RéponsesPublié18 sources
Ox Alpha dévoilé : ce que Zhipu AI révèle sur son modèle « Niu Lai »
Le 26 août 2026, Zhipu AI a confirmé qu’Ox Alpha, ou « Niu Lai », était GLM 5.3 Flash, un modèle ouvert, multimodal et à mélange d’experts. Son test gratuit et anonyme sur OpenRouter et OpenCode aurait dépassé 50 000 milliards de tokens en cinq jours, puis 60 000 milliards en six jours, en prenant la tête des deux p...
Publié parImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Le 26 août 2026, Zhipu AI a confirmé qu’Ox Alpha, ou « Niu Lai », était GLM 5.3 Flash, un modèle ouvert, multimodal et à mélange d’experts.
- Son test gratuit et anonyme sur OpenRouter et OpenCode aurait dépassé 50 000 milliards de tokens en cinq jours, puis 60 000 milliards en six jours, en prenant la tête des deux plateformes.
- Zhipu affirme que l’inférence reposait entièrement sur un cluster de plus de 100 000 puces fabriquées en Chine, avec une efficacité et un coût par token comparables à ceux de GPU Nvidia après optimisation logicielle.
- Avec 320 milliards de paramètres, dont environ 18 milliards activés par token, et une fenêtre de contexte d’un million de tokens, GLM 5.3 Flash vise les modèles avancés à haut rendement.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Zhipu AI reveal on August 26, 2026, about the anonymous “Ox Alpha” model known as “Niu Lai,” including its identity as GLM 5.3 Flas. Article summary: On August 26, Zhipu AI (Z.ai) disclosed that the anonymous “Ox Alpha”/“Niu Lai” model was its GLM 5.3 Flash: an open weight, native multimodal mixture of experts model tested anonymously before release.. Topic tags: general web, ai, productivity, code, api. 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, watermarks, charts with fake numbers, cl
Le mystère autour d’Ox Alpha, surnommé « Niu Lai » (« le bœuf arrive ») dans les communautés chinoises, a pris fin le 26 août 2026. Zhipu AI — également connue sous la marque internationale Z.ai — a confirmé que ce modèle anonyme testé sur des plateformes de développeurs était en réalité GLM-5.3-Flash, son nouveau modèle ouvert, multimodal et à architecture de mélange d’experts (Mixture of Experts, ou MoE). 1
4
6
Un test anonyme qui a changé d’échelle
Avant son lancement officiel, Ox Alpha était proposé gratuitement et sans logo d’entreprise sur OpenRouter et OpenCode, deux services utilisés pour tester et intégrer des modèles d’IA. Cette mise à disposition discrète a rapidement attiré une demande exceptionnelle : les chiffres rapportés dépassent 50 000 milliards de tokens en cinq jours, puis 60 000 milliards en six jours. Le modèle a pris la tête des classements d’utilisation des deux plateformes et aurait atteint un pic supérieur à deux fois celui de modèles DeepSeek comparables. 3
Ces volumes ne constituent pas, à eux seuls, une mesure complète de la qualité du modèle : ils reflètent aussi la gratuité du test, son prix très bas et son intégration dans des outils destinés aux développeurs. Ils montrent néanmoins qu’une infrastructure non Nvidia a pu absorber une charge d’inférence mondiale particulièrement importante.
Plus de 100 000 puces chinoises, selon Zhipu
Zhipu affirme que le service a fonctionné entièrement sur un cluster de plus de 100 000 puces fabriquées en Chine. L’entreprise soutient qu’après plusieurs optimisations logicielles, l’efficacité matérielle et le coût par token étaient comparables à ceux de GPU Nvidia couramment utilisés. 3
6
Les fournisseurs exacts n’ont pas été officiellement nommés. Huawei, Moore Threads et Hygon ont été cités comme fournisseurs possibles dans certains articles, mais cette attribution reste une spéculation non confirmée par Zhipu. 40
Il faut donc éviter une conclusion trop large : cette démonstration ne prouve ni que les puces chinoises égalent globalement les solutions Nvidia, ni que leurs coûts d’inférence sont toujours équivalents. Elle montre plutôt qu’une pile matérielle nationale, combinée à une ingénierie logicielle poussée, peut prendre en charge un modèle de grande taille dans un cas de production réel.
Pourquoi l’annonce concerne aussi CUDA
L’intérêt de la démonstration dépasse le seul choix des puces. L’avantage de Nvidia repose notamment sur CUDA, son écosystème logiciel pour le calcul accéléré, ainsi que sur ses outils, ses bibliothèques et sa vaste communauté de développeurs.
Le cas GLM-5.3-Flash suggère toutefois que des moteurs d’inférence spécialisés peuvent réduire la dépendance à CUDA pour certains usages en production. Cela ne remet pas en cause les avantages plus larges de Nvidia, notamment pour l’entraînement, les outils et l’écosystème logiciel. Les éléments disponibles ne permettent pas d’aller plus loin dans la conclusion.
Pour servir le modèle, Zhipu aurait adapté un moteur fondé sur SGLang avec plusieurs techniques : quantification W8A8, quantification mixte INT8/FP8/BF16 du cache, parallélisme tensoriel intra-nœud et séparation Encode–Prefill–Decode. Cette dernière répartit l’encodage, la préparation du contexte et la génération entre des groupes de ressources pouvant évoluer indépendamment. L’objectif était de maîtriser la mémoire, la bande passante, les communications et l’ordonnancement avec une fenêtre de contexte pouvant atteindre un million de tokens. 4
7
Zhipu aurait ainsi obtenu une amélioration d’environ trois fois des performances de service de bout en bout par rapport à sa configuration initiale. La documentation SGLang publiée ensuite fait également état de débits supérieurs et d’une capacité de cache FP8 nettement plus élevée qu’une configuration BF16 comparable. Ces données ne constituent toutefois pas un audit indépendant de l’affirmation initiale de Zhipu sur le gain de trois fois. 2
Un modèle de 320 milliards de paramètres, mais 18 milliards actifs
GLM-5.3-Flash compte 320 milliards de paramètres au total, mais n’en active qu’environ 18 milliards pour chaque token grâce à son architecture MoE. Il dispose d’une fenêtre de contexte de 1 048 576 tokens, soit environ un million, et prend en charge nativement plusieurs types d’entrées, dont le texte, les images et les vidéos. 5
7
Cette conception vise à combiner une capacité globale importante avec un coût de calcul plus maîtrisé à chaque étape de génération. Elle place le modèle dans la catégorie des systèmes avancés cherchant à offrir un meilleur rapport entre puissance, vitesse et prix.
Des performances annoncées au niveau d’Opus 4.8
GLM-5.3-Flash aurait obtenu un score de 57 à l’Artificial Analysis Intelligence Index, au même niveau que le score rapporté pour Claude Opus 4.8. Il s’agit d’une parité sur un indice composite, et non d’une preuve que les deux modèles produisent les mêmes résultats sur chaque benchmark, chaque tâche ou chaque usage agentique. 1
Zhipu positionne son modèle face à des systèmes efficaces de classe avancée, notamment DeepSeek V4 Flash et Pro, tout en mettant en avant un prix sensiblement inférieur. Les informations disponibles ne suffisent toutefois pas à vérifier une comparaison détaillée, benchmark par benchmark, avec ces deux variantes de DeepSeek.
Un prix conçu pour concurrencer les offres premium
Le tarif API annoncé pour GLM-5.3-Flash est de 0,15 dollar par million de tokens en entrée et 0,50 dollar par million de tokens en sortie. 1
Les articles publiés au moment de l’annonce le décrivaient comme environ dix fois moins cher que GLM-5.3 et près de quarante fois moins cher que Claude Opus 4.8. Ces ratios dépendent cependant du sens des tokens, du niveau de contexte et de la formule tarifaire retenue pour la comparaison. 1
La révélation d’Ox Alpha est donc double : Zhipu a dévoilé un modèle ouvert techniquement ambitieux, mais aussi une méthode de déploiement destinée à démontrer qu’un très grand volume d’inférence peut être assuré sur une infrastructure chinoise sans recourir à des GPU Nvidia. C’est un signal important pour la concurrence dans les modèles d’IA — sans constituer, à lui seul, la preuve d’un rattrapage général du matériel Nvidia.
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 « Ox Alpha dévoilé : ce que Zhipu AI révèle sur son modèle « Niu Lai » » ?
Le 26 août 2026, Zhipu AI a confirmé qu’Ox Alpha, ou « Niu Lai », était GLM 5.3 Flash, un modèle ouvert, multimodal et à mélange d’experts.
Quels sont les points clés à valider en premier ?
Le 26 août 2026, Zhipu AI a confirmé qu’Ox Alpha, ou « Niu Lai », était GLM 5.3 Flash, un modèle ouvert, multimodal et à mélange d’experts. Son test gratuit et anonyme sur OpenRouter et OpenCode aurait dépassé 50 000 milliards de tokens en cinq jours, puis 60 000 milliards en six jours, en prenant la tête des deux plateformes.
Que dois-je faire ensuite en pratique ?
Zhipu affirme que l’inférence reposait entièrement sur un cluster de plus de 100 000 puces fabriquées en Chine, avec une efficacité et un coût par token comparables à ceux de GPU Nvidia après optimisation logicielle.