Zhipu a levé l’anonymat sur Ox Alpha : le modèle furtif qui squattait le haut des classements depuis une semaine s’appelle GLM-5.3-Flash, et il a été servi sur un cluster de 100 000 puces produites en Chine. L’action du groupe a bondi de plus de 12 % à Hong Kong et les poids sont désormais publiés sous licence MIT.
Pour résumer
- GLM-5.3-Flash compte 320 milliards de paramètres dont 18 activés, et devient le premier modèle nativement multimodal de la série GLM-5.
- Le cluster d’inférence repose sur 100 000 puces chinoises, et le modèle a absorbé 62 000 milliards de tokens avant même sa sortie officielle.
- Le tarif s’affiche à 0,15 dollar le million de tokens en entrée et 0,50 en sortie, réduit de moitié jusqu’au 9 septembre.
Faire résumer cet article par une IA
ChatGPTLe masque tombe, et l’action grimpe
Nous suivions la question depuis une semaine. Ox Alpha était apparu sur OpenRouter sans nom d’éditeur et sans facture, et les testeurs se partageaient entre deux hypothèses, un laboratoire chinois proche des modèles GLM ou le programme maison de Microsoft.
La première hypothèse était la bonne. Zhipu a confirmé que le modèle testé sous pseudonyme appartenait bien à sa série GLM, sous le nom de GLM-5.3-Flash, et a publié les poids dans la foulée.
Le marché a sanctionné positivement dans la journée. Le titre a clôturé en hausse de plus de 12 % à 1 160 dollars de Hong Kong jeudi, une réaction qui valide autant la performance du modèle que la mise en scène de son lancement.
Les chiffres d’usage accumulés pendant la phase anonyme expliquent l’enthousiasme. Le modèle avait traité 62 000 milliards de tokens avant sa sortie formelle, dont 11 000 milliards sur OpenRouter en trois jours, le plus gros lancement jamais enregistré par la plateforme.
La répartition de ces volumes est encore plus parlante. Le code à lui seul pèse 10 300 milliards de tokens, soit 31 % du volume hebdomadaire de la plateforme, ce qui a propulsé le modèle en tête des systèmes de code utilisés.
L’éditeur n’en est pas à son coup d’essai sur ce terrain. Zhipu avait déjà bousculé la hiérarchie quand il a lancé un rival de Claude en accès libre avec ZCode, mais l’échelle atteinte cette fois change la nature de l’exercice.
Cent mille puces domestiques, et ce que ça prouve
Le point technique le plus lourd de conséquences ne concerne pas le modèle mais le matériel qui le sert. L’essai furtif a tourné sur un cluster de 100 000 puces produites en Chine, à une échelle et sous une charge que personne n’avait documentées publiquement jusqu’ici.
La démonstration est politique autant que technique. Servir des dizaines de milliers de milliards de tokens sans matériel américain répond à la question que les restrictions à l’export posaient depuis deux ans, celle de la capacité chinoise à tenir l’inférence à grande échelle.
L’expérience s’est de surcroît déroulée à découvert. Pendant une semaine, des milliers de développeurs ont branché leurs pipelines sur ce cluster sans savoir ce qui tournait derrière, et aucun d’eux n’a signalé le décrochage de service qui aurait trahi une infrastructure de second rang.
GLM-5.3-Flash affiche 320 milliards de paramètres pour 18 milliards activés par token, un ratio taillé pour l’inférence bon marché. C’est aussi le premier de la série GLM-5 à être nativement multimodal, avec du texte, des images, des vidéos et des documents visuels en entrée.
L’architecture explique une partie du gain. Zhipu combine pour la première fois dans la série une attention creuse et une attention linéaire, et y ajoute des hyper-connexions sous contrainte, une brique baptisée mHC destinée à améliorer l’efficacité de montée en échelle.
Les poids sont accessibles sans restriction. La fiche officielle publiée par Z.ai place le modèle sous licence MIT et le situe à proximité de Claude Opus 4.8 sur les tâches de code et de travail agentique.
La séquence rappelle celle des autres laboratoires chinois. Moonshot avait ouvert la voie quand Kimi K3 a publié 1,4 To de poids ouverts, et la publication systématique des modèles est devenue l’argument commercial commun de tout le secteur local.
D’autres articles sur Horizon
- Codex prépare un mode qui ne s’arrête jamais
- Qwen3.8-Flash-Next divise les prix par douze
- Anthropic vise 2 000 milliards en bourse
Un tarif qui attaque directement les API américaines
Le prix affiché achève la démonstration. L’entrée est facturée 0,15 dollar le million de tokens, la sortie 0,50 dollar, et l’entrée servie depuis le cache tombe à 0,03 dollar, un niveau où le coût cesse d’être un critère de sélection.
Une promotion de lancement divise encore ces montants par deux jusqu’au 9 septembre. Pendant deux semaines, une équipe peut donc évaluer un modèle de niveau frontière à 0,075 dollar le million de tokens en entrée, soit le prix d’un petit modèle de génération précédente.
Pour les équipes produit, la fenêtre de test est donc ouverte et datée. Les poids sous licence MIT permettent en plus un déploiement interne, ce qui répond à l’objection de rétention des données que soulevait la phase anonyme du modèle.
La question du matériel se pose différemment côté client. Un modèle validé sur puces chinoises reste un modèle qu’on peut faire tourner ailleurs, mais l’argument de souveraineté qu’il porte intéressera d’abord les acheteurs qui cherchent à sortir de la dépendance à un seul fournisseur de GPU.
Côté concurrence, la pression s’exerce d’abord entre voisins. Alibaba venait de descendre à 0,16 dollar le million de tokens avec Qwen3.8-Flash-Next, et se retrouve concurrencé sur son propre terrain moins de vingt-quatre heures après son annonce.
Les laboratoires américains encaissent le choc par ricochet. Un modèle ouvert qui revendique le voisinage d’Opus 4.8 sur le code, à un tarif dix fois inférieur aux abonnements premium, réduit mécaniquement l’espace de justification des offres fermées sur les usages de développement.
La cadence locale finit de brouiller les repères. Entre le lancement de Qwen 3.8 par Alibaba cet été, les publications de Moonshot et cette sortie de Zhipu, trois laboratoires chinois ont livré des modèles ouverts compétitifs en moins de deux mois.
Notre lecture tient en une ligne. Le vrai signal de cette semaine n’est pas le score du modèle mais le cluster qui l’a servi, parce qu’un rattrapage logiciel se comble en quelques mois quand un rattrapage matériel se compte en années.
Affaire à suivre sur Horizon.
