Nouveaux Modèles 2026-08-17

Zhipu n'a pas construit un nouveau modèle. Elle a continué d'entraîner l'ancien — et affirme que le code s'est amélioré de 50 %

Zhipu a publié GLM-5.3 le 14 août. Ce qui frappe, c'est ce qu'il n'est pas : le modèle de base est inchangé par rapport à GLM-5.2 — la même architecture de mélange d'experts d'environ 744 milliards de paramètres, avec quelque 40 milliards actifs par jeton. Tout le gain revendiqué vient du post-entraînement : un entraînement plus long, des dizaines de fois plus d'environnements de tâches à long contexte, et des types plus variés. Zhipu affirme que la capacité de programmation a progressé d'environ 50 % par rapport à GLM-5.2, qu'elle arrive première parmi les modèles à poids ouverts sur Terminal Bench 3.0 et Agents' Last Exam, et qu'elle obtient 84,5 % au test de sécurité CyberGym. Sur son propre Code Bench, l'entreprise place GLM-5.3 à 31,4 % contre 29,5 % pour Claude Opus 4.8, avec environ 50 000 jetons de sortie contre 120 000 pour Opus. La plupart de ces chiffres sont des évaluations maison. Les poids ne sont pas encore publiés : l'entreprise dit qu'elle les diffusera environ deux semaines après la sortie, une fois le durcissement de sécurité terminé.

Pourquoi c'est importantDepuis deux ans, la recette d'un meilleur modèle, c'était une base plus grosse et réentraînée de zéro. Ici on affirme l'inverse : laisser la base intacte et obtenir un bond important uniquement grâce à ce sur quoi on l'entraîne ensuite. C'est bien moins cher, et c'est une voie qu'un petit laboratoire pourrait reproduire. Mais restez prudent sur l'ampleur du bond tant que les poids ne sont pas publics : presque tous ces chiffres ont été produits et annoncés par l'entreprise qui vend le modèle, et personne à l'extérieur ne les a encore vérifiés.

#Code

✓ Vérifié · 3 sources

Lire dans l'app — gratuit, en 9 langues

Actus liées

Rumeur : le modèle anonyme qui vient de dominer un test de programmation, gratuitement, serait le fleuron non publié de Zhipu
2026-08-21 Le cheval de trait bon marché de DeepSeek voit désormais — et sur les tâches d'agent qui exigent des yeux, il se dit proche du meilleur d'Anthropic
2026-08-21 Nvidia paie 6 milliards de dollars pour la machine qui fabrique les modèles d'un rival — et embauche 109 de ceux qui la faisaient tourner
2026-08-21 Quatre heures et un GPU pour améliorer la façon dont on entraîne l'IA : le meilleur agent obtient 0,25 sur 1 — et la plupart n'ont même pas essayé
2026-08-21 Montrez-le au robot une fois — de trois à douze secondes — et il réussit 59 fois sur 100 sans le moindre entraînement
2026-08-21