Présentation
Publié le 26 août 2026, GLM-5.3-Flash est le premier modèle nativement multimodal de la série GLM-5. Il vise un compromis entre capacités et coût d’inférence. Son architecture combine attention clairsemée et attention linéaire ; elle compte 320 milliards de paramètres, dont 18 milliards activés. Zhipu AI indique qu’il dépasse GLM-5.2 dans ses évaluations, à un coût inférieur. (z.ai)
Capacités et usages
- Accepte du texte, des images, des vidéos et des fichiers ; produit du texte.
- Prend en charge l’appel de fonctions, les sorties structurées, la diffusion en continu et la mise en cache du contexte.
- Convient notamment au développement logiciel à partir de captures d’écran, à l’analyse de documents, aux tâches bureautiques et aux agents utilisant des outils, un navigateur ou une interface graphique.
- Les poids sont publiés sous licence MIT ; un déploiement local est possible avec des frameworks compatibles. (docs.z.ai)
Limites
Sur l’API Z.ai, la documentation annonce une fenêtre de contexte de 1M de tokens et une sortie maximale de 128K tokens. Le mode de réflexion ne peut pas être désactivé. La sortie du modèle est textuelle : l’exécution d’actions ou la production de fichiers nécessite un environnement et des outils adaptés. Les résultats doivent être vérifiés, notamment pour les tâches à enjeux. (docs.z.ai)
Tarification API
Sur la plateforme internationale Z.ai, les tarifs affichés pour GLM-5.3-Flash sont de 0,15 USD par million de tokens en entrée, 0,50 USD par million de tokens en sortie et 0,03 USD par million de tokens d’entrée en cache. Le stockage du cache est indiqué comme gratuit pour une durée limitée. Ces tarifs ne concernent pas la variante FlashX ni l’abonnement Coding Plan. Tarifs officiels Z.ai, consultés le 16 novembre 2026. (docs.z.ai)
La page tarifaire nationale officielle BigModel a également été consultée, mais son contenu nécessite JavaScript et n’a pas pu être vérifié lors de cette recherche. (open.bigmodel.cn)