Vous vous souvenez d’Ox Alpha, la mystérieuse IA gratuite qui a débarqué sur OpenCode et OpenRouter la semaine dernière ? Les rumeurs disaient vraies. Z.ai est bien l’entreprise derrière ce modèle.
Selon la firme chinoise, Ox Alpha est au fait GLM-5.3-Flash. Et c’est le premier modèle multimodal natif de la famille GLM-5. Au total, il compte 320 milliards de paramètres.
Pour rappel, lors de sa sortie en avant-première sur OpenRouter, GLM-5.3-Flash, connu à l’époque sous le nom d’Ox Alpha, a enflammé les réseaux sociaux. Un utilisateur de X en particulier avait notamment testé ce modèle.
Sur les 10 expérimentations, Ox Alpha aurait été meilleur que Fable 5 et GPT 5.6 Sol. Mais maintenant que nous connaissons sa véritable identité, nous avons aussi ses résultats benchmark pour juger nous-même ce qu’il vaut réellement.
Introducing GLM-5.3-Flash
— Z.ai (@Zai_org) August 26, 2026
– Leading capabilities at a highly competitive price
– Natively multimodal with a 1M-token context window
– A 320B-A18B model released under the MIT License
– Previously previewed as Ox Alpha, running entirely on Chinese AI chips
Blog:… pic.twitter.com/KOCG4dkay3
GLM-5.3-Flash, vraiment meilleur que Fable 5 et GPT 5.6 Sol ?
Eh bien, comme vous pouvez le constater sur l’image ci-dessous, le modèle ne fait pas le poids contre Fable 5. Et aucune comparaison avec GPT 5.6 Sol. Ce qui laisse croire que nous l’avons surestimé.
Ce qui est sûr, en tout cas, c’est que GLM-5.3-Flash dépasse GLM-5.2 sur l’ensemble des benchmarks et des usages réels.
Sur l’AI Intelligence Index v4.1.1, par exemple, le modèle atteint un score de 57, pour seulement 0,045 dollar par tâche après réduction. Z.ai estime que ce niveau de performance coûtait auparavant environ dix fois plus cher.
Les résultats sont également solides dans le développement logiciel et les usages agentiques. Sur six benchmarks consacrés au codage et aux agents, GLM-5.3-Flash dépasse systématiquement GLM-5.2.
L’écart est particulièrement visible sur certains tests. Sur DeepSWE v1.1, le nouveau modèle obtient 63,4 contre 46,2 pour GLM-5.2. Sur AutomationBench, il atteint 48,8 contre 26,2.
Face à Claude Opus 4.8, en revanche, GLM-5.3-Flash ne s’en sort pas si mal. L’écart est vraiment mince. Voyez-vous, lors d’un test interne réalisé avec Z.ai Code Bench v1.0, le atteint 29,0 au niveau d’effort maximal, contre 29,5 pour Claude Opus 4.8.
Je me demande quand même pourquoi Z.ai le compare à GLM-5.2 plutôt qu’à GLM-5.3.
On the https://t.co/w8mHB85z4n Code Bench, which measures real-world coding performance, GLM-5.3-Flash clearly outperforms GLM-5.2 at every effort level and performs on par with Claude Opus 4.8. pic.twitter.com/UNenXGTwfp
— Z.ai (@Zai_org) August 26, 2026
Qu’est-ce qui rend ce nouveau modèle unique ?
Selon Z.ai, l’une des grandes particularités de GLM-5.3-Flash est son intelligence visuelle. Car pour la firme, la vision ne sert pas simplement à regarder une image et dire ce qu’elle contient.
Elle doit aussi permettre au modèle de comprendre ce qui se passe dans un environnement interactif. C’est particulièrement utile pour créer des sites web, développer des jeux ou travailler sur des simulations 3D.
Dans ces situations, le code n’est qu’une partie du problème. Une application peut fonctionner techniquement tout en affichant une interface catastrophique. Un jeu peut démarrer correctement tout en offrant une expérience peu convaincante.
Z.ai cherche donc à permettre au modèle d’observer le résultat, de repérer les problèmes, puis de modifier son travail. Ses pipelines de données sont notamment conçus autour de cette auto-évaluation visuelle et de l’amélioration progressive.
Pour le développement front-end, l’entreprise expérimente également l’apprentissage par renforcement basé sur les retours de l’environnement. Des agents peuvent ainsi vérifier les interfaces en reproduisant de véritables parcours utilisateurs.
GLM-5.3-Flash : une utilisation bien au-delà de la programmation
En effet, cette capacité visuelle pourrait élargir l’utilisation du modèle au-delà de la programmation. Dans le monde professionnel, une grande partie des informations ne se trouve pas dans du texte brut.
Documents, tableurs, présentations, tableaux de bord, interfaces ou comptes rendus mélangent constamment informations textuelles, visuelles et structurées.
GLM-5.3-Flash cherche justement à comprendre ces différents éléments simultanément. L’utilisateur n’aurait donc plus forcément besoin de transformer chaque détail de son environnement en longues instructions écrites.
Le modèle peut analyser directement ce qu’il voit, sélectionner les informations utiles et comparer son propre résultat avec l’objectif demandé. Il peut même vérifier la présentation finale, notamment sa qualité et son aspect visuel.
- Partager l'article :
