GLM-5.2 : Le modèle ouvert que personne ne peut interdire
Le 13 juin 2026, deux histoires ont atteint la première page de Hacker News en même temps.
À gauche : le gouvernement américain a classé le Claude Fable 5 d'Anthropic comme un modèle de "classe mythe" et a restreint sa disponibilité mondiale. La justification officielle était la sécurité nationale. Le vrai message était que l'IA frontalière est maintenant une exportation réglementée.
À droite : le fondateur de Zhipu AI, Jie Tang, a posté un manifeste de cinq mots à 17h21 heure de Pékin.
"L'intelligence frontalière appartient à tous."
Puis il l'a donné gratuitement.
GLM-5.2 est un modèle Mixture-of-Experts de 744 milliards de paramètres avec une véritable fenêtre de contexte de 1 million de tokens, des poids sous licence MIT et des scores de benchmark qui le placent comme le meilleur modèle ouvert sur Terre, quatrième au total derrière seulement la frontière fermée. Il coûte environ un sixième de GPT-5.5 à exécuter. Et vous pouvez télécharger les poids complets aujourd'hui, les héberger sur votre propre matériel, les affiner sur vos propres données et ne jamais demander la permission à une agence gouvernementale.
Ce n'est pas un communiqué de presse. C'est un événement géopolitique déguisé en lancement de modèle.
Ce qu'est vraiment GLM-5.2
Passons le marketing et parlons spécifications.
GLM-5.2 est une architecture sparse Mixture-of-Experts. Cela signifie que 744 milliards de paramètres résident sur le disque, mais seulement environ 40 milliards s'activent sur chaque token. Le reste dort. C'est ainsi qu'un modèle de cette taille reste abordable à exécuter et bon marché à servir.
Spécifications vérifiées :
- Paramètres : 744B au total, ~40B actifs par token
- Fenêtre de contexte : 1 048 576 tokens (un vrai 1M, pas un 128K étiré)
- Tokens de pré-entraînement : 28,5 billions
- Licence : MIT, sans addendum d'usage acceptable, sans limites régionales
- Poids : BF16 (~1,51 To) et FP8 (~744 Go) sur Hugging Face sous
zai-org - Modalité : Texte uniquement (pas de vision dans cette version)
- Publié : 13 juin 2026
L'architecture inclut une attention sparse de style DeepSeek, qui réduit le coût de déploiement tout en préservant les performances de contexte long. Il prend en charge l'appel d'outils, la sortie JSON, la mise en cache des prompts, le streaming et MCP out of the box.
Les benchmarks : Modèle ouvert numéro un, quatrième au total
Le benchmarker indépendant Artificial Analysis exécute sa propre suite d'évaluation sur 92 modèles à poids ouverts. GLM-5.2 a obtenu 51 sur son Indice d'Intelligence v4.1. La moyenne de la classe est d'environ 24. Le meilleur modèle ouvert suivant est à 44.
Il se classe quatrième au total, derrière seulement Claude Opus 4.8, GPT-5.5 xhigh et MiniMax-M3.
Indice d'Intelligence Artificial Analysis v4.1 (plus haut est mieux)
- Claude Opus 4.8 (fermé) : 60
- GPT-5.5 xhigh (fermé) : 56
- GLM-5.2 (ouvert, MIT) : 55
- MiniMax-M3 (ouvert) : 44
- DeepSeek V4 Pro (ouvert) : 44
En codage spécifiquement, GLM-5.2 est le modèle ouvert le plus fort jamais publié :
- SWE-bench Pro : 62,1 (hausse depuis 58,4 de GLM-5.1)
- Terminal-Bench 2.1 : 81,0 revendiqué, ~78 mesuré
- GPQA Diamond : ~89 mesuré
- FrontierSWE : Derrière Opus 4,8 d'environ 1 %
La lecture honnête : GLM-5.2 est véritablement adjacent à la frontière en codage et en raisonnement. Le classement indépendant le prouve. Les chiffres individuels les plus éclatants fonctionnent un peu chauds par rapport à la mesure neutre, mais l'agrégat est indéniable.
La vraie histoire est le prix, avec un piège
L'API officielle de z.ai facture 1,40 $ par million de tokens d'entrée et 4,40 $ par million de tokens de sortie. L'entrée en cache descend à 0,26 $, une remise de 81 %. VentureBeat a mesuré le coût mixte à environ un sixième de GPT-5.5.
Mais voici le piège que personne ne met en avant : GLM-5.2 est un raisonneur lourd. Dans la suite d'Artificial Analysis, il brûle environ 43 000 tokens de sortie par tâche, dont environ 37 000 sont du raisonnement interne. Pas cher par token ne signifie pas automatiquement pas cher par tâche.
Coût par tâche terminée dans la suite Artificial Analysis :
- Kimi K2.6 : 0,31 $
- GLM-5.1 : 0,25 $
- MiniMax-M3 : 0,18 $
- DeepSeek V4 Pro : 0,05 $
- GLM-5.2 : 0,46 $
C'est le modèle ouvert le plus intelligent. C'est aussi le plus gourmand en tokens. Budget pour la sortie, pas seulement pour le taux par token.
Les poids ouverts signifient souveraineté, pas seulement économies
Le prix compte. La licence compte plus.
GLM-5.2 est livré sous une licence MIT standard et non modifiée. Sans addendum d'usage acceptable. Sans limites régionales sur les poids. Vous pouvez télécharger les checkpoints complets BF16 ou FP8 depuis Hugging Face, les exécuter sur votre propre matériel, les affiner et les distribuer commercialement.
Pour une entreprise, c'est la différence entre louer de l'intelligence et posséder votre stack.
L'auto-hébergement est réel mais pas trivial. Le checkpoint FP8 tient sur un seul nœud de 8x H200 ou 8x H20 GPUs. Servir le contexte complet de 1M tokens nécessite 8x B200. Il fonctionne sur vLLM, SGLang et Transformers. AMD a livré une construction MXFP4 pour ses accélérateurs Instinct MI350/MI355.
En pratique, la plupart des équipes commenceront par l'API et réserveront l'auto-hébergement pour les cas où cela vaut la peine : souveraineté stricte des données, coûts prévisibles à haut volume ou affinage sur des données propriétaires. Le point est que l'option existe. C'est quelque chose qu'aucun budget GPT-5.5 ou Claude ne peut acheter.
Comment exécuter GLM-5.2 localement
Si vous voulez exécuter ce modèle sur votre propre matériel aujourd'hui, voici la réalité pratique.
Configuration minimale viable :
- 512 Go de RAM
- 2x NVIDIA RTX 3090 GPUs (24 Go de VRAM chacune)
- llama.cpp avec le flag
-cmoe
Avec cette configuration, vous pouvez vous attendre à environ 6 tokens par seconde. Ça marche. Ce n'est pas rapide. Mais ça marche.
Configuration de production :
- 8x NVIDIA H200 ou H20 GPUs
- Mémoire à haute bande passante (HBM3e préféré)
- vLLM ou SGLang pour le service
Le plus petit quant qui vaut la peine d'être exécuté est un GGUF de 2 bits de 241 Go. En dessous, vous perdez trop de capacités pour que cela vaille la peine.
Si vous voulez juste expérimenter, commencez par l'API. Si vous avez besoin de souveraineté, commencez à planifier le matériel. Les poids sont déjà là.
Le piège : Gouvernance, confiance et la liste des entités
Voici ce que les publications de lancement ne mettront pas en avant.
Zhipu AI a été ajoutée à la liste des entités américaines le 16 janvier 2025. La justification déclarée était qu'elle aide à "faire progresser la modernisation militaire de la République populaire de Chine." Cela ne vous empêche pas de télécharger des poids sous licence MIT, mais c'est un signal réel pour toute organisation évaluant le risque fournisseur.
Plus concrètement pour l'usage quotidien : l'API hébergée pratique z.ai passe par une entreprise basée en Chine soumise aux lois sur les données chinoises. Pour une entreprise européenne ou des EAU traitant des données clients ou personnelles, c'est une question de gouvernance à laquelle vous devez répondre avant de canaliser des informations sensibles via leurs points de terminaison.
Les poids ouverts résolvent le problème de verrouillage du fournisseur. Ils ne résolvent pas automatiquement le problème de confiance. Vous devez toujours décider où vont vos données et sous quelle juridiction légale.
Ce que cela signifie pour les développeurs et les entreprises
Trois choses se produisent en même temps, et vous devez toutes les suivre.
Premièrement, la capacité n'est plus limitée par la géographie. Les États-Unis peuvent restreindre Claude Fable 5. Ils ne peuvent pas restreindre GLM-5.2. Les poids sont déjà sur Hugging Face. Le modèle s'exécute déjà sur des serveurs hors juridiction américaine. Le chat est sorti du sac, et aucune quantité de législation sur le contrôle des exportations ne le remet dedans.
Deuxièmement, les poids ouverts sont maintenant une police d'assurance. Si vous construisez votre stack de produit sur un modèle fermé et que ce modèle est interdit, restreint ou tarifé hors de votre marché, vous n'avez pas de solution de secours. Si vous construisez sur des poids ouverts, vous avez des options. Vous pouvez auto-héberger. Vous pouvez affiner. Vous pouvez changer de fournisseur sans réécrire toute votre couche d'inférence.
Troisièmement, l'économie a changé de façon permanente. Un modèle adjacent à la frontière à un sixième du coût de GPT-5.5, avec des poids que vous pouvez posséder, change le calcul construire contre acheter pour chaque entreprise native en IA. La question n'est plus "Pouvons-nous nous permettre GPT-5.5 ?" C'est "Pourquoi louerions-nous une intelligence que nous pouvons posséder ?"
La conclusion
GLM-5.2 n'est pas parfait. Il est gourmand en tokens. Le déploiement local nécessite du matériel sérieux. Le fournisseur est sur la liste des entités américaines. L'API hébergée achemine les données via la Chine.
Mais c'est aussi le modèle à poids ouverts le plus fort jamais publié, sous une licence permissive, à un prix qui réduit la frontière fermée d'une large marge. Et il est arrivé le même jour où le gouvernement américain a tenté de prouver que l'IA frontalière peut être contrôlée par des frontières.
Ce moment n'était pas un accident. Ce message n'était pas subtil.
L'ère de l'IA autorisée est terminée. L'ère de l'IA souveraine a commencé. La seule question est de savoir si vous construisez sur des poids ouverts ou espérez que la prochaine interdiction n'affecte pas votre stack.
Choisissez en conséquence.
Les poids de GLM-5.2 sont disponibles sur Hugging Face sous l'organisation zai-org. Le modèle est sous licence MIT pour usage commercial, modification et redistribution.