# GLM-5.3-Flash

> Fiche du modèle de langage GLM-5.3-Flash sur Quelle IA, édition du 28 septembre 2026. GLM-5.3-Flash (Z.ai (Zhipu AI)) : score IA de 84,7, 39e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/glm-5-3-flash/
Origine : Z.ai (Zhipu AI) · Chine · sorti le 20 août 2026

## Score général

- Score IA : 84,7 (marge à 90 % : de 82,3 à 87,2)
- Rang : 39 (Groupe 6, ex æquo)
- Couverture : 100 % du poids des tâches, 30 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 | 74,5 | Provisoire · 22 % |
| Code | 88,9 | Rang 22 · 31 % |
| Agents | 88,9 | Provisoire · 11 % |
| Usage | 85,5 | Rang 35 · 100 % |
| Maths | 83,2 | Rang 38 · 62 % |
| Sciences | 82,6 | Rang 32 · 80 % |
| Français | 86,3 | Rang 17 · 100 % |
| Vision | 86,3 | Provisoire · 33 % |
| Écriture | 84,5 | Rang 42 · 100 % |
| Web | 91,0 | Rang 21 · 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 5.3 Flash](https://artificialanalysis.ai/models/glm-5-3-flash) | 41,8 | 49e sur 193 | 44,7 jetons/s | 3,31 s | 0,15 $ / 0,5 $ |

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. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/glm-5-3-flash

## Exécution locale

Tient à partir de deux DGX Spark en grappe (224 Go utiles), en version allégée à 4 bits, par exemple deux DGX Spark en grappe. Mémoire estimée : 220,8 Go.

- Allégée, 4 bits : 220,8 Go
- Allégée, 8 bits : 386,4 Go
- Complète, 16 bits : 736,0 Go

- Plus petite machine : [2 DGX Spark, 256 Go](https://quelleia.com/local/#dgx_spark_x2), version allégée à 4 bits
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : [Mac 512 Go](https://quelleia.com/local/#mac_512_go), version allégée à 4 bits ; par exemple [Mac Studio M5 Ultra, 512 Go](https://quelleia.com/local/mac-studio-m5-ultra-512go/)
- Ryzen AI Max : Trop juste
- Nvidia DGX : [2 DGX Spark, 256 Go](https://quelleia.com/local/#dgx_spark_x2), version allégée à 4 bits ; par exemple [Deux DGX Spark en grappe](https://quelleia.com/local/dgx-spark-x2/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,15 € / 0,50 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image, vidéo, PDF
- Réflexion : Faible, élevée, maximale (trois niveaux réglables)
- Paramètres : 320 milliards
- Licence : MIT (poids ouverts, téléchargeables)
- Classe énergétique : D (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-5.3-Flash)
- Sur votre machine : [Ollama](https://ollama.com/search?q=GLM-5.3-Flash)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/z-ai/glm-5.3-flash)
- 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 : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Cline](https://quelleia.com/outils/#cline) (offres payantes), [Droid (Factory)](https://quelleia.com/outils/#factory-droid), [Augment Code](https://quelleia.com/outils/#augment), [Warp](https://quelleia.com/outils/#warp)
- Utilisé par : [Amp](https://quelleia.com/outils/#amp)
- 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 |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 96,1 % | 70,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 93,9 % | 81,1 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 90,2 % | 83,0 | actif | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 81,1 % | 85,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 79,2 % | 89,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 78,4 % | 113,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 78 % | 133,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Code Arena, WebDev | Web | 1 614,8 Elo | 91,9 | actif | https://arena.ai/leaderboard |
| EuroEval, FQuAD (compréhension) | Français | 72,8 % | 87,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions de maths | Maths | 1 499,9 Elo | 90,0 | actif | https://arena.ai/leaderboard |
| DeepSWE | Code | 63,4 % | 90,7 | actif | https://deepswe.datacurve.ai/ |
| Arena, questions d'experts | Sciences | 1 508,1 Elo | 86,8 | actif | https://arena.ai/leaderboard |
| EuroEval, MultiLoKo (connaissances locales) | Français | 61,3 % | 87,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions en français | Français | 1 505,7 Elo | 88,0 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 523,4 Elo | 86,7 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 473,7 Elo | 86,5 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 434,7 Elo | 84,4 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 281,2 Elo | 88,4 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 55,8 % | 83,5 | actif | https://epoch.ai/benchmarks |
| APEX-Agents | Agents | 52,8 % | 89,3 | actif | https://epoch.ai/benchmarks |
| Surface Evolver Bench | Sciences | 52,5 % | 81,6 | saturé | https://yhenon.github.io/surface-evolver-llm-eval/ |
| SciCode | Code | 51,6 % | 85,1 | actif | https://artificialanalysis.ai/evaluations/scicode |
| compar:IA | Français | 977,0 Elo | 52,5 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| EuroEval, OrangeSum (résumé) | Français | 40,9 % | 143,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| FrontierCode | Code | 31,8 % | 86,3 | actif | https://cognition.com/frontiercode |
| ProofBench | Maths | 21 % | 82,8 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| FrontierMath, palier 4 (v2) | Maths | 17,1 % | 83,5 | saturé | https://epoch.ai/benchmarks |
| CritPt | Sciences | 15,4 % | 87,6 | actif | https://epoch.ai/benchmarks |
| GDP.pdf | Données | 14 % | 82,7 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| Chess Puzzles | Raisonnement | 14 % | 71,5 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 8 % | 65,7 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GLM-5.3-Flash ?** GLM-5.3-Flash obtient un score IA de 84,7, avec une marge de 82,3 à 87,2, dans l'édition du 28 septembre 2026. Il est classé 39e sur 246 modèles, à partir de 30 mesures.

**Dans quelles tâches GLM-5.3-Flash est-il le plus fort ?** Ses deux meilleures tâches sont web (91,0) et code (88,9). Sa tâche la plus faible est raisonnement (74,5).

**GLM-5.3-Flash peut-il tourner en local ?** Tient à partir de deux DGX Spark en grappe (224 Go utiles), en version allégée à 4 bits, par exemple deux DGX Spark en grappe. Mémoire estimée : 220,8 Go.

**Combien coûte GLM-5.3-Flash ?** 0,15 € par million de jetons en entrée et 0,50 € 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-5.3-Flash ?** GLM-5.3-Flash est édité par Z.ai (Zhipu AI) (Chine), et il est sorti le 20 août 2026. Ses poids sont ouverts, sous licence MIT.

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