Face-à-face

Logo de GLM-5.2vsLogo de Kimi K3

GLM-5.2 vs Kimi K3 : quel modèle IA l'emporte en 2026 ?

GLM-5.2 ($4.40/1M out) et Kimi K3 ($15/1M out) comptent parmi les modèles IA les plus utilisés en 2026. Sur 7 votes de la communauté, Kimi K3 arrive en tête avec 57 % d'approbation.

Verdict rapide

Sur le critère Raisonnement, GLM-5.2 et Kimi K3 sont à égalité à 4.5/5. Côté budget, GLM-5.2 l'emporte : il démarre à $4.40/1M out, contre $15/1M out pour Kimi K3.

Comparaison ligne par ligne

À partir de
$4.40/1M outTarif 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.
$15/1M outPrix officiel de la liste API Moonshot pour kimi-k3 : 3 $ par million de tokens en entrée (cache miss), 0,30 $ par million en cas de cache hit, 15 $ par million en sortie trace de raisonnement incluse, tarif fixe sur toute la fenêtre de 1M de tokens (aucun palier selon la longueur). Même tarif de 3 $/15 $ sur OpenRouter (le tarif de cache n'y est pas indiqué). Une hausse de 3 fois par rapport aux 0,95 $/4 $ de Kimi K2.6. Vérifié sur platform.kimi.ai/docs/pricing/chat-k3 en juillet 2026.
Éditeur
Z.ai (Zhipu AI)
Moonshot AI
Fenêtre de contexte
1M tokens (128K max output)
1M tokens
Prix en entrée
$1.40/1M in (cache hit $0.26)
$3/1M in
Prix en sortie
$4.40/1M out
$15/1M out
Modalités
text only
text, vision, video input
Poids ouverts
Oui
Oui
Score de la foule
50%(4)
57%(3)
Notes de l'arène (1-5)
Raisonnement
4.5
4.5
Code
4.5
4.5
Écriture
3.5
4.0
Vitesse
4.0
2.0
Rapport qualité-prix
4.0
3.5

Forces et faiblesses

GLM-5.2

  • 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
  • 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

Kimi K3

  • 3e place de l'Artificial Analysis Intelligence Index (57) au lancement, comparable à Claude Opus 4.8 et GPT-5.5 : le laboratoire chinois qui s'est le plus rapproché de la frontière fermée américaine
  • 93,4 % sur SWE-bench Verified dans le harnais indépendant de Vals AI (GPT-5.6 Sol : 96,2 %, Claude Fable 5 : 95,0 %) et 1re place du Frontend Code Arena d'Arena.ai avec 1679 points, devant Fable 5
  • 93,5 % sur GPQA Diamond (entre les 92,6 % de Fable 5 et les 94,1 % de GPT-5.6), 96,1 % sur AIME 2025, et un Elo de 1668 sur le travail agentique de GDPval-AA v2, juste derrière Fable 5
  • Profil agentique solide : 1re place sur les workflows SaaS d'AutomationBench-AA (53 %), navigation autonome à long horizon dans un terminal et un dépôt via Kimi Code, et environ 21 % de tokens de sortie en moins que K2 pour plus d'intelligence
  • 3 $/15 $ par million de tokens (l'entrée tombe à 0,30 $ en cas de cache hit), tarif fixe sur toute la fenêtre de 1M de tokens : encore bien en dessous des tarifs de la frontière fermée américaine, avec une API compatible OpenAI et une disponibilité sur OpenRouter
  • Entrée multimodale native (texte, image, vidéo) et poids ouverts publiés sur Hugging Face sous la licence Kimi K3 de type MIT, ce qui en fait le premier modèle de frontière à poids ouverts de classe 3 billions de paramètres
  • Un bond de prix multiplié par 3 par rapport à Kimi K2.6 (de 0,95 $/4 $ à 3 $/15 $), ce qui en fait le modèle chinois le plus cher jamais lancé, au tarif de Claude Sonnet 5 : l'époque des modèles « 10 fois moins chers que les modèles américains » est révolue (hausse documentée par Simon Willison)
  • Lent : 33 tokens de sortie par seconde, classé 145e sur 190 modèles sur Artificial Analysis, peu adapté aux usages interactifs
  • Le taux d'hallucination est passé de 39 % (K2.6) à 51 % sur AA-Omniscience, le modèle tentant désormais de répondre là où il aurait refusé auparavant (Fable 5 se situe à un niveau comparable de 54,9 %)
  • Censure politique sur les sujets sensibles en mandarin (élude les questions sur Xi, le PCC, Tiananmen) et juridiction de Pékin pour les données de l'API, un frein à la conformité pour de nombreux déploiements en entreprise et dans l'UE ; l'UK AISI/CAISI a également constaté que ses garde-fous en cybersécurité ne bloquaient pas les tentatives de développement d'exploits lors des tests
  • Des « poids ouverts » théoriques pour la plupart des utilisateurs : environ 594 Go en MXFP4 natif nécessitant un datacenter multi-GPU pour un hébergement autonome, et la licence Kimi K3 exige un accord séparé des revendeurs d'API dépassant 20 M$ de chiffre d'affaires annuel

Rendez votre verdict

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

GLM-5.2$4.40/1M out
50%score de la foule · 4
Kimi K3$15/1M out
57%score de la foule · 3

Le verdict de l'arène sur GLM-5.2

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.

Le verdict de l'arène sur Kimi K3

Kimi K3 est l'argument le plus solide à ce jour montrant que la frontière n'est plus exclusivement américaine : 3e place sur Artificial Analysis, des scores de haut niveau sur GPQA et SWE-bench Verified, et le meilleur classement du secteur sur l'arène de code frontend, le tout à environ la moitié voire le tiers des tarifs de la frontière fermée américaine. À privilégier pour le codage agentique, le travail frontend et l'automatisation SaaS, là où ses résultats sont les plus solides, ou si la feuille de route prévoit d'auto-héberger un modèle de classe frontière une fois les poids publiés. À éviter pour les produits interactifs (33 tokens par seconde, c'est lent), pour tout ce qui touche à des contenus politiquement sensibles ou à des exigences strictes de résidence des données dans l'UE (censure en langue mandarine, juridiction de Pékin), et pour la recherche d'information à haute précision, où son taux d'hallucination de 51 % sur AA-Omniscience impose une couche de vérification. Les équipes obsédées par le coût noteront que DeepSeek V4 offre toujours bien plus de tokens par dollar : l'argument de K3, c'est le pic de capacité par dollar, pas le token le moins cher.

Ce qu'en dit la foule

À propos de GLM-5.2

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.”

À propos de Kimi K3

Capitaine Churn

“Tried it for our knowledge-base assistant and the hallucination rate is real: it confidently invented two API endpoints in one afternoon. 33 tokens per second on top of that. Back to waiting for the open weights to fine-tune.”

Pouce d'Or Maximus

“Our Zapier-style automation stack runs on it now. Tool orchestration that GPT-5.5 fumbled works reliably, and the cache-hit pricing makes repeated workflows genuinely cheap.”

Saint Deployus

“The Frontend Arena ranking is deserved. Gave it the same dashboard spec I gave Fable 5 and K3's React came out cleaner, with fewer invented props. At $3/$15 through OpenRouter it was a drop-in swap.”

Questions fréquentes

GLM-5.2 est-il meilleur que Kimi K3 ?

La foule penche aujourd'hui pour Kimi K3 : 57 % le recommandent, contre 50 % pour GLM-5.2 (7 votes). 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, GLM-5.2 ou Kimi K3 ?

GLM-5.2 est le moins cher : il démarre à $4.40/1M out, tandis que Kimi K3 démarre à $15/1M out.

Combien coûtent GLM-5.2 et Kimi K3 par million de tokens ?

GLM-5.2 : $1.40/1M in (cache hit $0.26) par million de tokens en entrée, $4.40/1M out par million de tokens en sortie. Kimi K3 : $3/1M in par million de tokens en entrée, $15/1M out par million de tokens en sortie.