GLM-5.2 ou Claude Opus 4.8 : capacités et coût du modèle

Qu’est-ce que GLM-5.2, et pourquoi tout le monde en parle ?#

Il y a deux semaines, un événement rare s’est produit dans la communauté du développement logiciel : un modèle ouvert chinois a rattrapé le Claude le plus cher. GLM-5.2 a suscité un large intérêt en quelques jours, et des tests indépendants ont confirmé qu’il ne s’agissait pas de marketing.

En bref, GLM est un modèle gigantesque : 753 milliards de paramètres, mais seule une petite partie (environ 40 milliards) est activée pour chaque requête. Il est donc rapide et peu coûteux malgré sa taille. Sa fenêtre de contexte atteint 1 million de tokens, soit à peu près l’équivalent d’un livre de 700 pages d’un seul coup. Il a été développé par Z.ai, une entreprise de Pékin issue de l’université Tsinghua. Le point essentiel : le modèle est librement accessible. GLM-5.2 est sous licence MIT ; GLM-5.3 a sa propre licence GLM-5.3, tout aussi permissive dans l’esprit : prenez-le et utilisez-le. La seule restriction concerne les géants : les services dont le chiffre d’affaires annuel atteint 10 milliards de dollars ou plus doivent passer l’examen de sécurité de Z.ai. Le scénario décrit ne comporte pas de blocages régionaux, contrairement à Claude.

Le calendrier a joué en sa faveur. La veille de sa sortie, une directive du gouvernement américain a contraint Anthropic à désactiver d’urgence deux modèles de pointe.

GLM-5.2 est sorti le lendemain : ouvert, sans verrouillage et peu coûteux.

À l’époque, il se classait quatrième au classement général, derrière Fable 5, Opus 4.8 et GPT-5.5. Mais parmi les modèles que l’on peut télécharger et exécuter sans l’autorisation de leur développeur, c’était le meilleur. Pour un entrepreneur, cela signifie une chose : un concurrent sérieux de Claude est arrivé au prix d’une tasse de café.

Puis les gammes se sont emballées. Le 24 juillet, Anthropic a sorti Opus 5 au même prix : 5 et 25 dollars par million de tokens. GLM-5.3 a suivi le 14 août : toujours 753 milliards de paramètres et une fenêtre de contexte d’un million de tokens, mais nettement plus performant en programmation — 50 % de mieux que GLM-5.2 lors du test interne de Z.ai. Le 1er septembre, Anthropic a dévoilé Fable 5.1 et Mythos 5.1. À partir de maintenant, les chiffres de cet article concernent donc la version actuelle, GLM-5.3.

GLM-5.2 a-t-il vraiment rattrapé Claude en programmation ?#

Les chiffres ci-dessous proviennent de la fiche officielle du modèle GLM-5.3 sur HuggingFace. Z.ai compare son modèle à Opus 4.8, pas à Opus 5 — gardez à l’esprit qu’il s’agit de son tableau.

Le constat est le suivant : GLM-5.3 bat Opus 4.8 presque partout et reste derrière lorsqu’il s’agit de réécrire toute une partie d’un grand projet ou de suivre une tâche de plusieurs heures sans perdre le fil. Sur ce benchmark, l’écart déclaré diminue de 23,1 points : (48,8 − 19,4) − (48,8 − 42,5) = 23,1. C’est une réduction d’environ 79 %, pas une division par deux ; cela décrit le tableau, pas un taux de fiabilité mesuré sur votre projet. Les longues tâches autonomes sont le dernier domaine où Opus tient encore bon.

En juin, peu après la sortie de GLM-5.2, l’équipe de Cline lui a demandé, ainsi qu’à Opus 4.8, de corriger un véritable bug de son projet.

Ce qui est intéressant, c’est que GLM bat parfois Claude sur des tâches précises. La société de sécurité Semgrep (qui ne développe pas GLM et constitue une partie indépendante) a testé des modèles pour détecter des vulnérabilités et constaté que GLM-5.2 seul battait un agent fonctionnant avec Opus. Mais elle a aussi formulé une réserve importante à garder à l’esprit.

Gardez cette réserve en tête : l’environnement compte davantage que le modèle. La conclusion des tests : GLM-5.3 a rattrapé puis dépassé Opus 4.8 en programmation courante, et il est presque à égalité sur les tâches les plus difficiles. Nous dirons comment il se compare à Opus 5 lorsque des mesures indépendantes seront disponibles. Pour la plupart des tâches d’entrepreneur, son avance actuelle suffit.

GLM-5.2 est-il beaucoup moins cher que Claude ?#

Voyons de quoi il s’agit. Comparons les prix par million de tokens.

Mais voici le bémol, sans détour. GLM est configuré pour vérifier son travail avant de le soumettre, donc il utilise sensiblement plus de tokens pour la même tâche (le mode de raisonnement de GLM-5.3 est toujours activé et ne peut pas être désactivé).

Les économies réelles sur une tâche précise se situent donc entre 2 et 7 fois, selon le nombre de vérifications que GLM doit effectuer. C’est moins que les « 5 fois » annoncées par les prix, mais cela laisse tout de même de l’argent dans votre poche. GLM est une façon de payer moins ; j’ai consacré des articles distincts à DeepSeek et à d’autres modèles bon marché pour programmer.

Économiser sur un modèle n’est que le début. Il est bien plus important de mettre en place un système qui empêche Claude d’halluciner, quel que soit le modèle. Le modèle choisi est le moteur. C’est ce que vous mettez dans le contexte qui fait la voiture.

Comment connecter GLM-5.2 à Claude Code en 5 minutes#

Le meilleur, c’est que vous ne changez pas d’outils. Claude Code reste en place, seul le modèle qui répond en arrière-plan change. La connexion ne demande que quelques lignes dans les paramètres.

Option 1 - Abonnement Z.ai (pour le travail quotidien)

Z.ai propose un abonnement spécial GLM Coding Plan, adapté aux outils de programmation. Le prix est fixe et le point de terminaison API parle le langage natif de Claude Code.

1. S’abonner

   Rendez-vous sur z.ai/subscribe et choisissez une formule. Lite commence à $18 par mois (assez pour une journée complète de travail intensif) ; des formules plus chères sont disponibles pour ceux qui codent toute la journée.

2. Créer une clé

   Sur z.ai, allez dans API Keys, cliquez sur « Create a new API key » et copiez-la.

3. Configurer les paramètres

   Ouvrez le fichier ~/.claude/settings.json et collez le bloc ci-dessous en remplaçant le texte de remplacement par votre clé.

4. Redémarrer le terminal

   Ouvrez un nouveau terminal, exécutez claude et saisissez /status pour vérifier.

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "your_z_ai_key",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]",
    "API_TIMEOUT_MS": "3000000"
  }
}

Ensuite, Claude Code affichera les noms « Opus » et « Sonnet », mais exécutera GLM en arrière-plan : Z.ai remplace le modèle de son côté. Si glm-5.2 figure encore dans votre configuration, ce n’est pas un problème : Z.ai redirige lui-même les requêtes pour GLM-5.2 et 5.1 vers GLM-5.3, et celles pour GLM-4.7 vers GLM-5.3-Flash.

1. Obtenir une clé

2. Ajouter des fonds

3. Configurer les paramètres

   Collez le bloc ci-dessous dans ~/.claude/settings.json — le modèle GLM y est déjà indiqué.

4. Lancer Claude Code

   Ouvrez un nouveau terminal et exécutez claude. Vous pouvez changer de modèle à la volée avec la commande /model.

{
  "env": {
    "ANTHROPIC_BASE_URL": "<OFFICIAL_URL>",
    "ANTHROPIC_AUTH_TOKEN": "sk-or-v1-YOUR-KEY",
    "ANTHROPIC_API_KEY": "",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "z-ai/glm-5.3",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "z-ai/glm-5.3"
  }
}

L’exécuter localement chez soi — franchement, c’est irréaliste

Puisque les poids sont ouverts, la question évidente est la suivante : peut-on le télécharger et le faire fonctionner soi-même gratuitement ? Pour un entrepreneur sans serveur personnel, la réponse est non.

GLM-5.3, avec ses mêmes 753 milliards de paramètres, nécessite un serveur équivalent à huit cartes graphiques H200 (soit plus d’un téraoctet de mémoire vidéo et du matériel coûtant des centaines de milliers de dollars). Il ne fonctionnera tout simplement pas, même sur un ordinateur portable haut de gamme. La licence ouverte sert à autre chose : la concurrence sur les prix et l’absence de blocages. Vous continuerez à l’utiliser via une API.

Quand utiliser GLM-5.2 et quand garder Claude Opus ?#

Vous n’avez pas à choisir un modèle pour toujours. Les adeptes du vibe coding avisés gardent les deux et changent selon la tâche. Voici une règle pratique fondée sur les retours d’expérience.

Utilisez GLM lorsque :

1. Vous rédigez des brouillons et itérez — vous esquissez quelque chose, le relisez et le reprenez.
2. Vous travaillez sur du frontend, de la mise en page et du code de base de données standard.
3. Vous avez un grand volume de tâches courantes à bas prix qu’il est acceptable de refaire.
4. Vous avez besoin d’une grande fenêtre de contexte pour quelques centimes.
5. Vous souhaitez simplement payer moins cher pour les 80 % de tâches les plus faciles.

Gardez Opus lorsque :

1. Vous écrivez le code final d’une architecture complexe.
2. Vous avez une longue tâche en plusieurs étapes pour laquelle l’agent ne doit pas se bloquer.
3. Vous travaillez sur une logique critique où le coût d’une erreur est élevé.
4. Vous devez obtenir le bon résultat du premier coup — Opus nécessite deux fois moins de corrections.

GLM-5.2 présentait une faiblesse documentée : sur les longues tâches en plusieurs étapes, il se bloquait parfois en boucle et répétait les mêmes actions. Dans le tableau SWE-Marathon publié par Z.ai, GLM-5.3 réduit l’écart avec Opus 4.8 de 29,4 à 6,3 points (42,5 contre 48,8). Opus garde le meilleur score sur ce test ; cela ne mesure pas à lui seul la fiabilité sur vos propres longues tâches autonomes.

Et voici le piège : l’outil le moins cher n’entraîne pas toujours le travail le moins cher. Si GLM s’y prend mal trois fois et que vous devez terminer à la main, le modèle bon marché finit par coûter plus cher qu’Opus, qui aurait réussi du premier coup. Calculez le coût du résultat final, pas le prix par token. Et si vous restez chez Claude, j’explique séparément quel modèle choisir selon la tâche : Sonnet ou Opus.

Quelles conditions d’accès et de paiement faut-il prendre en compte ?#

Quels sont les risques et les pièges ?#

Un faible coût ne signifie pas une absence totale de risques. Voici ce qu’il faut savoir à l’avance.

Confidentialité. Le service international de Z.ai est enregistré au nom d’une entreprise singapourienne, et sa politique concernant l’accès à l’API semble raisonnable : elle indique que les contenus ne sont ni stockés ni utilisés pour entraîner des modèles sans votre consentement explicite. Mais ce sont des promesses de politique, pas des garanties auditées — aucun certificat de sécurité public n’est disponible. La société mère est chinoise, et la loi chinoise pourrait théoriquement exiger l’accès aux données. Par ailleurs, Zhipu a été ajouté à la liste américaine des contrôles à l’exportation en janvier 2025. Cela limite ce que l’entreprise peut acheter aux États-Unis ; l’utilisation de ses modèles n’est pas interdite, mais c’est un signal à garder en tête.

Stabilité — le principal inconvénient concret. À la mi-juin, lors du lancement de GLM-5.2, l’API est restée indisponible quelques jours à cause de limites de charge strictes : aux heures de pointe, jusqu’à la moitié des requêtes étaient rejetées. Pour le travail en production, cela signifie qu’il faut garder Claude comme solution de repli et ne pas dépendre entièrement d’un seul modèle.

Conseils généraux de sécurité. Cela vaut pour toute IA tierce et mérite une attention redoublée avec une IA chinoise. Ne mettez jamais de secrets ni de données personnelles dans un prompt : clés API, contenu d’un fichier de mots de passe, véritables adresses e-mail et numéros de téléphone de clients ou exports de bases de données de production. Les politiques sont des promesses, pas des verrous cryptographiques. J’aborde plus en détail la sécurité des projets dans le guide sur la sécurité du vibe coding.

Faut-il passer à GLM-5.2 ?#

À la date de mise à jour du contenu source, le 1er octobre 2026, les enjeux ont augmenté avec la sortie de GLM-5.3 : le modèle ouvert coûte à nouveau plusieurs fois moins cher et devance désormais Opus 4.8 dans le tableau de Z.ai. Pour un entrepreneur qui craint d’épuiser tout son budget avec les limites de Claude, c’est une réponse directe.

Mais je vous déconseille de croire que tout se résume au choix du modèle. Souvenez-vous de la réserve de Semgrep : l’environnement compte davantage que le modèle. Les praticiens disent tous la même chose : le vibe coding échoue le plus souvent pour une raison — le modèle n’a pas reçu de contexte. J’ai vu des personnes choisir GLM à bas prix, ne pas configurer correctement Context Engineering et obtenir n’importe quoi, puis accuser le modèle.

Mon conseil est simple : connectez GLM aujourd’hui, essayez-le pendant une semaine sur vos propres tâches et gardez Opus pour les plus difficiles. En parallèle, travaillez sur ce qui fait vraiment la différence : la gestion du contexte. Ainsi, même un modèle bon marché vous donnera un résultat stable.

D’autres ressources sont disponibles sur Ailoot.