Face-à-face

Logo de Gemini 3 ProvsLogo de GLM-5.3

Gemini 3 Pro vs GLM-5.3 : quel modèle IA l'emporte en 2026 ?

Gemini 3 Pro ($12/1M out (prompts ≤200K)) et GLM-5.3 ($4.40/1M out) comptent parmi les modèles IA les plus utilisés en 2026. Sur 3 votes de la communauté, Gemini 3 Pro arrive en tête avec 57 % d'approbation.

Verdict rapide

Sur le critère Raisonnement, choisissez Gemini 3 Pro : l'arène le note 4.5/5, contre 3.5/5 pour GLM-5.3. Côté budget, GLM-5.3 l'emporte : il démarre à $4.40/1M out, contre $12/1M out (prompts ≤200K) pour Gemini 3 Pro.

Comparaison ligne par ligne

À partir de
$12/1M out (prompts ≤200K)Palier standard : $2/$12 par million de tokens pour les prompts ≤200K, $4/$18 au-delà de 200K ; batch à -50 %. Retiré le 9 mars 2026, son successeur Gemini 3.1 Pro conserve un prix identique.
$4.40/1M outPrix officiel de l'API Z.ai pour GLM-5.3 : 1,40 $ par million de tokens en entrée, 0,26 $ en cache, 4,40 $ en sortie ; stockage du cache gratuit pour une durée limitée. GLM-5.3-Flash (0,15 $/0,50 $) et GLM-5.3-FlashX (0,37 $/1,25 $) sont des variantes moins chères. Vérifié sur docs.z.ai/guides/overview/pricing le 2026-11-17.
Éditeur
Google (DeepMind)
Z.ai (Zhipu AI)
Fenêtre de contexte
1M tokens (64K output)
1M tokens (128K max output)
Prix en entrée
$2/1M in (prompts ≤200K)
$1.40/1M in (cache hit $0.26)
Prix en sortie
$12/1M out (prompts ≤200K)
$4.40/1M out
Modalités
text, image, audio, video in; text out
text only
Poids ouverts
Non
Oui
Score de la foule
57%(3)
50%(0)
Notes de l'arène (1-5)
Raisonnement
4.5
3.5
Code
4.5
4.0
Écriture
3.5
3.5
Vitesse
3.5
3.0
Rapport qualité-prix
4.0
3.5

Forces et faiblesses

Gemini 3 Pro

  • En tête de LMArena à son lancement avec un record de 1501 Elo et 91,9 % sur GPQA Diamond, état de l'art à sa sortie
  • ARC-AGI-2 à 31,1 %, environ 6x Gemini 2.5 Pro (4,9 %) et près du double de GPT-5.1 (17,6 %) à l'époque
  • Compréhension multimodale de premier ordre : 81 % sur MMMU-Pro, 87,6 % sur Video-MMMU, avec une fenêtre de contexte de 1M de tokens
  • Codage agentique solide : 76,2 % sur SWE-bench Verified, 54,2 % sur Terminal-Bench 2.0, 1487 Elo sur WebDev Arena
  • Prix plus bas que ses rivaux à $2/$12 par million de tokens, sous les tarifs de classe Claude Sonnet ($3/$15)
  • Le thinking_level configurable (low/medium/high) permet aux développeurs d'arbitrer profondeur de raisonnement, latence et coût
  • Hallucinations avec excès de confiance : sur AA-Omniscience, il a donné une mauvaise réponse 88 % du temps au lieu de s'abstenir, contre 48 % pour Claude Sonnet 4.5 (the-decoder)
  • Flagornerie largement rapportée par les testeurs (Zvi Mowshowitz : « une vaste intelligence sans colonne vertébrale ») ; exige des prompts système stricts
  • Problèmes de fiabilité des appels d'outils dans les stacks d'agents : les développeurs rapportaient des sorties d'outils déversées dans le fil de conversation et plus d'échafaudage nécessaire qu'avec les modèles OpenAI/Anthropic
  • Lent à thinking level élevé : temps jusqu'au premier token mesuré autour de 30-60 s sur AI Studio malgré ~130 tokens/s en sortie
  • Retiré : arrêté sur l'API Gemini et AI Studio le 9 mars 2026, gemini-3-pro-preview étant désormais un alias de Gemini 3.1 Pro

GLM-5.3

  • Gros progrès en code agentique par rapport à GLM-5.2 selon Z.ai : DeepSWE v1.1 passe de 46,2 à 66,9, Terminal-Bench 3.0 de 4,6 à 28,3, et Z.ai Code Bench de 23,4 % à 34,5 % avec moins de tokens de sortie
  • Même prix que GLM-5.2 : 1,40 $ par million en entrée (0,26 $ en cache) et 4,40 $ en sortie, avec stockage du cache gratuit pour une durée limitée
  • Poids téléchargeables sur Hugging Face : on peut l'héberger soi-même, contrairement aux modèles fermés américains
  • Contexte d'un million de tokens et jusqu'à 128K tokens en sortie, adapté au travail sur un dépôt entier ou de longs documents
  • Bons résultats en sécurité selon Z.ai : CyberGym 84,5 % contre 77,2 % pour GLM-5.2, ExploitBench 54,4 % contre 24,4 %
  • Appel de fonctions, streaming, cache de contexte et sortie JSON structurée sur l'API officielle
  • Loin de la frontière sur les tests indépendants : 32 à l'Intelligence Index v5 d'Artificial Analysis, à peu près comme DeepSeek-V4.1-Flash (33), quatre fois moins cher par token de sortie
  • Très bavard et lent à son effort max par défaut : 135 millions de tokens de sortie pour l'index, environ 60 s avant le premier token de réponse et 5,01 $ par tâche de l'index selon Artificial Analysis
  • Les poids passent de la licence MIT de GLM-5.2 à une licence GLM-5.3 qui n'autorise l'usage commercial qu'avec des restrictions
  • Impossible de couper le raisonnement : les requêtes avec thinking désactivé échouent désormais, ce qui pénalise les usages sensibles à la latence
  • Entrée texte uniquement : ni image, ni audio, ni vidéo, alors que la plupart des concurrents à ce prix sont multimodaux

Rendez votre verdict

Une recommandation par outil et par gladiateur. Elle façonne le score de foule que tout le monde voit.

Gemini 3 Pro$12/1M out (prompts ≤200K)
57%score de la foule · 3
GLM-5.3$4.40/1M out
50%score de la foule · 0

Le verdict de l'arène sur Gemini 3 Pro

Une sortie marquante qui a remis Google au sommet fin 2025, avec un énorme bond en raisonnement par rapport à Gemini 2.5 Pro et les meilleurs scores multimodaux de sa génération. À la mi-2026, il n'y a aucune raison de le choisir : Google l'a arrêté sur l'API le 9 mars 2026, et Gemini 3.1 Pro coûte exactement le même prix tout en plus que doublant la performance sur ARC-AGI-2 (77,1 % contre 31,1 %). Les équipes sur des déploiements hérités devraient migrer vers 3.1 Pro, vers lequel l'ancien ID de modèle pointe désormais de toute façon. Évitez-le pour les charges sensibles aux hallucinations, sauf à ajouter du grounding, une faiblesse que les testeurs ont signalée à répétition.

Le verdict de l'arène sur GLM-5.3

GLM-5.3 est la version de GLM à utiliser maintenant : même prix que GLM-5.2, même modèle de base, mais nettement meilleur en code agentique et en sécurité d'après les benchmarks de Z.ai. Prenez-le pour des agents de code, l'automatisation du terminal ou l'auto-hébergement si vous voulez des poids téléchargeables d'une taille proche de la frontière. Restez réaliste : Artificial Analysis lui donne 32, au niveau de DeepSeek-V4.1-Flash, bien moins cher et qui accepte les images. Son raisonnement toujours actif le rend lent (environ une minute avant le premier token de réponse en effort max), et la nouvelle licence est moins permissive que la licence MIT de GLM-5.2 : lisez les conditions avant de bâtir un produit commercial sur les poids.

Ce qu'en dit la foule

À propos de Gemini 3 Pro

Juge Redoutable

“Confidently wrong is its worst mode. On AA-Omniscience it gave a wrong answer 88% of the time instead of declining. Add the sycophancy and you need a tight system prompt to trust it.”

Champion des Vibes

“ARC-AGI-2 at 31% was about 6x Gemini 2.5 Pro and nearly double GPT-5.1 at the time. For visual-heavy work (81 MMMU-Pro) nothing else came close.”

Glorius Maximus

“1501 Elo on LMArena at launch was deserved. Multimodal is where it kills, I feed it lecture videos and dense PDFs and it just gets it. 1M context helps.”

À propos de GLM-5.3

Pas encore de verdict. Soyez le premier à vous exprimer.

Questions fréquentes

Gemini 3 Pro est-il meilleur que GLM-5.3 ?

La foule penche aujourd'hui pour Gemini 3 Pro : 57 % le recommandent, contre 50 % pour GLM-5.3 (3 votes). Sur le critère Raisonnement, Gemini 3 Pro obtient la meilleure note (4.5/5 contre 3.5/5). Le bon choix dépend de votre usage. La comparaison ligne par ligne de cette page passe en revue les prix, les caractéristiques clés et les notes de l'arène.

Lequel est le moins cher, Gemini 3 Pro ou GLM-5.3 ?

GLM-5.3 est le moins cher : il démarre à $4.40/1M out, tandis que Gemini 3 Pro démarre à $12/1M out (prompts ≤200K).

Combien coûtent Gemini 3 Pro et GLM-5.3 par million de tokens ?

Gemini 3 Pro : $2/1M in (prompts ≤200K) par million de tokens en entrée, $12/1M out (prompts ≤200K) par million de tokens en sortie. GLM-5.3 : $1.40/1M in (cache hit $0.26) par million de tokens en entrée, $4.40/1M out par million de tokens en sortie.