Un modèle sous licence MIT qui coûte 3 $ par million de jetons de sortie vient de surpasser un modèle propriétaire de pointe à 25 $ sur la plupart des principaux benchmarks — y compris le codage, la science et les tâches agentiques.
GLM 5.2 vs Claude Opus 4.6 n’est pas pour autant une simple histoire de David contre Goliath. GLM 5.2 consomme près de deux fois plus de tokens par tâche que certains pairs, ne prend pas en charge l’entrée d’images et dispose d’un écosystème plus jeune. Opus 4.6 a été remplacé par 4.7 et 4.8 — cette comparaison a une durée de validité limitée.
Voici ce qui compte pour la décision.
Tout dans un seul tableau
GLM 5.2 | Claude Opus 4.6 | |
|---|---|---|
Développeur | Z.ai (Zhipu AI) | Anthropic |
Version publiée | 16 juin 2026 | 4 février 2026 |
Architecture | MoE, 753B total / 40B actifs | Dense (non divulguée) |
Licence | MIT (open-weight) | Propriétaire |
Fenêtre de contexte | 1M tokens | 1M tokens |
Sortie max | 128K tokens | 128K (300K via batch) |
Entrée image | Non | Oui |
Modes de réflexion | Élevé, Max | Faible, Moyen, Élevé, Max |
SWE-bench Pro | 62.1% | 51.9–53.4% |
Terminal-Bench | 81.0% (v2.1) | 65.4% (v2.0) |
HLE (with tools) | 54.7% | 53.0% |
GPQA Diamond | 89–91.2% | 84.0% |
BigLaw Bench | Non signalé | 90.2% |
Indice d'intelligence | 51 (plus élevé en open-weight) | ~44 (effort maximal) |
Prix d'entrée | $0.95/M (DeepInfra) | $5.00/M |
Prix de sortie | $3.00/M (DeepInfra) | $25.00/M |
Disponible au plus bas coût | $0.77/$2.42 (OpenRouter) | $5.00/$25.00 |
Vitesse | ~197 tokens/sec | ~46 tokens/sec |
Auto-hébergeable | Oui (MIT) | Non |
Note sur SWE-bench Pro pour Opus 4.6 : les scores vont de 47.1 % (Scale private) à 53.4 % (Anthropic scaffold) selon la configuration d’évaluation. Les versions de Terminal-Bench diffèrent aussi (v2.0 vs v2.1), donc la comparaison directe est imparfaite.
Où GLM 5.2 excelle
Codage. SWE-bench Pro 62,1 % contre 51,9–53,4 % pour Opus 4.6. Terminal-Bench 81,0 % contre 65,4 % (versions différentes, mais l’écart est important). GLM 5.2 est le modèle open-weight le plus performant sur chaque benchmark majeur de codage.
Science. GPQA Diamond 89–91.2 % contre 84,0 %. Le score communiqué par le fournisseur (91,2 %) par rapport à l’évaluation indépendante (~89 %) montre une certaine variance, mais GLM 5.2 est en tête dans les deux cas.
Cybersécurité. Le benchmark IDOR de Semgrep : GLM 5.2 a obtenu un score F1 de 39 % avec un prompt basique, dépassant Claude Code (sur Opus 4.6) à 37 % F1. Coût : ~0,17 $ par vulnérabilité trouvée. Un seul benchmark, une seule classe de vulnérabilité — mais le fait qu’un modèle open-weight surpasse un agent de pointe sur une tâche de sécurité exigeant beaucoup de raisonnement est notable.
Vitesse. ~197 tokens/sec contre ~46 tokens/sec. Environ 4x plus rapide.
Prix. Sortie à 3 $/M contre 25 $/M — 8,3x moins cher par jeton.
Où Opus 4.6 excelle
Raisonnement juridique. BigLaw Bench 90,2 %, le plus élevé de tous les modèles Claude, 40 % de scores parfaits. GLM 5.2 n’a aucun benchmark juridique comparable signalé.
Regrouper le travail de connaissance. Malgré le score GPQA Diamond plus élevé de GLM 5.2, Opus 4.6 est en tête sur GDPval-AA (travail de connaissance professionnel) avec un écart de connaissance global de 76.2 contre 67.2. Le schéma : GLM 5.2 traite bien les questions de sciences difficiles, mais Opus 4.6 est plus fort sur l’ensemble des tâches de connaissance professionnelles.
Entrée multimodale. Opus 4.6 accepte les images. GLM 5.2 est uniquement textuel.
Écosystème. Claude Code, Anthropic API, Bedrock, Vertex AI — des outils matures pour l’utilisation d’outils, les sorties structurées et l’API de compaction. GLM 5.2 dispose de plus de 6 fournisseurs, mais de moins d’intégrations prêtes pour la production.
Contrôle de l'effort. Quatre niveaux (faible–max) contre deux (élevé, max). Granularité plus fine pour l’optimisation des coûts sur les tâches simples.
Le piège de la verbosité des jetons
GLM 5.2 consomme ~43,000 jetons de sortie par tâche dans les évaluations de codage. MiniMax M3 utilise ~24,000 ; Kimi K2.6 ~35,000.
Modèle | Jetons/tâche | $/M sortie | Coût/tâche |
|---|---|---|---|
GLM 5.2 | ~43K | $3.00 | ~$0.13 |
Kimi K2.6 | ~35K | $2.50 | ~$0.09 |
Opus 4.6 | ~30K (est.) | $25.00 | ~$0.75 |
Par tâche, GLM 5.2 est environ 6 fois moins cher qu’Opus 4.6 — et non pas 8 fois comme le suggère le prix par token. L’écart reste important, mais effectuez des benchmarks sur vos propres charges de travail et mesurez la consommation totale de tokens.
Le facteur open-weight
Auto-hébergement. 40B de paramètres actifs (MoE) rendent l'inférence plus réalisable qu'un modèle dense de 753B. Prend en charge vLLM, SGLang et les frameworks standard.
Confidentialité des données. L’auto-hébergement empêche les données de se retrouver sur des serveurs tiers. Pour les secteurs réglementés, cela peut compter davantage que n’importe quel benchmark.
Fine-tuning. Les poids ouverts permettent l’adaptation au domaine. Opus 4.6 est une boîte noire.
Pas d’enfermement propriétaire. 6+ fournisseurs plus l’auto-hébergement. Aucune dépendance aux prix ou aux politiques d’un seul fournisseur.
Pour les équipes qui explorent les modèles de programmation open-source, GLM 5.2 représente une avancée significative en matière de capacités.
La date d’expiration
Opus 4.6 est sorti en février 2026. Opus 4.8 (Index d’intelligence 56) et Sonnet 5 (égale Opus 4.6, prix inférieur) sont depuis arrivés.
Pourquoi comparer GLM 5.2 à Opus 4.6 alors ?
Opus 4.6 alimente encore de nombreuses configurations Claude Code et systèmes de production
Le contraste prix-performance est le plus marqué à ce niveau — GLM 5.2 défie de manière crédible Opus 4.6 pour 1/8 du coût
Face à Opus 4.8, GLM 5.2 est compétitif en matière de codage mais est en retrait sur l’étendue
Arbre de décision
1. Besoin d’une entrée image ? → Opus 4.6+. GLM 5.2 est uniquement textuel.
2. Confidentialité des données ou hébergement autonome requis ? → GLM 5.2. Seule option que vous pouvez exécuter sur votre propre matériel.
3. La charge de travail principale est-elle le codage/agentique ? → GLM 5.2 — compétitif ou meilleur, 6–8x moins cher.
4. La charge de travail principale est-elle juridique ou relève-t-elle d’un travail de connaissance général ? → Opus 4.6+. L’écart global de connaissances est cohérent.
5. Contraint par les coûts à grande échelle ? → Commencez avec GLM 5.2, redirigez les cas difficiles vers Opus. Les agrégateurs d’API facilitent le routage hybride.
6. Pas de contrainte forte ? → GLM 5.2 par défaut. L’écart de prix de 8x en fait le point de départ rationnel.
Questions fréquemment posées
GLM 5.2 est-il vraiment aussi bon que Claude Opus 4.6 ?
En codage (SWE-bench Pro : 62,1 % contre ~52 %) et en raisonnement scientifique (GPQA Diamond : ~90 % contre 84 %), GLM 5.2 est en tête. Pour le travail de connaissance professionnelle global, Opus 4.6 est plus fort. Intelligence Index : GLM 5.2 à 51, Opus 4.6 à ~44.
De combien GLM 5.2 est-il moins cher ?
8,3x par jeton (3 $ contre 25 $/M de sortie). ~6x par tâche après prise en compte de la plus grande verbosité en jetons de GLM 5.2.
Puis-je auto-héberger GLM 5.2 ?
Oui — licence MIT, 40B de paramètres actifs (MoE), prend en charge vLLM/SGLang/xLLM/ktrans. Nécessite d’importantes ressources GPU, mais est bien plus pratique que de servir un modèle dense de taille totale comparable.
GLM 5.2 prend-il en charge les images ?
Non, uniquement du texte. Opus 4.6 gère le texte et les images.
Pourquoi ne pas comparer à Opus 4.8 ?
Opus 4.8 (Intelligence Index 56) est la plus récente, mais Opus 4.6 reste largement déployée. GLM 5.2 remet crédiblement en question la génération 4.6 ; face à 4.8, il rivalise en codage mais accuse du retard en ampleur.
GLM 5.2 est-il le meilleur modèle open source ?
Pour le codage, oui — meilleur modèle open-weight sur SWE-bench Pro, Terminal-Bench et FrontierSWE. Intelligence Index 51, le plus élevé parmi les open-weight (médiane : 25).
Quelle est la vitesse de GLM 5.2 par rapport à Opus 4.6 ?
~4x plus rapide. 197 tokens/sec contre 46 tokens/sec. TTFT : 1.37s contre 1.87s.
Dois-je passer d’Opus 4.6 à GLM 5.2 ?
Pour les tâches de codage/agentiques à grande échelle, évaluez sérieusement. Mesurez la qualité et la consommation totale de tokens sur vos tâches. Pour les travaux à forte composante de connaissances ou multimodaux, restez sur Opus ou envisagez Sonnet 5 comme option Anthropic moins coûteuse.
Où puis-je accéder à GLM 5.2 ?
DeepInfra ($0.95/$3.00), Z.ai ($1.40/$4.40), OpenRouter ($0.77/$2.42), Fireworks, FriendliAI, Novita, Together. Hébergez-vous vous-même via HuggingFace. Pour la tarification multi-modèles, consultez notre guide tarifaire GPT-5.6.