GLM 5.3 : le coût réel de ce modèle bon marché

👁 119 lectures

La fiche du modèle GLM 5.3 est séduisante : un million de tokens de contexte, un prix d’entrée inférieur à dix centimes pour la version Flash, prise en charge des images et vidéos. Cela ressemble au moyen le moins cher d’obtenir un grand contexte aujourd’hui. Nous avons donc lancé notre propre test et calculé ce que cette offre coûte réellement. Il s’avère que trois des quatre chiffres de la fiche du modèle ne sont vrais que dans des conditions très particulières.

Notre test : nous avons vérifié séparément comment GLM-5.3 se débrouille avec l’écriture en polonais : GLM-5.3 en polonais : test en 13 tâches · comparaison avec MiMo, Qwen et Muse Spark

Qu’est-ce que GLM 5.3

GLM 5.3 est un modèle de l’entreprise chinoise Z.ai, successeur de la ligne GLM 5. Sur OpenRouter, il est disponible en deux variantes, et la différence entre elles est plus importante que ne le suggère le nom.

La première chose qui saute aux yeux : la version Flash, moins chère, a un contexte plus grand que la version complète et accepte les images et vidéos, que le modèle phare n’accepte pas du tout. Avec un prix d’entrée dix-neuf fois inférieur. Ce n’est pas une configuration que l’on rencontre souvent, nous avons donc commencé par là.

Contexte de 1,31 million : un seul fournisseur l’offre

GLM 5.3 Flash a vingt-six fournisseurs sur OpenRouter. Nous avons vérifié chacun d’eux séparément et la fenêtre de contexte de 1 310 720 tokens est offerte par exactement un seul : Cloudflare. Vingt-quatre des autres donnent 1 048 576, et un donne 262 144.

Le chiffre de la fiche du modèle est donc vrai, mais il décrit le meilleur fournisseur, pas ce que vous obtiendrez avec une requête normale. Si vous construisez quelque chose qui a réellement besoin de 1,3 million de tokens, vous devez forcer un fournisseur spécifique. Sinon, vous tomberez sur un million et la requête rebondira sur la limite au pire moment possible.

Le prix de la fiche : celui du fournisseur le moins cher, pas le vôtre

Ici, cela devient plus intéressant. OpenRouter affiche sur la fiche le tarif du fournisseur le moins cher, mais la requête est dirigée vers celui qui est disponible. Nous avons calculé l’écart pour chacun des quatre modèles.

Pour GLM 5.3 Flash, le tarif de la fiche, soit 0,25 dollar, est donné par deux fournisseurs sur vingt-six. Vingt facturent 0,50, soit deux fois plus. Nos requêtes sont tombées sur Together et nous avons payé précisément 0,50.

Pour GLM 5.2, c’était pire. La fiche indique 0,88 dollar par million de tokens de sortie. Notre requête est tombée sur un fournisseur qui facture 4,40, soit cinq fois plus que le prix sur lequel nous avons basé notre décision. Ce n’est pas une erreur ni des frais cachés, tout est transparent dans les données des fournisseurs. Simplement, personne ne lit les données des fournisseurs, et la fiche du modèle affiche un seul chiffre.

Le raisonnement ne peut pas être désactivé

Notre méthode standard de mesure commence par désactiver le raisonnement, sinon nous comparons des modèles qui réfléchissent avec des modèles qui répondent directement. Avec GLM 5.3, cela ne fonctionne pas. L’API renvoie une erreur 400 et un message qui ne laisse aucune place à la discussion :

Reasoning is mandatory for this endpoint and cannot be disabled.

La version Flash renvoie la même erreur. La conséquence est financière, pas technique : les tokens de raisonnement sont facturés comme des tokens de sortie ordinaires, et la sortie est le côté le plus cher du tarif. Vous payez pour la réflexion du modèle et vous ne pouvez pas y renoncer.

Nous avons vérifié la quantité de cette réflexion. Dans trois tâches, la part des tokens de raisonnement dans l’ensemble de la sortie était de :

• GLM 5.3 : 95%, 84% et 52%
• GLM 5.3 Flash : 96%, 93% et 68%
• DeepSeek V4 Flash : 89%, 16% et 90%

Pour la tâche où nous demandions deux phrases en polonais, GLM 5.3 a produit 659 tokens de sortie, dont 625 étaient du raisonnement. Nous avons reçu deux phrases et une facture pour vingt fois plus de texte que ce que nous avons vu.

Trois tâches en polonais, quatre modèles

Le test était simple et volontairement court, car dans de telles tâches, les différences de coûts deviennent les plus douloureuses. Nous avons demandé deux phrases avec une déclinaison difficile, un résumé en exactement trois phrases et un calcul sur un tarif de tokens.

Le chiffre le plus frappant se trouve dans la ligne du résumé. GLM 5.3 Flash a eu besoin de 3 783 tokens de sortie et 46,3 secondes pour trois phrases sur le leasing, dont 3 526 tokens sont allés au raisonnement. DeepSeek V4 Flash a rendu la même tâche en 203 tokens et 3,8 secondes. Douze fois plus rapide, avec un coût trente-neuf fois inférieur.

Au total, pour trois tâches, DeepSeek V4 Flash a facturé seize fois moins que GLM 5.3 Flash et soixante et une fois moins que GLM 5.3.

Et le polonais ?

Ici, il n’y a pas de surprise et c’est justement le problème de GLM. Les quatre modèles se sont débrouillés avec le génitif pluriel de « skrzypce » (violon) et l’instrumental de « tysiąc » (mille). Tous ont calculé correctement la facture à 0,646 dollar. Tous ont placé le résumé en exactement trois phrases, comme nous l’avions demandé.

Phrase de GLM 5.3 : « W piwnicy nie znaleźli starych skrzypiec należących do dziadka ». Phrase de DeepSeek V4 Flash : « Zabrakło mi strun do moich starych skrzypiec ». Les deux correctes, l’une a coûté soixante et une fois plus cher.

Pour les tâches où le modèle le plus cher ne fait rien de mieux, toute la différence se résume à la facture. Et c’est la réponse à la question de savoir s’il vaut la peine de passer de GLM 5.2 à 5.3 : dans nos tâches, il n’y avait rien qui justifiait de payer plus.

Même modèle, temps quatre fois différent

Il vaut la peine de savoir encore une chose. GLM 5.3 nous a répondu une fois en 1,7 seconde, et une autre fois en 29,7 secondes. Ce n’était pas une différence de difficulté de la tâche, mais une différence de fournisseur : la réponse la plus courte est venue de Modal, la plus longue de DigitalOcean. Si vous construisez quelque chose où le temps de réponse compte, avec des modèles ayant une longue liste de fournisseurs, vous devez indiquer un fournisseur spécifique. Sinon, le même code fonctionne une fois en une seconde, et une autre fois en une demi-minute, sans qu’on sache pourquoi.

Pour qui cela a-t-il du sens

Prenez GLM 5.3 Flash si vous avez besoin d’un modèle bon marché qui accepte les images et vidéos avec un grand contexte. C’est une combinaison réellement rare et Flash gagne ici, car DeepSeek V4 Flash n’accepte pas les images.

Évitez GLM 5.3 en version complète tant que vous n’avez pas une tâche que la version Flash échoue. Il coûte près de dix-neuf fois plus cher à l’entrée, n’accepte pas les images, a un contexte plus petit et dans nos tâches ne répondait pas mieux.

Pour le texte ordinaire, prenez autre chose. Pour les tâches textuelles, DeepSeek V4 Flash était plus rapide et plusieurs fois moins cher avec la même qualité de polonais.

Indiquez toujours le fournisseur. C’est une ligne dans la requête, et sans elle, le prix et le temps de réponse sont une loterie où la fiche du modèle affiche le meilleur résultat possible.

Comment nous avons mesuré

Tous les chiffres proviennent du 9 septembre 2026. Nous avons pris les prix et les listes de fournisseurs directement de l’API OpenRouter, les coûts des requêtes individuelles du champ de facturation renvoyé par cette même API, et non de nos propres estimations. Chaque tâche a été envoyée à chaque modèle une fois, avec la même instruction et une limite de 4 000 tokens. L’ensemble du test a coûté 0,0196 dollar.

Une mesure est une mesure et avec les modèles à raisonnement, l’écart peut être important. Nous n’affirmons donc pas que GLM 5.3 Flash a toujours besoin de 3 783 tokens pour trois phrases. Nous affirmons qu’à la première tentative il en avait besoin, que cela ne peut pas être désactivé et que la facture doit être calculée avec cette hypothèse.

Nous collectons davantage de ces mesures en continu dans les benchmarks, et nous conservons les données sur les modèles individuels dans l’atlas des modèles. Comment des pièges similaires se présentent avec des modèles plus chers, nous l’avons détaillé dans le texte sur GPT-6 Astra.

Note du même jour : un test plus large a mieux réussi à GLM

Quelques heures après la publication de ce texte, nous avons fait passer dix modèles à travers six tâches de grammaire polonaise, évaluées automatiquement. GLM 5.3 Flash a obtenu un score parfait, autant que GPT-6 Astra, Claude Fable 5.1 et Kimi K3, avec une facture de vingt-six à trente-deux fois inférieure à la leur.

Cela précise la conclusion du paragraphe ci-dessus. Sur les trois tâches de ce texte, DeepSeek V4 Flash s’en sortait aussi bien et était moins cher. Sur un ensemble plus large, DeepSeek a perdu un point, et GLM 5.3 Flash n’en a perdu aucun. Si vous tenez à un polonais correct, GLM 5.3 Flash est maintenant notre choix par défaut, et tout ce que nous avons écrit ci-dessus sur les coûts de raisonnement et les fournisseurs reste valable.

Les résultats complets, avec répartition par tâches et coût de chaque modèle, sont dans le texte sur quel modèle IA écrit le mieux en polonais.

Une deuxième fois la même chose, mais plus douloureusement

Pour une tâche plus longue, le raisonnement obligatoire cesse d’être seulement un coût. Dans le test où nous avons demandé à huit modèles un article de neuf cents mots, GLM 5.3 Flash a utilisé toute la limite de huit mille tokens pour réfléchir et a rendu zéro mot, tout en émettant une facture.

Ce n’est plus une exception

Quand nous avons écrit ce texte, GLM 5.3 était le seul modèle sur lequel nous étions tombés. Le lendemain, nous avons examiné dix-huit modèles et il s’est avéré que sept d’entre eux bloquent la désactivation du raisonnement, et la division est purement générationnelle : les nouveaux modèles retirent le choix, les anciennes versions des mêmes familles le donnent encore.

Données chiffrées : fiche GLM 5.3 avec prix par million de tokens et taille du contexte.

// lire la suiteClaude Fable 5.2 vs Opus 5.5 : prix, benchmarks, lequel choisirBenchmarksllms.txt : les bots IA le lisent-ils vraiment ?BenchmarksQuelle IA choisir pour la physique ? Gemini, ChatGPT et un testBenchmarks

Kinetyra