GLM-5.3

2026-08-14 · Éditeur : Z.ai · Domaine : Intelligence Artificielle

Z.ai a lancé GLM-5.3 le 14 août 2026, même base que GLM-5.2 mais post-entraînement renforcé : meilleur code long, cybersécurité (CyberGym 84,5). Poids ouverts le 25 août, sous une licence GLM-5.3 propre, non MIT.

Z.ai a lancé GLM-5.3 le 14 août 2026, même base que GLM-5.2 mais post-entraînement renforcé : meilleur code long, cybersécurité (CyberGym 84,5). Poids ouverts le 25 août, sous une licence GLM-5.3 propre, non MIT. ### Contexte Deux mois après GLM-5.2, l'éditeur reprend la même base et concentre l'effort sur le post-entraînement. Les modèles fermés comparés sont Claude Opus 4.8, « Fable 5 (avec repli) » et GPT-5.6 Sol, les ouverts Kimi K3, DeepSeek-V4 Pro-0813 et Qwen3.8-Max. Le billet précise que les poids sortent deux semaines après le lancement, une fois l'évaluation de sécurité et le durcissement terminés. ### Ce que le modèle apporte - Une amélioration de 50 % par rapport à GLM-5.2 sur Z.ai Code Bench (benchmark interne) et un état de l'art ouvert sur Terminal Bench 3.0 (28,3 contre 4,6 pour GLM-5.2) et Agents' Last Exam, selon l'éditeur. - Une capacité cyber qualifiée d'émergente : état de l'art sur CyberGym (84,5) pour la découverte de vulnérabilités, avec des gains plus forts en exploitation (ExploitGym à 2 h : 105 contre 29 pour GLM-5.2). - Le billet publie un registre : 2 436 failles suivies, 53 divulguées publiquement, 2 383 sous embargo, dont 1 097 critiques ou élevées, dans 269 projets open source ; les notes de version parlent d'une parité avec « Mythos 5 » en revue de code et découverte de vulnérabilités (revendication de l'éditeur, non vérifiée). - Le paramètre reasoning_effort (low, high, max ; max par défaut) pour piloter le budget de réflexion. ### Architecture et caractéristiques - Même base que GLM-5.2 (MoE glm_moe_dsa, 256 experts dont 8 actifs, 78 couches ; environ 753,3 Md de paramètres au décompte HF). Contexte : 1M tokens ; sortie maximale non lue pour ce modèle ; modalité : texte. - LICENCE : « GLM-5.3 License », propre à l'éditeur. Elle autorise usage, copie, modification, distribution et vente, mais impose une revue de sécurité par Z.ai avant tout usage commercial pour un licencié (ou ses affiliés) exploitant un service « Model as a Service » et dépassant 10 milliards USD de revenus cumulés sur 12 mois. Ce n'est donc plus la licence MIT des versions 5 à 5.2. - Poids : zai-org/GLM-5.3 (et BF16), publiés le 25 août 2026 sur Hugging Face. ### Coût et accès | Modèle (API Z.ai, tarif courant) | Entrée /M | Entrée en cache /M | Sortie /M | |---|---|---|---| | GLM-5.3 | 1,4 USD | 0,26 USD | 4,4 USD | ### Benchmarks | Benchmark | GLM-5.3 | GLM-5.2 | Claude Opus 4.8 | Fable 5 (avec repli) | GPT-5.6 Sol | |---|---|---|---|---|---| | Terminal Bench 2.1 | 88,2 | 81,0 | 85,0 | 88,0 | 88,8 | | Terminal Bench 3.0 | 28,3 | 4,6 | 21,1 | 33,7 | 34,6 | | DeepSWE (v1.1) | 66,9 | 46,2 | 58,0 | 69,7 | 72,7 | | CyberGym | 84,5 | 77,2 | 78,1 | 83,8 | 83,6 | | ExploitGym (2 h / 6 h) | 105 / 130 | 29 / 39 | 80 / 120 | 181 / 247 | 216 / 293 | | Toolathlon Verified | 73,0 | 59,9 | 76,2 | 74,7 | 74,9 | | HLE avec outils | 62,5 | 54,7 | 57,9 | 63,9 | 64,5 | | GDPval-AA v2 | 1769 | 1508 | 1588 | 1743 | 1730 | Source : fiche modèle Hugging Face et billet z.ai de GLM-5.3, scores publiés par l'éditeur ; GDPval-AA v2 est mesuré par Artificial Analysis, FrontierSWE par Proximal. ### Face aux modèles fermés Sur Terminal Bench 2.1, GLM-5.3 (88,2) dépasse Claude Opus 4.8 (85,0) et Fable 5 avec repli (88,0), et reste à 0,6 point de GPT-5.6 Sol (88,8). Sur CyberGym, il est en tête de la ligne (84,5 contre 83,8 et 83,6). En exploitation, l'écart avec les deux meilleurs modèles fermés est net : 105 contre 181 et 216 à deux heures sur ExploitGym. Sur Terminal Bench 3.0, il reste à 5,4 points de Fable 5 (28,3 contre 33,7) et 6,3 points de GPT-5.6 Sol (34,6). L'API est à 1,4 USD en entrée et 4,4 USD en sortie par million de tokens ; aucun tarif fermé contemporain n'a été vérifié. Pour le choix ouvert ou fermé, le changement de licence compte : usage commercial libre pour la grande majorité des acteurs, mais contrôle préalable de sécurité pour les très gros fournisseurs de modèles en service. ### À retenir GLM-5.3 rapproche un modèle ouvert du niveau fermé de pointe en code et en cybersécurité, sans nouvelle base. C'est aussi la première version de la série 5 hors licence MIT, avec un seuil de 10 milliards USD de revenus pour les fournisseurs de « Model as a Service ».

Tags : LLM, Open Source, Z.ai, Zhipu AI, GLM, MoE, Cybersécurité, Licence GLM-5.3