GLM-5.2

GLM-5.2 est un LLM open-weights de Zhipu AI, publié le 16 juin 2026 sous licence MIT avec usage commercial autorisé. Ses 753 milliards de paramètres, dont 40 milliards actifs, s’accompagnent d’une fenêtre de contexte de 1 048 576 tokens, adaptée aux tâches à long horizon.

Le modèle combine plusieurs niveaux d’effort de réflexion pour le codage, afin d’arbitrer performance et latence. Son architecture intègre IndexShare, qui mutualise un indexeur toutes les quatre couches d’attention clairsemée, et une couche MTP améliorée pour le décodage spéculatif. Il est accessible par l’API Z.ai ou déployable localement avec plusieurs frameworks.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.

Classements Arena (Elo)

Arena Code · 99 modèles classés

Arena Text · 200 modèles classés

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 86 % en dessous de la moyenne des LLM similaires, et 18,6 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

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-5.2 se place dans le top 10 des Intelligence Index, Code Index et Agentic Index. Il atteint la première place du test Hallucinations (Baseline) et se distingue particulièrement en programmation, avec la troisième place de l’Arena Code. Son résultat sur GPQA diamond, consacré aux questions scientifiques de niveau doctorat, le situe près des meilleurs modèles évalués. À sa sortie, il figurait dans le top 13% des LLM de sa génération sur ce benchmark. Son contexte d’environ un million de tokens renforce son positionnement sur les tâches longues. La tarification est très économique, 79% sous la moyenne des LLM similaires et environ 13,1 fois inférieure à celle des modèles frontière. La licence MIT autorise aussi les usages commerciaux et le déploiement local, notamment avec SGLang, vLLM, Transformers, KTransformers, Unsloth et des frameworks compatibles Ascend NPU.

Limites et points d'attention. Les performances sont moins homogènes hors du code. Dans l’Arena text, GLM-5.2 occupe une position nettement plus éloignée de la tête. Les classements Ethics et Email Classification le placent également dans la seconde moitié des modèles évalués, malgré des scores Baseline élevés. Reasoning et Coding affichent le même contraste entre bons scores bruts et rangs plus ordinaires. GLM-5.2 cible donc surtout le développement logiciel, les agents et les traitements à contexte très long, avec un coût particulièrement contenu.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · LiveBench (livebench.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).