RéponsesPublié23 sources
GLM-5.3-Flash : comment Z.ai a levé le mystère Ox Alpha
Ox Alpha était bien GLM 5.3 Flash : Z.ai, la marque internationale de Zhipu AI, l’a confirmé le 26 août 2026 après six jours de test anonyme. Le modèle combine 320 milliards de paramètres au total, dont 18 milliards activés par jeton, une fenêtre de contexte d’un million de jetons et des entrées texte, image et vidéo.
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Ox Alpha était bien GLM 5.3 Flash : Z.ai, la marque internationale de Zhipu AI, l’a confirmé le 26 août 2026 après six jours de test anonyme.
- Le modèle combine 320 milliards de paramètres au total, dont 18 milliards activés par jeton, une fenêtre de contexte d’un million de jetons et des entrées texte, image et vidéo.
- Avec des poids sous licence MIT et une API annoncée à 0,15 dollar par million de jetons en entrée, la révélation concerne autant la distribution et les coûts que l’architecture du modèle.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Z.ai’s GLM-5.3-Flash, and how did it resolve the week-long mystery surrounding the anonymously released “Ox Alpha” model—covering it. Article summary: GLM-5.3-Flash is Z.ai (Zhipu AI)’s open-weight, natively multimodal GLM-5 model—and the company confirmed on August 26 that it was the previously anonymous “Ox Alpha.” The reveal turned a six-day public stress test into . Topic tags: general, general web, user generated, documentation, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Pendant six jours, des développeurs ont utilisé un modèle particulièrement puissant sans savoir qui l’avait créé. Apparu gratuitement et sans attribution sur OpenRouter et OpenCode le 20 août 2026, Ox Alpha proposait une fenêtre de contexte d’un million de jetons ainsi que des entrées multimodales. Le 26 août, Z.ai — la marque internationale de Zhipu AI — a confirmé qu’il s’agissait de GLM-5.3-Flash, son premier modèle nativement multimodal de la famille GLM-5. 2
5
9
Cette annonce a transformé un test public anonyme en lancement commercial. GLM-5.3-Flash est arrivé avec des poids ouverts sous licence MIT, des tarifs d’API particulièrement bas et une architecture pensée pour rendre les tâches de programmation à long contexte et les agents autonomes plus économiques. 6
7
9
La fin du mystère Ox Alpha
Ox Alpha est apparu sur OpenRouter et OpenCode sans développeur déclaré, avec un prix nul, une limite de contexte de 1 048 576 jetons et la prise en charge du texte, des images et de la vidéo. Les développeurs l’ont rapidement soumis à des agents de programmation, des tâches dans le terminal et des flux de travail nécessitant une très longue mémoire contextuelle. 4
5
8
La communauté a ensuite cherché des indices. Parmi les éléments relevés figuraient un comportement de tokenizer proche de celui des modèles GLM et des formats d’erreur révélateurs côté API. Ces signaux ont alimenté les spéculations sur une implication de Zhipu AI. Z.ai a finalement confirmé elle-même le lien le 26 août, expliquant que le déploiement anonyme devait permettre de recueillir des retours en conditions réelles avant la sortie officielle. 5
9
Le test a généré un volume d’utilisation inhabituellement élevé. Un compte rendu publié à l’époque évoquait 42 000 milliards de jetons traités en six jours, tandis qu’une autre source avançait environ 44 000 milliards de jetons et 503 000 utilisateurs d’OpenCode. Ces chiffres proviennent de rapports et de points de mesure différents : ils ne doivent donc pas être présentés comme un total unique vérifié indépendamment. 8
11
16
Que propose GLM-5.3-Flash ?
GLM-5.3-Flash est un modèle à poids ouverts destiné au code, aux tâches d’agents de longue durée et aux usages multimodaux. Z.ai le présente comme le premier modèle nativement multimodal de la série GLM-5. Sa documentation mentionne les entrées visuelles et une fenêtre de contexte d’un million de jetons, ce qui permet de réunir dans une même tâche de vastes bases de code, des documents, des captures d’écran et d’autres contenus. 7
20
Son architecture repose sur un modèle à mélange d’experts — ou mixture of experts — de 320 milliards de paramètres, dont 18 milliards sont activés pour chaque jeton. En pratique, le modèle dispose d’une vaste réserve de capacités, mais ne mobilise qu’une partie de cette réserve pour traiter chaque élément de l’entrée. Z.ai indique également combiner des mécanismes d’attention creuse et linéaire afin de réduire les besoins de calcul et de mémoire KV pendant l’inférence. 6
20
C’est ce qui justifie le positionnement « Flash ». Le modèle n’est pas petit, mais il cherche à offrir un coût de service inférieur à celui d’un modèle dense possédant autant de paramètres au total. Cette conception peut réduire le calcul nécessaire pour chaque jeton ; la vitesse et le prix observés en pratique dépendent toutefois du matériel, des logiciels de déploiement, de la mise en lot des requêtes et du type de charge.
Des performances prometteuses, mais encore à vérifier
Z.ai revendique un score de 63,4 pour GLM-5.3-Flash sur DeepSWE v1.1, contre 46,2 pour GLM-5.2. La société publie aussi une comparaison interne avec Claude Opus 4.8, créditant les deux modèles de 29,0 contre 29,5. 7
8
Ces résultats constituent des signaux intéressants, mais ils ne forment pas un classement universel de la qualité des modèles. Le résultat DeepSWE est une performance communiquée par le fournisseur, tandis que la comparaison avec Claude est présentée comme une évaluation interne. Les prompts, les outils disponibles, l’orchestration des agents, une éventuelle contamination des tests et les méthodes de notation peuvent modifier sensiblement les scores. Des évaluations indépendantes et reproductibles restent nécessaires avant de conclure à une équivalence générale avec un modèle propriétaire de pointe.
Pour les développeurs, la proposition la plus concrète concerne l’adéquation au flux de travail : analyser de grands dépôts de code, exploiter un contexte visuel et maintenir des tâches d’agent sur une longue durée sans résumer constamment l’historique. En production, la fiabilité, l’utilisation des outils, la latence et la récupération après erreur compteront au moins autant qu’un score de benchmark.
Prix, licence et accès
Z.ai a annoncé des tarifs d’API de 0,15 dollar par million de jetons en entrée et 0,50 dollar par million de jetons en sortie. Sa documentation mentionne ensuite une promotion temporaire de 50 %, ramenant ces prix à 0,075 et 0,25 dollar pendant la période indiquée. 2
Les poids du modèle ont été publiés sur Hugging Face sous licence MIT, une formule plus permissive qu’un modèle uniquement accessible en ligne. La licence MIT autorise généralement la réutilisation commerciale et la modification, mais les équipes doivent examiner les conditions exactes du modèle, ses dépendances, les besoins matériels et les obligations liées à leur mode de déploiement. 2
9
La documentation de Z.ai répertorie également GLM-5.3-Flash dans son écosystème destiné aux développeurs et aux offres de programmation. La référence API décrit des entrées multimodales pour les conversations ainsi que des fonctions d’utilisation d’outils. 17
20
21
L’affirmation sur les accélérateurs chinois
Le lancement a ajouté un second sujet au modèle lui-même. Z.ai affirme que l’aperçu anonyme d’Ox Alpha a été servi entièrement sur des accélérateurs d’intelligence artificielle fabriqués en Chine, avec une pile de déploiement personnalisée basée sur SGLang. Les documents techniques de l’entreprise présentent cette infrastructure comme un effort visant à améliorer l’efficacité de l’inférence sur du matériel domestique.
Certains articles secondaires reprennent aussi l’affirmation selon laquelle cette pile personnalisée aurait triplé les performances de bout en bout. Toutefois, le parc exact d’accélérateurs, la comparaison utilisée pour calculer ce gain et le degré d’indépendance vis-à-vis de composants étrangers n’ont pas été audités indépendamment dans les sources disponibles ici. 10
La nuance est importante. Si elle était vérifiée, cette démonstration aurait une portée stratégique pour les ambitions chinoises dans l’IA, notamment dans le contexte des restrictions américaines à l’exportation de semi-conducteurs. Pour l’instant, il s’agit d’une déclaration importante de l’entreprise, mais pas d’une preuve définitive que le matériel chinois a comblé l’ensemble du retard d’infrastructure.
Pourquoi le tester anonymement ?
La stratégie Ox Alpha a offert à Z.ai ce qu’un lancement classique fournit rarement : un retour d’usage massif, hétérogène et peu filtré de la part de développeurs qui ignoraient l’identité du modèle. Les utilisateurs l’ont testé dans des agents de programmation et des tâches à long contexte parce qu’il était gratuit et semblait performant, non parce qu’ils suivaient une fiche marketing. Z.ai a expliqué vouloir recueillir ces retours avant la sortie officielle. 5
9
L’approche s’inscrit aussi dans une stratégie de diffusion par les poids ouverts. En associant licence permissive, prix d’API réduits et accès large aux développeurs, Z.ai peut encourager l’expérimentation, recueillir des améliorations et créer rapidement des usages autour de son modèle, sans dépendre uniquement d’un abonnement propriétaire fermé. Les expériences anonymes précédentes, notamment le test Pony Alpha rapporté par plusieurs sources, laissent penser qu’Ox Alpha ne constituait pas une idée isolée, même si les informations disponibles sur ce projet sont limitées.
Ce que la révélation change dans la compétition
GLM-5.3-Flash ne suffit pas, à lui seul, à prouver que Z.ai a établi une nouvelle référence absolue. Les éléments les plus solides sont la fiche technique publiée, le succès inhabituel de l’aperçu public et les performances et affirmations d’infrastructure communiquées par l’entreprise. Des évaluations indépendantes et une utilisation prolongée en production détermineront sa position réelle en matière de programmation, de raisonnement multimodal, d’usage des outils, de latence et de fiabilité.
Le signal concurrentiel est néanmoins net. Une fenêtre de contexte d’un million de jetons, des entrées multimodales natives, des poids ouverts et des tarifs exprimés en centimes par million de jetons exercent une pression sur l’économie des modèles propriétaires coûteux. L’expérience montre également qu’un aperçu anonyme peut servir à la fois de test grandeur nature et de moteur de distribution.
Le mystère est donc résolu : Ox Alpha était GLM-5.3-Flash de Z.ai. La question décisive n’est plus de découvrir son identité, mais de vérifier si sa promesse — long contexte, capacités multimodales et faible coût — tient lorsque les développeurs passent d’un aperçu gratuit et viral à des charges de travail répétables et prêtes pour la production.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « GLM-5.3-Flash : comment Z.ai a levé le mystère Ox Alpha » ?
Ox Alpha était bien GLM 5.3 Flash : Z.ai, la marque internationale de Zhipu AI, l’a confirmé le 26 août 2026 après six jours de test anonyme.
Quels sont les points clés à valider en premier ?
Ox Alpha était bien GLM 5.3 Flash : Z.ai, la marque internationale de Zhipu AI, l’a confirmé le 26 août 2026 après six jours de test anonyme. Le modèle combine 320 milliards de paramètres au total, dont 18 milliards activés par jeton, une fenêtre de contexte d’un million de jetons et des entrées texte, image et vidéo.
Que dois-je faire ensuite en pratique ?
Avec des poids sous licence MIT et une API annoncée à 0,15 dollar par million de jetons en entrée, la révélation concerne autant la distribution et les coûts que l’architecture du modèle.