Puis-je exécuter GLM-5.3-Flash localement ?

Oui, les poids sont ouverts et disponibles sur Hugging Face à zai-org/GLM-5.3-Flash. Il supporte SGLang, vLLM, Transformers, KTransformers et Unsloth, mais les 320 milliards de paramètres totaux nécessitent un matériel conséquent même si seuls 18 milliards sont actifs à l’inférence.

Quel est le coût de GLM-5.3-Flash et quelle est sa fenêtre de contexte ?

Via l’API Z.ai, il est tarifé à 0,03 $ par million de tokens en entrée et 0,90 $ par million de tokens en sortie, avec une fenêtre de contexte de 1 048 576 tokens.

En quoi GLM-5.3-Flash diffère-t-il des modèles GLM précédents ?

C’est le premier modèle multimodal natif de la série GLM-5, construit sur une nouvelle base avec une architecture hybride d’attention sparse et linéaire que les versions précédentes n’utilisaient pas. Z.ai affirme qu’il surpasse GLM-5.2 sur les benchmarks à un dixième du prix.

▲

26.6%

cette semaine

GLM 5.3 Flash

9421°

#llm #z-ai #vision #vidéo #raisonnement #programmation

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Z.ai | 1,048,576 token context | $0.02/M input, $0.72/M output. GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead. Yes, the stealth model Ox Alpha was revealed to be ZAI's new model, GLM-5.3 Flash.

Guides pour ce modèle

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

GLM-5.3-Flash est un modèle multimodal natif de Z.ai avec 320 milliards de paramètres au total mais seulement 18 milliards actifs, ce qui lui permet d’avoir un excellent rapport coût-performance. Une architecture hybride d’attention sparse et linéaire lui permet de gérer un contexte d’un million de tokens sans la pénalité de calcul habituelle. Il convient aux développeurs qui ont besoin de capacités sérieuses en codage et agents à un prix plus proche d’un modèle léger que d’un modèle de pointe.

Connu pour

Contexte d’un million de tokens avec coût de service réduit grâce à l’attention hybride
18 milliards de paramètres actifs sur 320 milliards au total — efficace en temps d’inférence
Excellentes performances en codage et tâches agent à long terme
Multimodal natif : texte, vision et vidéo dans un seul modèle
Budget de raisonnement ajustable via un paramètre reasoning_effort

Attention à

320 milliards de paramètres au total signifie que le déploiement local demande un matériel sérieux malgré le faible nombre de paramètres actifs.
Le coût de sortie est de 0,90 $/M tokens — bon marché pour un modèle de pointe, mais attention aux boucles agent générant beaucoup.
Le fabricant n’a pas publié de licence open source spécifique ; vérifiez le dépôt Hugging Face avant usage commercial.

Idéal pour

Programmation

Agents et utilisation d'outils

Contexte long

Vision

Fonctionne localement

Prompts à essayer

Refactorisation d’un code désordonné

Voici un module Python qui gère l’authentification utilisateur. Il fonctionne mais est difficile à lire et ne gère pas les erreurs. Refactorez-le pour plus de clarté, ajoutez des signatures de fonctions typées, et levez des exceptions spécifiques au lieu de retourner None en cas d’échec. Expliquez chaque changement et pourquoi.

Planification d’un agent multi-étapes

Concevez un plan d’agent étape par étape pour trier automatiquement les issues ouvertes d’un dépôt GitHub : catégorisez chaque issue par type (bug, fonctionnalité, question), attribuez un score de priorité basé sur le nombre de commentaires et l’ancienneté, et rédigez un modèle de réponse en une phrase pour chaque catégorie. Listez les outils nécessaires à l’agent et signalez les étapes nécessitant une revue humaine.

Raisonnement sur un long document

Je vais coller un contrat long ci-dessous. Lisez le document entier, puis : identifiez chaque clause limitant la responsabilité, notez celles qui sont contradictoires, et résumez la position nette de responsabilité pour chaque partie en langage clair. Signalez toute clause qu’un non-juriste pourrait manquer mais qui comporte un risque financier important.

Comparer avec

GLM 5.3 FlashX
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.37/M, sortie $1.25/M
GLM Flash Latest
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.02/M, sortie $0.72/M
GLM 5V Turbo
Modèle uniquement API
Contexte de 202,752 tokens · entrée $1.20/M, sortie $4.00/M
GLM 5 Turbo
Modèle uniquement API
Contexte de 202,752 tokens · entrée $1.20/M, sortie $4.00/M

Plus de modèles de texte de z-ai

Questions fréquentes

Puis-je exécuter GLM-5.3-Flash localement ?: Oui, les poids sont ouverts et disponibles sur Hugging Face à zai-org/GLM-5.3-Flash. Il supporte SGLang, vLLM, Transformers, KTransformers et Unsloth, mais les 320 milliards de paramètres totaux nécessitent un matériel conséquent même si seuls 18 milliards sont actifs à l’inférence.
Quel est le coût de GLM-5.3-Flash et quelle est sa fenêtre de contexte ?: Via l’API Z.ai, il est tarifé à 0,03 $ par million de tokens en entrée et 0,90 $ par million de tokens en sortie, avec une fenêtre de contexte de 1 048 576 tokens.
En quoi GLM-5.3-Flash diffère-t-il des modèles GLM précédents ?: C’est le premier modèle multimodal natif de la série GLM-5, construit sur une nouvelle base avec une architecture hybride d’attention sparse et linéaire que les versions précédentes n’utilisaient pas. Z.ai affirme qu’il surpasse GLM-5.2 sur les benchmarks à un dixième du prix.

Verdict du capitaine
Une combinaison rare : contexte de pointe et capacité multimodale à un prix qui rend les longues exécutions agentielles financièrement viables.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #2 Hottest Text / LLM model · #2 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de GLM 5.3 Flash

Score de chaleur depuis 26 Aug 2026

Score de popularité

9,421°

Cette semaine

▲

26.6%

9,390° alors, 9,421° maintenant

Ce mois-ci

▲

288%

9,241° alors, 9,421° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+2,026°

Tokens OpenRouter

56,734,070,001,964 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 5,673,407 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+395°

Taux d’adoption

Environ 183,507 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,421°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
5,673,407 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+2,026°
9,026°
total en cours
3
Ajoute le taux d’adoption.
Environ 183,507 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+395°
9,421°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,421°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Llama 3.1 Euryale 70B v2.2

Gemini 3.1 Pro Preview Custom Tools

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

GLM 5.3 Flash est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm z-ai vision vidéo raisonnement programmation agents contexte long

Parcourir par famille de modèles