GLM-5.3-Flash

Fiche modèle · Zhipu AI · glm-5.3-flash

GLM-5.3-Flash is the first natively multimodal model in Z.AI's GLM-5 series: a 320B-total / 18B-active MoE with hybrid sparse and linear attention (plus mHC), a 1M-token context window, and strong coding and long-horizon agent performance. MIT open weights are on Hugging Face. Launched 2026-08-26 after stealth testing as ox-alpha on OpenRouter and OpenCode. List pricing is $0.15/$0.50 per million input/output tokens (a temporary 50% promo ends 2026-09-09 16:00 UTC).

Fiches modèles

Identité

Organisation	Zhipu AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-08-26
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 320 Md > 107 Md
Modalités	image\|text\|video
Fenêtre de contexte	1 048 576
KV cache / token (Q8)	737.3 ko/token
Paramètres totaux	320 B
Paramètres actifs (session)	18 B
Source des paramètres actifs	web : https://github.com/zai-org/GLM-5
Curation des paramètres actifs	2026-11-04
Prix par session	0.25 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	43.9 M
Ratio Terminal-Bench / Data Players	36.6×
Coût / tâche (Terminal-Bench)	1.52 $
Tokens d'entraînement	30 000 000 000 000
Coupure de connaissance	—
Créé le	2026-08-26T15:50:35.109336Z
Mis à jour le	2026-11-04T06:05:14.202553Z
Source	LLM Stats
URL	https://llm-stats.com/models/glm-5.3-flash

Tokens/tâche

IA Act — preuves fournisseur

ICA 2/100 · open source · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	0,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : souverain — via Berget AI AB (cortecs, eurouter), Entrim (cortecs, eurouter), GreenPT (eurouter), Inceptron (cortecs, eurouter), Lyceum Technology GmbH (eurouter), Mistral AI (cortecs), Tensorix (cortecs, eurouter).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Berget AI AB	cortecs, eurouter	souverain	0.28 $	0.56 $	fp8	1 048 576	—	—	—
Entrim	cortecs, eurouter	souverain	0.10 $	0.35 $	nvfp4	1 048 576	—	—	—
GreenPT	eurouter	souverain	—	—	—	1 048 576	—	—	—
Inceptron	cortecs, eurouter	souverain	0.15 $	0.50 $	fp8	1 048 576	—	—	—
Lyceum Technology GmbH	eurouter	souverain	—	—	—	1 048 576	—	—	—
Mistral AI	cortecs	souverain	0.17 $	0.57 $	—	1 000 000	—	—	—
Tensorix	cortecs, eurouter	souverain	0.20 $	0.50 $	fp8	1 048 576	—	—	—
Sference	cortecs	partiel	0.20 $	0.60 $	nvfp4	1 048 576	—	—	—
DeepInfra	llm-stats	non	0.15 $	0.50 $	—	—	—	—	active
FriendliAI	llm-stats	non	0.15 $	0.50 $	—	—	—	—	active
Melious	eurouter	non	—	—	—	1 048 576	—	—	—
Novita	llm-stats	non	0.15 $	0.50 $	—	—	—	—	active
ZAI	llm-stats	non	0.15 $	0.50 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
legal	1 773.00
math	0.60
multimodal	0.80
reasoning	148.40
spatial_reasoning	0.80
finance	1 773.00
general	118.80
agents	222.10
code	0.70
tool_calling	0.60
video	0.80
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
agents-last-exam	agents	0.26	1.00	0.26	non	oui	2026-11-04T06:05:14.220050Z
artificial-analysis	general	0.57	1.00	0.57	non	oui	2026-11-04T06:05:14.246812Z
automationbench	agents	0.49	1.00	0.49	non	oui	2026-11-04T06:05:14.217243Z
babyvision	vision	0.53	1.00	0.53	non	oui	2026-11-04T06:05:14.238348Z
chartography	vision	0.78	1.00	0.78	non	oui	2026-11-04T06:05:14.235292Z
charxiv-r	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:05:14.232140Z
deepswe-1.1	code	0.63	1.00	0.63	non	oui	2026-11-04T06:05:14.208509Z
gdpval-aa	general	1 773.00	3 000.00	0.59	non	oui	2026-11-04T06:05:14.225898Z
humanity's-last-exam	reasoning	0.55	1.00	0.55	non	oui	2026-11-04T06:05:14.223116Z
mmvu	vision	0.81	1.00	0.81	non	oui	2026-11-04T06:05:14.244083Z
mvbench	vision	0.78	1.00	0.78	non	oui	2026-11-04T06:05:14.241226Z
nl2repo	code	0.56	1.00	0.56	non	oui	2026-11-04T06:05:14.211624Z
officeqa-pro	agents	0.62	1.00	0.62	non	oui	2026-11-04T06:05:14.228920Z
terminal-bench-2.1	reasoning	0.84	1.00	0.84	non	oui	2026-11-04T06:05:14.205793Z
toolathlon	agents	0.78	1.00	0.78	non	oui	2026-11-04T06:05:14.214381Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	33	222.10	34.60	8	trueskill	2026-11-04T08:08:47.839150Z	rankings
math	34	0.60	37.38	1	trueskill	2026-11-04T08:08:42.442591Z	rankings
multimodal	40	0.80	30.16	5	trueskill	2026-11-04T08:08:46.488887Z	rankings
reasoning	26	148.40	47.20	12	trueskill	2026-11-04T08:08:41.093494Z	rankings
code	55	—	31.31	3	trueskill	2026-10-20	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04