GLM-5 : la famille de modèles et le modèle à l'origine de tout

GLM-5 a été référencé sur OpenRouter le 11 février 2026. Z.ai le décrit comme un modèle « ciblant l'ingénierie des systèmes complexes et les tâches agentiques à long terme » — en d'autres termes, il est conçu pour mener à bien de vastes projets de programmation en plusieurs étapes plutôt que pour servir de simple compagnon de chat rapide.

Sa fiche technique (model card) détaille son architecture en chiffres clairs. Par rapport à GLM-4.5, GLM-5 passe de 355 milliards de paramètres (dont 32 milliards actifs) à 744 milliards de paramètres avec 40 milliards actifs par token, et ses données de pré-entraînement passent de 23 billions à 28,5 billions de tokens. Seule une fraction des poids est mobilisée pour chaque token, ce qui permet à un modèle d'une telle envergure de rester exploitable en production.

GLM-5 adopte également la DeepSeek Sparse Attention (DSA). L'attention clairsemée permet au modèle de se concentrer sur un sous-ensemble sélectionné de tokens antérieurs plutôt que sur la totalité, ce qui, selon Z.ai, réduit considérablement les coûts de déploiement tout en préservant ses capacités sur de longs contextes. Sur OpenRouter, le GLM-5 original dispose d'une fenêtre de contexte d'environ 205K tokens et peut générer jusqu'à environ 131K tokens en une seule réponse.

Pour le post-entraînement, Z.ai a développé slime, une infrastructure d'apprentissage par renforcement asynchrone qui, selon l'entreprise, améliore le débit d'entraînement et autorise des itérations plus fines. La model card fait état de résultats solides sur les benchmarks de raisonnement, de code et d'agents — par exemple 77,8 sur SWE-bench Verified et 56,2 sur Terminal-Bench 2.0 avec l'environnement Terminus 2 — et revendique les meilleures performances de sa catégorie parmi les modèles open source à sa sortie.

Ces chiffres sont ceux mesurés par Z.ai avec ses propres bancs de test. S'ils sont utiles pour comparer les versions de GLM entre elles, le véritable test reste votre propre cas d'usage : collez un problème réel dans le chat et évaluez le résultat par vous-même.

Après GLM-5, Z.ai a déployé une série constante de mises à jour. GLM-5 Turbo (mars 2026) et le modèle multimodal GLM-5V-Turbo (avril 2026) ciblent les flux de travail agentiques rapides via l'API. GLM-5.1 (avril 2026) s'est concentré sur le codage à long terme. GLM-5.2 (juin 2026) a introduit un contexte solide de 1M de tokens ainsi qu'un effort de raisonnement ajustable. GLM-5.3 (août 2026) a conservé la base de GLM-5.2 tout en améliorant le post-entraînement, et GLM-5.3 Flash a intégré la prise en charge native des images et vidéos à un tarif bien plus avantageux. GLM-5.3 FlashX et GLM-5.3 Prime sont quant à eux des variantes d'API conçues pour la haute vitesse.

Cinq de ces modèles — GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 et GLM-5.3 Flash — sont publiés sous forme de poids ouverts (open weights) sur Hugging Face. La fiche technique ci-dessous et le tableau récapitulatif de la gamme présentent chaque modèle avec sa fenêtre de contexte, son tarif et sa licence.

Pour de nouveaux projets, généralement non. Les modèles plus récents de la gamme offrent une fenêtre de contexte plus large, un raisonnement ajustable et, dans le cas de GLM-5.3 Flash, des tarifs nettement plus bas. Le GLM-5 original reste toutefois intéressant si vous recherchez un modèle ouvert entièrement sous licence MIT, doté d'une architecture et d'une publication documentées (arXiv 2602.15763), ou si vous devez reproduire des résultats mesurés sur cette version spécifique.