Magazine LLM Opensource · 13 October 2026

GLM-5.1, 5.2, 5.3 : comment Z.ai a fait basculer la hiérarchie mondiale de l’IA open source

Le 7 avril 2026, Z.ai (ex-Zhipu AI) publiait sur Hugging Face les poids de GLM-5.1, un modèle Mixture-of-Experts de 744 milliards de paramètres sous licence MIT. Avec un score de 58,4 % sur SWE-Bench Pro, il devenait le premier modèle open source à surpasser tous les modèles propriétaires sur un benchmark de codage réel. Six mois plus tard, l’onde de choc s’est transformée en raz-de-marée : GLM-5.2 puis GLM-5.3, DeepSeek V4-Pro, Kimi K3, Qwen3.8-Max, Hy4, et à l’automne les européens Mistral Large 4 et Beam de Reflection AI ont enchaîné, et la hiérarchie mondiale de l’IA open source s’en trouve profondément redessinée. Retour sur un séisme et sur ses répliques.

Le coup de tonnerre de Z.ai : GLM-5.1 détrône les géants propriétaires sur le code

En ce mois d’octobre 2026, l’écosystème des LLM open source a pris l’habitude des surprises venues de Chine. Mais l’annonce de Z.ai – l’entreprise anciennement connue sous le nom de Zhipu AI, officiellement rebaptisée en 2025 – a provoqué une onde de choc. Le 7 avril 2026, les poids du modèle GLM-5.1 ont été mis en ligne sur Hugging Face sans fanfare, accompagnés d’une simple note de version : « GLM-5.1 est désormais disponible sous licence MIT. » En 72 heures, la communauté mondiale des développeurs a réalisé l’ampleur de l’événement.

GLM-5.1 a obtenu un score de 58,4 % sur le benchmark SWE-Bench Pro, devançant GPT-5.4 d’OpenAI (57,7 %), Claude Opus 4.6 d’Anthropic (57,3 %) et Gemini 3.1 Pro de Google (54,2 %). C’est la première fois dans l’histoire de l’IA qu’un modèle open source surpasse l’ensemble des modèles fermés sur un benchmark mesurant la capacité à résoudre de vrais bugs logiciels dans des dépôts open source. Les chiffres, rapportés par plusieurs sources (IALANews, AINChina, AlgeriaTech, VentureBeat, NeuralLL), sont désormais publics et vérifiables.

Ce qui frappe d’emblée, c’est la stratégie de Z.ai : publier les poids du modèle sous licence MIT, permettant un déploiement local gratuit, sans frais d’API. Dans un marché dominé par des API coûteuses et des modèles fermés, cette ouverture radicale attire les regards. « C’est un signal fort », commente l’analyste Pareekh Jain, cité par Computerworld. « Pour la première fois, un modèle open source revendique la première place sur un benchmark d’ingénierie logicielle aussi exigeant. »

Mais six mois plus tard, le paysage a déjà changé. GLM-5.1 n’est plus seul en tête : il a ouvert une brèche dans laquelle se sont engouffrés DeepSeek, Moonshot AI, Alibaba, Tencent, Reflection AI et même Mistral. Pour comprendre la portée de ce basculement, il faut d’abord saisir ce que représente SWE-Bench Pro.

SWE-Bench Pro : le test qui change la donne pour l’ingénierie logicielle

Pour comprendre l’ampleur de l’annonce, il faut décortiquer ce qu’est SWE-Bench Pro. Contrairement aux benchmarks classiques de génération de code (HumanEval, MBPP) qui testent des fonctions isolées, SWE-Bench Pro évalue la capacité d’un modèle à résoudre des bugs réels issus de dépôts GitHub, à générer des correctifs complets et à effectuer des tâches d’ingénierie logicielle complexes. Développé par des chercheurs de Princeton et d’OpenAI, il présente au modèle des dépôts entiers et des issues réelles provenant de projets open source en production, et mesure si le correctif de l’agent résout l’issue lorsque les tests sont exécutés.

Les scores publiés par Z.ai et confirmés par les sources web sont les suivants :

Modèle	Score SWE-Bench Pro
GLM-5.2 (Z.ai)	62,1 %
GLM-5.1 (Z.ai)	58,4 %
GPT-5.4 (OpenAI)	57,7 %
Claude Opus 4.6 (Anthropic)	57,3 %
Gemini 3.1 Pro (Google)	54,2 %
GLM-5 (prédécesseur)	55,1 %

Sources : IALANews, AINChina, AlgeriaTech, VentureBeat, GitHub zai-org/GLM-5.

L’écart de 0,7 point entre GLM-5.1 et GPT-5.4 peut sembler modeste, mais il est statistiquement significatif sur un benchmark aussi exigeant. Surtout, GLM-5.1 est le premier modèle chinois et le premier modèle open-weight à dominer ce classement. Notons que GLM-5.2, dévoilé mi-juillet 2026 (et non fin juin comme certaines rumeurs l’avaient annoncé), atteint un score encore plus élevé de 62,1 % sur le même benchmark, avec une fenêtre de contexte de 1 million de tokens (source VentureBeat, MSN, GitHub, SiliconANGLE). Cette progression rapide suggère une dynamique d’amélioration continue.

Il faut néanmoins nuancer : sur le composite élargi incluant Terminal-Bench 2.0 et NL2Repo, Claude Opus 4.6 conserve une légère avance (57,5 contre 54,9 pour GLM-5.1), comme le souligne NeuralLL. « Bat Claude » est exact sur SWE-Bench Pro, pas sur tous les benchmarks de code. Mais le symbole reste fort : la frontière entre open source et propriétaire vient de bouger.

La « journée de travail de 8 heures » pour l’IA : comment GLM-5.1 code en autonomie pendant des heures

L’innovation la plus frappante de GLM-5.1 n’est pas seulement son score, mais sa capacité à maintenir des performances sur de longues séquences d’itérations. Z.ai introduit le concept de « 8-hour work day » pour l’IA : assigner un ticket le matin et recevoir une solution optimisée le soir, après des centaines d’expériences autonomes.

L’exemple phare donné par l’entreprise est éloquent : sur une tâche d’optimisation d’une base de données vectorielle, GLM-5.1 a réalisé plus de 600 itérations et 6 000 appels d’outils, atteignant 21 500 requêtes par seconde – soit six fois le meilleur résultat obtenu en une session standard de 50 tours. « C’est comme si l’IA pouvait travailler sans relâche, explorer des centaines de pistes et affiner sa solution au fil des heures », commente Pareekh Jain.

Lors d’une démonstration rapportée par IALANews, le modèle a construit de A à Z un environnement de bureau fonctionnel comprenant un navigateur de fichiers, un terminal, un éditeur de texte et même des jeux interactifs, en peaufinant itérativement le design et la logique d’interaction. Cette approche change la donne pour les workflows de développement. Au lieu de prompts isolés, les développeurs peuvent confier des tâches complexes à un agent qui les exécute en arrière-plan, comme un stagiaire infatigable. Concrètement, cela ouvre la voie à des agents autonomes capables de :

Corriger des bugs dans une base de code entière en une journée.
Refactorer des modules entiers avec des tests de régression.
Optimiser des performances système par exploration systématique.

Cependant, il faut noter que ce concept repose sur les affirmations de Z.ai. Aucune étude indépendante n’a reproduit ces résultats. L’analyste Charlie Dai, également cité par Computerworld, souligne que « la tendance vers des agents longue durée est réelle, mais la fiabilité des correctifs générés reste un défi majeur ».

Architecture et spécifications techniques : ce que l’on sait de GLM-5.1, GLM-5.2 et GLM-5.3

Sur le plan technique, les sources disponibles sont désormais plus précises que lors de l’annonce initiale. GLM-5.1 est une mise à niveau post-entraînement de GLM-5, le modèle Mixture-of-Experts que Z.ai avait publié plus tôt en 2026. Voici les spécifications clés, rapportées par VentureBeat, IALANews, NeuralLL, SiliconANGLE et la documentation développeur de Z.ai :

Paramètres totaux : ~744 milliards (MoE) pour GLM-5.1 ; GLM-5.2 et GLM-5.3 passent à 753 milliards (certaines sources mentionnent 743 ou 754, la différence venant probablement de la méthode de comptage des paramètres d’embedding).
Paramètres actifs par passe avant : ~40 milliards (architecture MoE avec routage dynamique).
Fenêtre de contexte : 202 752 tokens (~200K) pour GLM-5.1, portée à 1 million de tokens pour GLM-5.2 et GLM-5.3, avec une sortie maximale de 128 000 tokens pour GLM-5.3.
Licence : MIT pour GLM-5.1 et GLM-5.2 (usage commercial, modification, redistribution tous autorisés) ; poids différés pour GLM-5.3 (accès via API et « Coding Plan » payant).
Dates de publication : GLM-5.1 le 7 avril 2026 ; GLM-5.2 mi-juillet 2026 ; GLM-5.3 le 14 août 2026.
Infrastructure d’entraînement : entièrement sur des puces Huawei Ascend 910B avec le framework MindSpore, sans aucun GPU Nvidia ou AMD.
Optimisation : explicitement conçu pour le travail agentique à long horizon, avec maintien autonome de l’alignement sur un objectif sur des tâches allant jusqu’à environ huit heures et des milliers d’appels d’outils.

GLM-5.2 ajoute la technique IndexShare (réutilisation du même indexeur sur quatre couches d’attention sparse, réduisant les FLOPs par token de 2,9× à 1M de contexte). Son score de 62,1 % sur SWE-Bench Pro et de 81,0 % sur Terminal-Bench 2.1 (contre 62,0 % pour GLM-5.1) en fait un outil redoutable pour les développeurs. Sur Terminal-Bench 2.1, il se place à quelques points de Claude Opus 4.8 (85,0 %), tout en restant devant Gemini 3.1 Pro.

Ce qui est confirmé pour les trois versions :

GLM-5.1 et GLM-5.2 sous licence MIT : les poids sont publiés et peuvent être déployés localement.
Conception spécifique pour l’ingénierie logicielle agentique : le modèle est optimisé pour des séquences longues d’appels d’outils.
Disponible via des plateformes de développement (Hugging Face, etc.).

Cette opacité relative contraste avec les pratiques d’autres modèles open source comme DeepSeek ou Qwen, qui publient des papiers techniques détaillés. Pour l’instant, les GLM restent des boîtes noires performantes. Les chercheurs et développeurs devront se contenter des affirmations de Z.ai en attendant une documentation plus complète.

GLM-5.3 : Z.ai frappe encore, et vise la cybersécurité

Le 14 août 2026, Z.ai a dégainé GLM-5.3, un modèle de 753 milliards de paramètres (MoE) qui réutilise la base de GLM-5.2 sans aucun nouveau paramètre, uniquement par post-entraînement. La documentation officielle de Z.ai le confirme noir sur blanc : « il utilise le même modèle de base que GLM-5.2, toutes les améliorations étant portées par le post-entraînement ». Cette version marque un tournant : elle s’impose en tête du benchmark CyberGym avec un score de 84,5 %, devançant Claude Sonnet 5 et GPT-5.6 Sol sur les tâches cybersécurité. Sur DeepSWE, elle atteint 66,9 points. Surtout, le post-entraînement seul fait passer Terminal-Bench 3.0 de 4,6 % à 28,3 % – une progression spectaculaire qui démontre la puissance de l’optimisation ciblée.

Selon SiliconANGLE, GLM-5.3 a déjà trouvé plus de 2 400 vulnérabilités dans 269 projets logiciels, dont environ la moitié avec une sévérité moyenne ou supérieure. L’une d’elles se trouve dans un code vieux de 40 ans. Le post-entraînement a été réalisé dans des sandboxes simulant des postes de travail de développeurs, avec des exercices pouvant prendre plusieurs jours, ce qui a amélioré la capacité du modèle à gérer des tâches à long horizon. Un « juge agent » vérifiait que les défis étaient solubles avant de les soumettre au modèle.

Un détail technique important, confirmé par la documentation développeur : GLM-5.3 fonctionne toujours avec le raisonnement activé. Le désactiver n’est plus possible ; seuls trois niveaux d’effort de raisonnement sont proposés (low, high, max). Les applications qui utilisaient l’ancien paramètre thinking.type: "disabled" doivent migrer vers reasoning_effort avant de mettre à jour l’identifiant du modèle, sous peine d’échec de la requête. C’est un signal clair : Z.ai considère que le raisonnement n’est plus une option, mais le mode de fonctionnement par défaut de ses modèles de frontière.

GLM-5.3 conserve la fenêtre de contexte de 1 million de tokens et une sortie maximale de 128 000 tokens. Les poids ne sont pas encore publics : Z.ai les a différés, privilégiant un accès via son « Coding Plan » payant. L’entreprise accompagne cette sortie d’un programme d’audit gratuit, un signal fort sur la place que l’IA chinoise veut prendre en cybersécurité. « GLM-5.3 est le fleuron post-entraîné de Z.ai », résume le site Aireiter, qui publie des tableaux de benchmarks complets.

Cette sortie intervient alors que Z.ai talonne Kimi K3 au sommet des classements open source, selon le Journal du Web. La stratégie de Z.ai est claire : dominer le terrain du codage agentique et de la cybersécurité, deux marchés en pleine explosion.

Open source contre propriétaire : le rapport de force s’est déplacé

La confrontation entre GLM-5.1/5.2/5.3 et les modèles propriétaires américains était inévitable. Mais depuis avril, le rapport de force a basculé. Le 24 avril 2026, DeepSeek a lâché en open source deux modèles — V4-Pro et V4-Flash — dont les spécifications donnent le vertige : 1,6 billion de paramètres, 49 milliards actifs, et un score de 81 % sur SWE-bench qui défie GPT-5.5 et Claude Opus 4.7. Fin juillet, Moonshot AI a dévoilé Kimi K3, présenté comme le plus grand modèle open-weight jamais publié, qui a immédiatement talonné DeepSeek au sommet des classements. Le 3 août 2026, Alibaba a répliqué avec Qwen3.8-Max et ses 2,4 billions de paramètres, tandis que Tencent ajoutait Hy4 à la cour des très grands. La Chine n’a pas seulement rattrapé les États-Unis : elle a pris la tête sur les modèles à poids ouverts.

L’automne 2026 a ensuite vu la riposte occidentale s’organiser. Le 5 octobre, Reflection AI — startup soutenue par Nvidia — a dévoilé Beam, son premier modèle open-weight : un système Mixture-of-Experts sparse de 501 milliards de paramètres dont 23 milliards actifs, taillé pour le code et le raisonnement. Reflection revendique un coût d’inférence 3 à 4 fois inférieur à celui de ses rivaux chinois, mais reconnaît que Beam reste en retrait sur les tests de codage face aux meilleurs modèles ouverts. « La seule façon de posséder l’intelligence, c’est par définition qu’elle soit ouverte », plaide le CEO de Reflection, qui vise les entreprises et les nations souveraines avec son concept d’« usines d’IA » locales.

Le lendemain, 6 octobre, c’était au tour du champion français Mistral AI de frapper avec Mistral Large 4, surnommé « Le Chonk ». Un modèle multimodal de plus de 1 000 milliards de paramètres dont 49 milliards activés par réponse, entièrement entraîné en Europe, présenté comme « le meilleur modèle à poids ouverts hors de Chine ». Mistral met l’accent sur la cybersécurité, l’analyse géospatiale et les tâches agentiques, et promet la publication des poids sur Hugging Face le 27 octobre 2026. Comme le résume Wired, avec Le Chonk, Mistral espère démontrer qu’il est « toujours dans la course » pour construire une IA de niveau frontière.

Le tableau est désormais clair : la domination américaine sur les modèles de pointe ne tient plus que sur les modèles fermés. Sur les poids ouverts, la Chine mène, l’Europe revient dans le jeu, et les États-Unis tentent de reprendre l’initiative par des acteurs comme Reflection AI. La question n’est plus de savoir si l’open source rattrapera le propriétaire, mais qui, de la Chine, de l’Europe ou des États-Unis, dictera les standards de cette nouvelle génération.

L’écosystème outillage : servir et affiner ces géants

Un modèle de 753 milliards de paramètres ne sert à rien s’il est impossible à déployer. C’est là que l’écosystème open source a accompli, en 2026, des progrès tout aussi décisifs que ceux des modèles eux-mêmes.

Côté inférence, la bataille fait rage entre vLLM, SGLang et TensorRT-LLM. Les trois moteurs affichent désormais des débits de l’ordre de 1 850 à 2 100 tokens par seconde sur H100 selon les charges, et c’est précisément l’arrivée des MoE géants — DeepSeek V4, GLM-5.3, Qwen3.8-Max, Hy4 — qui a départagé les architectures. La désagrégation préfill/decode et le partitionnement fin des GPU, portés par Kubernetes et la DRA (Dynamic Resource Allocation), sont devenus les vrais leviers de performance à l’échelle des clusters de plusieurs dizaines de milliers de GPU.

Côté fine-tuning, la démocratisation est tout aussi spectaculaire. Unsloth s’est imposé comme la référence pour entraîner des modèles sur un GPU grand public : jusqu’à 2× plus rapide et 70 % de mémoire en moins que les implémentations classiques, grâce à des kernels personnalisés et une gestion agressive de la VRAM. Un fine-tuning LoRA de Llama 3 8B qui exigerait 16 Go avec Transformers descend sous les 6 Go avec Unsloth. La bibliothèque a étendu son support aux MoE géants via ses Dynamic 3.0 GGUFs, une quantification dynamique qui adapte le niveau de précision couche par couche — la seule manière réaliste de faire tenir un modèle de plusieurs centaines de milliards de paramètres sur du matériel non professionnel. Face à lui, Axolotl reste plus à l’aise sur les grands clusters distribués, tandis que TRL et LLaMA-Factory conservent leurs partisans.

Cette maturité de l’outillage est la condition sine qua non de la vague open-weights : sans vLLM, SGLang, Unsloth et consorts, les prouesses de GLM-5.3 ou de DeepSeek V4 resteraient confinées aux datacenters des laboratoires qui les ont créés. C’est l’ensemble de la chaîne — du poids publié sur Hugging Face au serveur d’inférence optimisé — qui a basculé en 2026.

Ce que cela change pour les praticiens

Pour les développeurs et les entreprises, la leçon de ces six mois est double.

D’abord, l’open source n’est plus le second choix. Sur le codage agentique et la cybersécurité, les meilleurs modèles à poids ouverts rivalisent désormais avec les modèles fermés, et les dépassent parfois. La licence MIT de GLM-5.1 et GLM-5.2 permet un déploiement local gratuit, sans frais d’API récurrents — un argument décisif pour les équipes soucieuses de souveraineté des données ou de maîtrise des coûts.

Ensuite, la cadence d’innovation impose de nouvelles méthodes. Entre avril et octobre 2026, Z.ai a publié trois versions majeures, DeepSeek deux, Alibaba, Tencent, Moonshot, Reflection et Mistral une chacune. Aucune équipe ne peut évaluer sérieusement chaque sortie. La compétence clé n’est plus de suivre tous les modèles, mais de savoir lesquels valent la peine d’être testés sur ses cas d’usage — et de disposer d’une infrastructure d’évaluation reproductible.

Reste une inconnue de taille : la fiabilité. Les scores de benchmarks, aussi impressionnants soient-ils, ne disent rien de la robustesse en production, de la sécurité des agents autonomes ou de la qualité des correctifs générés sur des bases de code réelles. Les analystes le répètent : la tendance vers des agents longue durée est réelle, mais la confiance aveugle dans leurs sorties reste un pari risqué. La prochaine bataille de l’IA open source ne se jouera pas sur les classements, mais sur la confiance que les entreprises accepteront d’accorder à des modèles qu’elles ne contrôlent pas entièrement.

Une chose est sûre : en six mois, la hiérarchie mondiale de l’IA open source a été bouleversée de fond en comble. Et rien n’indique que le rythme ralentisse.

Sources

Article recherché et rédigé automatiquement · Magazine Electrosens

📬 Restez à la pointe

Recevez chaque semaine les nouveautés de ce magazine par email.

💬 Une remarque, une correction ?

Aidez-nous à améliorer cet article. Nous prenons en compte vos retours.

GLM 5.1 : le modèle open source chinois qui fait trembler les géants du code – enquête sur une promesse