GLM-4.5V
GLM-4.5V est un LLM de Zhipu AI publié le 11 août 2025, sous licence MIT avec poids ouverts et usage commercial autorisé. Son positionnement combine un grand modèle de 108 milliards de paramètres, une fenêtre de contexte de 131 072 tokens et un coût d’accès très bas face aux LLM…
GLM-4.5V est un LLM de Zhipu AI publié le 11 août 2025, sous licence MIT avec poids ouverts et usage commercial autorisé. Son positionnement combine un grand modèle de 108 milliards de paramètres, une fenêtre de contexte de 131 072 tokens et un coût d’accès très bas face aux LLM comparables.
Le modèle se distingue par un profil généraliste : résultats solides sur les tâches de connaissance, de classification d’e-mails et d’éthique, évaluations disponibles en texte comme en vision, et tarification annoncée 69% sous la moyenne de modèles similaires. Ses connaissances s’arrêtent au 31 décembre 2024.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Zhipu AI |
| Licence | MIT (open-weights, usage commercial autorisé) |
| Date de sortie | 11 août 2025 |
| Connaissances jusqu'à | 2024-12-31 |
| Multimodal | oui |
| Paramètres | 108 milliards |
| Fenêtre de contexte | 131 072 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 99,0 % | 113ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 24ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 99,0 % | 114ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 92,0 % | 140ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 92,0 % | 80ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 92,0 % | 79ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 85,0 % | 132ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 5,1 % | 224ᵉ / 252 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : General Knowledge (Baseline)
Benchable : Email Classification (Baseline)
Classements Arena (Elo)
| Catégorie | Elo | Rang |
|---|---|---|
| Arena Text | 1353 | 170ᵉ |
| Arena Vision | 1156 | 82ᵉ |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,6 $ | 1,8 $ | 0,11 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 69 % en dessous de la moyenne des LLM similaires, et 8,1 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,09 $ |
| Latence moyenne par benchmark — Benchable | 10 min 38 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. GLM-4.5V ressort surtout sur les évaluations Benchable les plus généralistes, avec un niveau élevé en General Knowledge (Baseline), Email Classification (Baseline) et Ethics (Baseline). Le modèle affiche aussi des scores solides en Coding (Baseline) et Reasoning (Baseline), ce qui indique un usage crédible pour des tâches textuelles structurées, du tri d’informations, de l’assistance au code et du raisonnement courant. La licence MIT, les poids ouverts et l’autorisation d’usage commercial renforcent son intérêt pour des déploiements maîtrisés. Le tarif constitue un autre point fort net : l’accès est très économique, nettement sous la moyenne des LLM similaires et environ 8,1 fois moins cher que les modèles frontière.
Limites et points d’attention. Le classement Arena text place GLM-4.5V loin du haut de tableau, ce qui suggère une compétitivité plus limitée en préférence humaine générale que ses meilleurs résultats Benchable ne le laissent penser. Le benchmark Hallucinations (Baseline) reste correct mais moins différenciant, avec un rang situé dans la seconde moitié du panel évalué. L’arrêt des connaissances au 31 décembre 2024 impose aussi une vigilance sur les sujets récents. Le format 108 milliards de paramètres peut enfin impliquer des contraintes d’infrastructure en usage local. GLM-4.5V convient surtout aux usages généralistes à budget contraint, lorsque l’ouverture des poids, le long contexte et le coût priment sur le tout meilleur niveau Arena text.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Arena.ai (arena.ai) · Benchable.ai (benchable.ai).