L'arène · test de modèle IA

GLM-5.2

par Z.ai (Zhipu AI)

Le meilleur modèle à poids ouverts selon Artificial Analysis : un MoE de 753 milliards de paramètres sous licence MIT qui bat GPT-5.5 sur SWE-Bench Pro, à un sixième du prix

Note de l'arène 4.1/550 % le recommandent · 4 votes
Raisonnement4.5
Code4.5
Écriture3.5
Vitesse4.0
Rapport qualité-prix4.0
Visiter GLM-5.2code agentique et travail au long cours sur un dépôtéquipes cherchant un niveau frontière sur des poids auto-hébergéscharges contraintes par le budget qui tolèrent un raisonnement verbeuxanalyse de bases de code et de documents sur un million de tokens
Prix

$4.40/1M out

Tarif officiel Z.ai pour glm-5.2 : 1,40 $ par million de tokens en entrée, 0,26 $ en cas de cache hit, 4,40 $ en sortie. Les fournisseurs tiers affichent les mêmes 1,40 $ / 4,40 $. Le stockage du cache d'entrée est gratuit pour une durée limitée. Vérifié sur la page de tarifs docs.z.ai, 08/2026.

Éditeur

Z.ai (Zhipu AI)

Fenêtre de contexte

1M tokens (128K max output)

Prix en entrée

$1.40/1M in (cache hit $0.26)

Prix en sortie

$4.40/1M out

Modalités

text only

Poids ouverts

Oui

Qu'est-ce que GLM-5.2 ?

Sorti le 17/06/2026 par Z.ai (anciennement Zhipu AI), basé à Pékin. GLM-5.2 est un modèle Mixture-of-Experts de 753 milliards de paramètres, dont environ 40 milliards actifs par token, avec une fenêtre de contexte d'un million de tokens et 128K de sortie maximale, publié sous licence MIT avec des poids téléchargeables. Le tarif officiel de l'API est de 1,40 $ par million de tokens en entrée (0,26 $ en cas de cache hit) et 4,40 $ en sortie. Artificial Analysis le classe 4e sur 106 modèles de son Intelligence Index avec un score de 53, et premier des modèles à poids ouverts disponibles. Il obtient 62,1 sur SWE-Bench Pro, devant les 58,6 de GPT-5.5, ainsi que 82,7 sur Terminal-Bench 2.1 et 91,2 sur GPQA-Diamond. L'architecture introduit IndexShare, qui réduit de 2,9 fois les FLOPs par token sur la fenêtre de contexte complète, et un décodage spéculatif amélioré.

GLM-5.2 : points forts et points faibles

Points forts

  • Premier des modèles à poids ouverts sur l'Artificial Analysis Intelligence Index (score 53, 4e sur 106) : le modèle le plus puissant que vous puissiez réellement télécharger et héberger vous-même, sous licence MIT
  • 62,1 sur SWE-Bench Pro, devant les 58,6 de GPT-5.5, avec 82,7 sur Terminal-Bench 2.1 et 91,2 sur GPQA-Diamond : du code et du raisonnement de niveau frontière, pas une approximation économique
  • 1,40 $ par million de tokens en entrée et 4,40 $ en sortie (0,26 $ en entrée sur cache hit), soit environ un sixième du coût par token de GPT-5.5 ou Claude Opus 4.8
  • Réellement rapide : 153,2 tokens par seconde en sortie et 1,39 s avant le premier token, très loin devant les 33 tokens/s de Kimi K3 dans la même catégorie
  • Fenêtre de contexte d'un million de tokens avec 128K de sortie, et une architecture IndexShare qui divise par 2,9 les FLOPs par token à pleine longueur de contexte
  • Licence MIT et poids publiés : l'auto-hébergement supprime à la fois la dépendance au fournisseur et la question de la juridiction des données qui se pose sur l'API hébergée

Points faibles

  • Le plus verbeux des grands modèles : 43 000 tokens de sortie par tâche Artificial Analysis (dont 37 000 de raisonnement), soit 1,8 fois la moyenne, si bien que le prix affiché se traduit par 0,32 $ la tâche et environ 75 secondes de bout en bout sur OpenRouter
  • Faible en connaissance corrigée des hallucinations : 4 sur AA-Omniscience contre 27 pour Claude Opus 4.8, 23 pour Gemini 3.5 Flash et 20 pour GPT-5.5, autrement dit il répond avec assurance là où de meilleurs modèles s'abstiennent
  • Texte uniquement : ni image ni audio en entrée, alors que la plupart de ses concurrents directs sont nativement multimodaux
  • Artificial Analysis le juge cher par rapport aux autres modèles à poids ouverts de taille comparable : l'argument prix tient face à la frontière américaine fermée, pas face au monde ouvert
  • 753 milliards de paramètres imposent une infrastructure multi-GPU pour l'auto-hébergement ; pour la plupart des équipes, « poids ouverts » signifie portabilité et droit d'audit plutôt que capacité réelle à le faire tourner

Le verdict de l'arène

GLM-5.2 est le meilleur modèle que vous puissiez télécharger aujourd'hui. Il domine le champ des poids ouverts sur Artificial Analysis, bat GPT-5.5 sur SWE-Bench Pro et coûte environ un sixième de la frontière américaine fermée par token. Prenez-le pour le code agentique, le travail de fond sur un dépôt et l'analyse à un million de tokens, en particulier si l'auto-hébergement ou la liberté de licence comptent dans votre feuille de route. Surveillez la verbosité : il consomme 43 000 tokens de sortie par tâche, la facture réelle approche donc 0,32 $ par tâche et les réponses prennent environ 75 secondes, ce qui l'exclut des produits interactifs. Et ne l'utilisez pas comme oracle de connaissances : son score de 4 sur AA-Omniscience, contre 27 pour Opus 4.8, signifie qu'il répondra avec assurance là où il devrait s'abstenir, donc prévoyez une couche de vérification sur tout ce qui est factuel. Pour le coût par token pur, DeepSeek V4 reste moins cher ; l'argument de GLM-5.2, c'est un niveau frontière que vous pouvez posséder.

Pouce levé ou pouce baissé

Rendez votre verdict

Recommanderiez-vous GLM-5.2, ou mettriez-vous la foule en garde ?

50%score de la foule · 4

Meilleures alternatives à GLM-5.2

Toutes les alternatives
1
Gemini 3.8 Flash

Modele de travail Google de septembre 2026 : contexte 1M, tarif promo 0,75 $/3,75 $, vitesse de sortie 305 tokens/s

$3.75/1M out60%(1)
Visit
2
Gemini 3 Pro

Le modèle frontière de Google de nov. 2025 : contexte 1M, premier au-dessus de 1500 Elo sur LMArena, remplacé par Gemini 3.1 Pro.

$12/1M out (prompts ≤200K)57%(3)
Visit
3
Grok 4.3

Le modèle frontière à contexte 1M de xAI à $1.25/$2.50 par million de tokens, optimisé pour l'usage agentique d'outils.

$2.50/1M out
Visit

Comparez GLM-5.2 en face-à-face

Ce qu'en dit la foule

Sans Remboursus

“yok”

Sans Remboursus

“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”

Gardien du Repo

“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”

Champion des Vibes

“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”

GLM-5.2 : questions fréquentes

Combien coûte GLM-5.2 par million de tokens ?

GLM-5.2 coûte $1.40/1M in (cache hit $0.26) par million de tokens en entrée et $4.40/1M out par million de tokens en sortie. Tarif officiel Z.ai pour glm-5.2 : 1,40 $ par million de tokens en entrée, 0,26 $ en cas de cache hit, 4,40 $ en sortie. Les fournisseurs tiers affichent les mêmes 1,40 $ / 4,40 $. Le stockage du cache d'entrée est gratuit pour une durée limitée. Vérifié sur la page de tarifs docs.z.ai, 08/2026.