GLM-5.3-Flash

Zhipu AI a officiellement révélé GLM-5.3-Flash le 26 août 2026, en confirmant que c’était le modèle auparavant mis en ligne de façon anonyme sur des plateformes de test sous le nom « Ox Alpha », qui avait attiré plus de 50 billions de tokens de trafic en cinq jours avant que l’on sache qui l’avait construit. C’est un mélange d’experts de 320 milliards de paramètres, dont 18 milliards actifs par token, la première version nativement multimodale de la gamme GLM-5. Il combine une attention hybride, sparse et linéaire, avec une fenêtre de contexte de 1 million de tokens. Zhipu l’a préentraîné sur un corpus multimodal de 30 billions de tokens et indique qu’il égale les modèles sur GPU Nvidia en efficacité et en coût par token, tout en tournant sur des puces chinoises nationales.

Le tarif tombe très en dessous de celui du GLM-5.3 de Zhipu : 0,15 $ par million de tokens d’entrée et 0,50 $ par million de tokens de sortie au prix catalogue, avec une promotion de lancement qui coupe ce tarif à peu près de moitié jusqu’au début de septembre. Cela revient à environ un dixième du tarif publié de GLM-5.3, ce qui place GLM-5.3-Flash comme une option moins chère et plus rapide pour les charges multimodales et agentiques, plutôt que comme un remplaçant du modèle de code phare de Zhipu.