code, Kilo Code), y compris pour des pages front-end soignées. - Un raisonnement plus fort, avec appel d'outils pendant l'inférence. - Des agents de recherche et d'outils plus performants, et une écriture mieux alignée sur les préférences humaines. - Environ 15 % de tokens en moins que GLM-4.5 pour finir une tâche, selon l'éditeur (CC-Bench). ### Architecture et caractéristiques - Même famille et même méthode d'inférence que GLM-4.5 (MoE 355B total, 32B actifs selon la fiche de GLM-4.5) ; le décompte des métadonnées HF donne environ 356,8 Md de paramètres. - Contexte : 200K ; sortie maximale : 128K ; modalité : texte ; date de coupure : non communiquée. - Licence : MIT. Poids : zai-org/GLM-4.6 (et FP8). Pas de rapport technique dédié : la fiche renvoie au rapport GLM-4.5 (arXiv 2508.06471). ### Coût et accès | Élément | Valeur (tarif courant) | |---|---| | API GLM-4.6, entrée | 0,6 USD par million de tokens | | API GLM-4.6, entrée en cache | 0,11 USD par million de tokens | | API GLM-4.6, sortie | 2,2 USD par million de tokens | | Auto-hébergement | Même configuration que GLM-4.5 (8 H100 en FP8 selon sa fiche) ; non requalifiée pour GLM-4.6 | ### Benchmarks | Benchmark | GLM-4.6 | Claude Sonnet 4.5 | GPT-5-High | |---|---|---|---| | SWE-bench Verified | 68,0 | 77,2 | 74,9 | | Terminal Bench 2.0 | 24,5 | 42,8 | 35,2 | | GPQA-Diamond | 81,0 | 83,4 | 85,7 | | AIME 2025 | 93,9 | 87,0 | 94,6 | | LiveCodeBench v6 | 82,8 | 64,0 | 87,0 | | BrowseComp | 45,1 | 24,1 | 54,9 | Source : tableau de la fiche Hugging Face de GLM-4.7 (colonne GLM-4.6), scores mesurés par l'éditeur, publiés en décembre 2025 et non dans le billet de lancement de GLM-4.6 dont le tableau est une image. Sur CC-Bench (52 tâches, évaluateurs humains), GLM-4.6 obtient 48,6 % de victoires contre Claude Sonnet 4 (billet officiel). ### Face aux modèles fermés Le modèle fermé de référence de la période est Claude Sonnet 4.5, publié la veille (date issue de l'annonce Anthropic, non reconsultée pour cette fiche). Dans le tableau de l'éditeur, GLM-4.6 est en retrait de Sonnet 4.5 en code agentique (68,0 contre 77,2 sur SWE-bench Verified, 24,5 contre 42,8 sur Terminal Bench 2.0) mais devance Sonnet 4.5 sur BrowseComp (45,1 contre 24,1) et sur AIME 2025 (93,9 contre 87,0). Face à GPT-5-High, le modèle est en dessous sur toutes les lignes citées. Sur CC-Bench, l'éditeur annonce une quasi-parité avec Claude Sonnet 4 (48,6 % de victoires), un modèle de la génération précédente. L'argument de coût est fort : l'éditeur avance un GLM Coding Plan à un septième du prix d'une offre Claude équivalente avec trois fois le quota (annonce commerciale non vérifiée). Le choix ouvert se justifie surtout par la souveraineté et l'auto-hébergement, non par un avantage de score. ### À retenir GLM-4.6 consolide GLM-4.5 avec 200K de contexte et moins de tokens consommés. Il reste sous les meilleurs modèles fermés en code agentique, mais avec des poids MIT et un prix API bas.

Tags : LLM, Open Source, Z.ai, Zhipu AI, GLM, MIT, MoE, Code