Z.ai a annoncé GLM-5.3, un modèle disponible pour l’instant uniquement dans son offre de programmation (coding plan). Son arrivée sur l’API est annoncée pour bientôt, et ses poids ouverts doivent être publiés sur Hugging Face dans deux semaines. Selon l’entreprise, le modèle dépasse Kimi K3 de Moonshot AI sur plusieurs benchmarks (tests de performance standardisés) et Claude Fable 5 ou GPT-5.6-Sol sur certains d’entre eux.
- Z.ai présente GLM-5.3, disponible pour l’instant dans son offre de programmation.
- Le modèle repose sur la base de GLM-5.2, avec un post-entraînement nettement prolongé.
- Selon l’auteur, les délais de sortie et la pression des classements aident les laboratoires chinois à rester au niveau des modèles américains.
- Z.ai restreint l’accès à GLM-5.3 à cause de ses capacités cyber, mais l’auteur juge ces mesures insuffisantes.
Dans son annonce, l’entreprise indique que GLM-5.3 repose sur la même base que GLM-5.2, avec un post-entraînement (l’étape qui affine un modèle après son entraînement initial) nettement prolongé. Le billet s’ouvre sur cette phrase : « Faire évoluer le post-entraînement, c’est tout ce que nous avons fait pour GLM-5.3. » Le modèle compte environ 750 milliards de paramètres, soit, selon l’auteur du blog Interconnects, un tiers de Kimi K3. Ce dernier, qui mise davantage sur le pré-entraînement, est décrit comme une « prouesse » en la matière.
Pour expliquer comment les laboratoires chinois parviennent à rester au niveau des modèles américains, l’auteur écarte la distillation comme facteur majeur, malgré un article de recherche récent sur l’extraction des traces de raisonnement. Il avance plutôt plusieurs éléments. Le premier tient aux délais de sortie : Z.ai pourrait publier ses modèles en quelques jours, alors qu’OpenAI et Anthropic prennent souvent des mois avant une mise à disposition publique. Selon l’auteur, ces entreprises américaines disposent probablement de modèles internes plus performants, mais le temps de test avant publication permet aux laboratoires chinois d’optimiser leurs scores.
L’auteur évoque aussi la pression exercée par les classements publics, qui influencent, selon lui, le cours de bourse de l’entreprise et sa capacité à lever des capitaux. Il estime en outre que GLM-5.3 est probablement plus spécialisé que Claude Fable ou GPT Sol, les modèles de Z.ai n’étant pas multimodaux. Selon Bloomberg, cité par le blog, Z.ai aurait atteint 1 milliard de dollars d’ARR (revenus annuels récurrents), en grande partie grâce à son activité de déploiement sur site. Enfin, l’auteur souligne la proximité de l’entreprise avec l’université Tsinghua.
Un modèle aux capacités cyber
Z.ai reconnaît que GLM-5.3 est son modèle « le plus capable à ce jour pour les tâches de cybersécurité », avec des progrès annoncés dans la découverte de vulnérabilités et l’analyse d’exploits. L’entreprise y voit une aide pour les défenseurs, mais aussi des risques d’usage à double tranchant. Elle a donc choisi une sortie échelonnée : des partenaires de sécurité sélectionnés évalueront d’abord le modèle dans un cadre contrôlé, avant un accès plus large et la publication des poids complets. Z.ai indique également surveiller l’inférence sur ses plateformes à l’aide d’un classifieur de requêtes et d’une surveillance de la chaîne de raisonnement.
L’auteur juge ces mesures utiles, mais limitées, dès lors que des modèles à poids ouverts de capacités comparables existent ou arriveront. Il conclut que « la sécurité de ce type a à peine d’importance » dans ce contexte, et plaide pour une orientation « à l’échelle industrielle, portée par les pouvoirs publics ou des coalitions industrielles, afin de se préparer immédiatement à cette transition ».
