La société chinoise d’intelligence artificielle Z.ai a révélé que le modèle apparu la semaine dernière sur la plateforme OpenRouter sous le nom d’Ox Alpha était l’un de ses modèles, et l’a relancé sous le nom de GLM-5.3-Flash. L’entreprise a rendu les poids du modèle disponibles via Hugging Face, permettant ainsi aux développeurs d’y accéder et de l’exécuter selon le format fourni par Z.ai, au lieu qu’il reste un service d’origine inconnue sur une plateforme tierce.
Ox Alpha était apparu gratuitement sur OpenRouter sans révélation de l’équipe qui l’avait développé, mais il a rapidement attiré l’attention après avoir obtenu de solides résultats dans plusieurs tests et classements. L’absence d’identité du développeur a suscité des discussions sur le laboratoire qui se trouvait derrière le modèle, et Z.ai figurait parmi les principaux noms évoqués avant que l’entreprise ne confirme son lien avec celui-ci.
Un modèle destiné à la programmation et aux tâches agentiques
Z.ai présente le modèle comme un modèle de raisonnement ciblant la programmation, les tâches d’agents de longue durée et les charges de travail dans les environnements de production. Selon les informations publiées, GLM-5.3-Flash a été conçu pour gérer des tâches prolongées de développement logiciel, des problèmes de raisonnement complexes et des flux de travail combinant contexte textuel et visuel.
Le modèle utilise une architecture Mixture of Experts (MoE) totalisant 320 milliards de paramètres, mais seuls environ 18 milliards de paramètres sont actifs lors du traitement de chaque requête. Sa fenêtre de contexte peut également atteindre un million de tokens, avec la prise en charge des textes, des images et des vidéos, tandis que la longueur de la réponse générée peut atteindre 131 072 tokens.
Une architecture d’attention conçue pour les contextes longs
Z.ai affirme que le modèle se distingue des précédentes générations de GLM par l’architecture d’attention utilisée. La sparse attention se concentre sur les parties les plus pertinentes des entrées au lieu d’évaluer tous les tokens simultanément, ce qui vise à réduire les besoins de calcul lors du traitement d’entrées longues.
De son côté, l’approche de linear attention vise à maîtriser la croissance de l’utilisation de la mémoire à mesure que le contexte s’élargit. L’entreprise indique que l’entraînement du modèle s’est appuyé sur un ensemble de données de 30 000 milliards de tokens et qu’elle a également utilisé une méthode appelée mHC pour améliorer le processus d’entraînement.
Qu’est-ce que cela signifie pour les développeurs ?
Z.ai affirme que le coût d’exécution de GLM-5.3-Flash est dix fois inférieur à celui de son modèle précédent. Si cet écart se reflète dans l’utilisation réelle, il pourrait être important pour les équipes qui exécutent des tâches agentiques longues ou qui doivent traiter de vastes contextes. Toutefois, l’article ne fournit pas de détails sur les conditions de mesure, les tarifs ou les exigences matérielles : la comparaison financière doit donc encore être vérifiée de manière indépendante.
Dans les tests présentés par l’entreprise, le modèle a été comparé à Claude Opus 4.8, GPT-5.6 Terra et Gemini 3.7 Flash. Selon les résultats de Z.ai, GLM-5.3-Flash a obtenu le meilleur score au test GDPval-AA v2, qui mesure les performances dans les tâches à forte intensité de connaissances, et s’est classé deuxième à AutomationBench, qui évalue la capacité à accomplir des tâches au sein d’applications cloud.
L’importance de cette annonce réside dans la combinaison de trois éléments : des poids disponibles via Hugging Face, un contexte très long et une orientation claire vers les agents et la programmation. Elle ne suffit toutefois pas, à elle seule, à prouver la supériorité du modèle sur ses concurrents, car les résultats mentionnés proviennent de l’entreprise elle-même et que l’article ne fournit pas de détails sur la méthodologie ni sur la reproductibilité des tests. Cette publication s’inscrit dans un mouvement plus large des entreprises chinoises d’intelligence artificielle visant à proposer des modèles à poids ouverts, conçus pour réduire les coûts d’exécution, comme alternatives aux modèles fermés proposés par des entreprises telles qu’OpenAI et Anthropic.