# GLM-5.1

> Fiche du modèle de langage GLM-5.1 sur Quelle IA, édition du 28 septembre 2026. GLM-5.1 (Z.ai (Zhipu AI)) : score IA de 81,9, 52e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/glm-5-1/
Origine : Z.ai (Zhipu AI) · Chine · sorti le 7 avril 2026

## Score général

- Score IA : 81,9 (marge à 90 % : de 79,9 à 83,8)
- Rang : 52 (Groupe 7, ex æquo)
- Couverture : 95 % du poids des tâches, 23 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 79,0 | Provisoire · 22 % |
| Code | 79,2 | Rang 39 · 38 % |
| Agents | 84,2 | Provisoire · 22 % |
| Usage | 82,9 | Rang 51 · 100 % |
| Maths | 81,6 | Rang 42 · 75 % |
| Sciences | 81,3 | Rang 35 · 60 % |
| Français | 78,5 | Rang 33 · 50 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 84,2 | Rang 45 · 100 % |
| Web | 84,5 | Rang 43 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [GLM-5.1 (Reasoning)](https://artificialanalysis.ai/models/glm-5-1) | 26,1 | 110e sur 193 | 48,3 jetons/s | 1,74 s | 1,285 $ / 4,07 $ |
| [GLM-5.1 (Non-reasoning)](https://artificialanalysis.ai/models/glm-5-1-non-reasoning) | 24,2 (estimé) | hors classement | 49,6 jetons/s | 1,76 s | 1,38 $ / 4,4 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/glm-5-1

## Exécution locale

Trop lourd pour les machines que suit Quelle IA : 513,4 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

- Allégée, 4 bits : 513,4 Go
- Allégée, 8 bits : 898,4 Go
- Complète, 16 bits : 1 711,2 Go

- Plus petite machine : aucune, il faut un serveur
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : Trop juste
- Ryzen AI Max : Trop juste
- Nvidia DGX : Trop juste
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,85 € / 2,67 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 202 752 jetons (environ 152 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : 744 milliards
- Licence : MIT (poids ouverts, téléchargeables)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/zai-org/GLM-5.1)
- Sur votre machine : [Ollama](https://ollama.com/search?q=GLM-5.1)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/z-ai/glm-5.1)
- Par API : [API Z.ai (Zhipu AI)](https://docs.z.ai)
- L'essayer : [Z.ai](https://chat.z.ai)

## Dans les outils de code

- Disponible dans : [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid) (retrait annoncé)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 93,3 % | 80,4 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 89,9 % | 82,6 | actif | https://epoch.ai/benchmarks |
| SWE-bench Verified | Code | 74,2 % | 81,9 | actif | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 447,1 Elo | 87,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 475,2 Elo | 84,9 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 494,0 Elo | 84,1 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 508,5 Elo | 84,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 512,7 Elo | 84,3 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 464,5 Elo | 84,3 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 487,1 Elo | 84,0 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 33,4 % | 82,3 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 57,1 % | 79,4 | actif | https://htihle.github.io/weirdml.html |
| Vending-Bench 2 | Agents | 5 634 $ | 88,4 | actif | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 55,1 % | 80,0 | actif | https://epoch.ai/benchmarks |
| SciCode | Code | 43,8 % | 75,8 | actif | https://artificialanalysis.ai/evaluations/scicode |
| APEX-Agents | Agents | 40,9 % | 83,6 | actif | https://epoch.ai/benchmarks |
| compar:IA | Français | 950,0 Elo | 40,8 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 36,8 % | 77,6 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 34 % | 76,7 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 24,9 % | 73,3 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 22,2 % | 83,0 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| FrontierMath, palier 4 (version 2025) | Maths | 12,5 % | 83,1 | actif | https://epoch.ai/benchmarks |
| ExploitBench | Sécurité | 18,1 % | 80,8 | actif | https://epoch.ai/benchmarks |
| ExploitBench | Sécurité | 16 % | 79,4 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 19 % | 76,6 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 4,6 % | 75,4 | actif | https://epoch.ai/benchmarks |
| GBAEval | Code | 0 % | 74,4 | actif | https://gbaeval.com/model/goose-glm-5-1 |

## En bref

**Quel est le score de GLM-5.1 ?** GLM-5.1 obtient un score IA de 81,9, avec une marge de 79,9 à 83,8, dans l'édition du 28 septembre 2026. Il est classé 52e sur 246 modèles, à partir de 23 mesures.

**Dans quelles tâches GLM-5.1 est-il le plus fort ?** Ses deux meilleures tâches sont web (84,5) et agents (84,2). Sa tâche la plus faible est français (78,5).

**GLM-5.1 peut-il tourner en local ?** Trop lourd pour les machines que suit Quelle IA : 513,4 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

**Combien coûte GLM-5.1 ?** 0,85 € par million de jetons en entrée et 2,67 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite GLM-5.1 ?** GLM-5.1 est édité par Z.ai (Zhipu AI) (Chine), et il est sorti le 7 avril 2026. Ses poids sont ouverts, sous licence MIT.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com