La société chinoise Z.AI lance GLM-5.2 : un modèle qui rivalise avec Claude Opus, sans utiliser de puces Nvidia

Z.ai a lancé GLM-5.2 le 16 juin, promettant des performances de premier ordre, surpassant son GLM 5.1 déjà avancé.

Le laboratoire basé à Pékin, qui figure sur la liste des entités américaines depuis janvier 2025, semble bénéficier des inquiétudes croissantes concernant l’approche américaine de l’IA. Au cours de la semaine dernière, l'interdiction d'Anthropic Fable et la sortie de ce nouveau modèle ont contribué à faire grimper le stock de zAI de 90 %, le portant à un nouveau record absolu.

GLM 5.2 a les chiffres pour étayer les attentes.

Dans FrontierSWE, un benchmark qui évalue si un agent d'IA peut mener à bien des projets techniques ouverts mesurés en heures, couvrant l'optimisation des systèmes, la construction de code à grande échelle et la recherche appliquée en ML, notés par taux de domination, GLM-5.2 a obtenu 74,4 contre 75,1 pour Claude Opus 4.8. Il a battu GPT-5,5 avec 72,6. Dans SWE-bench Pro, qui évalue la résolution autonome de problèmes réels de GitHub notés comme taux de réussite, GLM-5.2 a obtenu un score de 62,1 contre 58,6 pour GPT-5.5, et a largement battu les 58,4 de son prédécesseur GLM-5.1.

Ce gain de qualité en fait le meilleur modèle open source à ce jour dans l'Artificial Analysis Intelligence Index, qui regroupe les résultats de 9 scores différents pour évaluer la qualité globale d'un modèle d'IA. Les benchmarks d'OpenRouter le placent dans la même catégorie que Claude Fable 5, désormais interdit.

Le matériel utilisé pour réaliser cet exploit est une autre partie intéressante de l’histoire. GLM-5.2 a été formé sur les puces Huawei Ascend, sans Nvidia dans le processus. Emad Mostaque, fondateur de Stability AI, a estimé que les coûts totaux de formation étaient d'environ 25 millions de dollars, soit 80 % de ce montant après la formation, ce qui la rendrait extrêmement bon marché par rapport à ses pairs.

Comme signalé Décrypter plus tôt cette annéeZ.ai entraînait déjà des modèles d'images sur les serveurs Huawei Ascend Atlas sans une seule puce américaine. GLM-5.2 va plus loin dans cette infrastructure : un modèle de mélange expert de 744 milliards de paramètres avec une véritable fenêtre contextuelle d'un million de jetons, cinq fois la limite de 200 Ko de GLM-5.1 et une licence MIT qui signifie qu'aucune directive gouvernementale ne peut couper l'accès.

Les jetons sont les morceaux de texte qu'un modèle peut lire et générer, tandis que les paramètres sont le nombre de paramètres et de valeurs internes qui déterminent la manière dont un modèle traite les informations et génère des réponses.

C'est pour qui et combien ça coûte ?

Pour les développeurs, la fenêtre contextuelle est le changement opérationnel. La navigation dans des référentiels entiers, les refactorisations multi-fichiers et les longs pipelines agents qui nécessitaient auparavant un partitionnement deviennent des flux de travail à appel unique. Le prix de l'API est de 1,40 $ par million de jetons entrants et de 4,40 $ par million de jetons sortants, contre 5 $ entrants et 25 $ sortants pour Claude Opus 4.8. Le plan de codage commence à environ 18 $ par mois et fonctionne directement dans Claude Code, Cline, Kilo Code et les environnements agentiques les plus populaires.

Un déploiement local est également techniquement possible. Unsloth AI a publié des quantifications GGUF 2 bits qui compressent le modèle de 1,51 To à 238 Go tout en conservant une précision d'environ 82 %.

Cependant, il n’est pas nécessaire de s’enthousiasmer outre mesure. Cela signifie toujours qu'il nécessite 256 Go de mémoire unifiée ou une combinaison RAM/VRAM équivalente : un Mac Studio M4 Ultra au maximum ou une station de travail avec un GPU de milieu de gamme et 256 Go de RAM système avec un déchargement de mélange expert. Cela représente encore beaucoup d'argent, mais au moins, c'est quelque chose que vous pouvez acheter et exploiter chez vous si vous le souhaitez vraiment.

Nous avons effectué un test rapide, demandant à GLM-5.2 de créer notre jeu standard qui mélange des mécanismes d'écriture avec un jeu de tir. L'interface n'était pas des plus jolies : d'autres modèles généraient des interfaces plus soignées, mais l'expérience était la plus variée : différents scénarios au fil des vagues, types d'ennemis qui changeaient, boss apparaissant plus tard dans le jeu.

Il a généré des états de jeu plus diversifiés que tout ce que nous avons testé pour la même tâche dans une configuration sans tir.

Si vous souhaitez y jouer, il est disponible sur notre profil Itch.io.

Cette variété indique où GLM-5.2 est le plus logique sur le plan économique. Pour les flux de travail de création multi-shots et les pipelines agents où la diversité des résultats compte plus que la finition, il est difficile de contester le prix de l'open source. Pour les tâches soutenues les plus difficiles – SWE-Marathon, où il obtient un score de 13,0 contre 26,0 pour l'Opus 4.8 – l'écart avec la frontière fermée est toujours réel, et s'élève à 13 points.

Les poids open source sont disponibles sur HuggingFace sous la licence MIT. Des poids quantifiés sont également disponibles sur HuggingFace. Les abonnés au plan de codage GLM peuvent désormais passer à la chaîne de modèles GLM-5.2, et elle est également disponible pour des essais gratuits sur z.AI avec certaines restrictions d'utilisation.