Dernière vérification : 2026-08-15
Ce qui distingue cette sortie, c’est la quantité d’informations déjà disponibles concernant son exécution. GLM-5.3 repose sur le même modèle de base que GLM-5.2 ; toutes les améliorations résultent de traitements post-entraînement. Par conséquent, le nombre de paramètres, les besoins en mémoire et les méthodes de mise en service restent identiques. Vous pouvez ainsi dimensionner votre matériel dès aujourd’hui sans attendre la fiche technique officielle.
GLM-5.3 release date and status
Si vous souhaitez exécuter un modèle GLM dès aujourd’hui, consultez la page de la famille GLM. Le modèle
GLM-4 9B se télécharge en une seule commande via Ollama sur n’importe quelle carte graphique grand public ; GLM-4.5-Air convient quant à lui à une machine dotée d’une mémoire unifiée de grande capacité. Enfin, GLM-5.2 partage la base de ce modèle, ce qui en fait la meilleure alternative auto-hébergée à GLM-5.3 actuellement disponible.
Quels sont les changements effectifs par rapport à GLM-5.2
Z.ai décrit GLM-5.3 comme une version post-entraînement : la base pré-entraînée demeure identique, et les améliorations résultent d’un apprentissage par renforcement à grande échelle dans des environnements de tâches à horizon prolongé. Les gains observés sont considérables, surtout en matière de programmation assistée par des agents.
Z.ai indique également une meilleure efficacité en matière de jetons, et non seulement des scores plus élevés : sur son propre Z.ai Code Bench, lors d’un effort maximal, le modèle GLM-5.3 atteint 34.5% en utilisant environ 75K jetons de sortie par tâche, contre 23.4% avec 96K pour le modèle GLM-5.2. Tous ces chiffres proviennent du fournisseur et ont été mesurés selon ses propres paramètres ; il convient de les considérer comme des tendances en attendant des évaluations indépendantes.
Cette version annonce aussi une progression remarquable en matière de détection de vulnérabilités ; selon Z.ai, cette capacité s’est développée plus rapidement que prévu suite à l’entraînement intensif. En collaboration avec des équipes de sécurité, le modèle a mis en évidence 2,436 failles dans 269 projets open source, dont 1,097 présentent une gravité moyenne à élevée, répertoriées dans un registre public. Ce point ne constitue ici qu’un indicateur de compétence ; il n’a aucune incidence sur la manière d’utiliser le modèle.
Modification de l’API entraînant l’impossibilité de procéder à des mises à jour
Le modèle GLM-5.3 propose trois niveaux de raisonnement viareasoning_effort : low, high et max. Le niveau par défaut est max, que Z.ai recommande pour les tâches de programmation.
GLM-5.3 hardware requirements
La mémoire nécessaire au stockage des poids dépend du nombre de paramètres et du niveau de quantification. Comme le modèle de base demeure identique, GLM-5.3 conserve le même nombre de 753B paramètres que GLM-5.2, mais dans une architecture à mélange d’experts :
Il s’agit uniquement de la mémoire requise pour les poids. Considérez cette valeur comme le seuil minimal en dessous duquel aucun processus ne peut s’exécuter ; elle ne représente pas une exigence absolue. Le cache KV, les tampons d’exécution et la réserve système occupent également de la mémoire.
Adapter la configuration selon le périphérique
Chaque verdict suppose un assemblage de 4 bits avec la taille stockée sur GLM-5.2.Un DGX Spark peut-il exécuter GLM-5.3 ?
Un seul ne suffit pas, et probablement pas deux non plus. Un DGX Spark dispose de 128 Go de mémoire unifiée pour gérer un seuil de poids d’environ 377 Go à 4 bits. Trois Sparks atteignent théoriquement ce seuil avec 384 Go, mais ne laissent que 7 Go au total pour le système d’exploitation, les buffers d’exécution et le cache KV sur l’ensemble du cluster — ce qui reste irréalisable en pratique. Quatre Sparks, offrant 512 Go, constituent la première configuration dotée d’un espace disponible réel. Consultez la compatibilité des modèles avec DGX Spark pour connaître la méthode de calcul des besoins en mémoire.Une carte GPU de 24 Go peut-elle exécuter GLM-5.3 ?
Non, et le transfert partiel des poids ne changera rien. Une carte de 24 Go se situe à plus d’un ordre de grandeur en dessous du seuil requis de 377 Go. Transférer les poids depuis la mémoire vive ou le disque à ce rythme réduit drastiquement les performances, au point de les rendre inutilisables — consultez mémoire et transfert partiel pour en comprendre les raisons. Si vous disposez d’une seule carte graphique grand public et souhaitez utiliser un modèle GLM, lancezGLM-4 9B avec une taille de 5.5 Go.
Le contexte représente un budget distinct.
Les chiffres ci-dessus concernent uniquement les poids. Le modèle GLM-5.2 gère nativement 1M tokens, et un contexte de cette ampleur nécessite davantage de mémoire que l’ensemble des poids d’un modèle de taille moyenne. Prévoyez un budget spécifique pour cela — voir mémoire cache KV et contexte.Téléchargement de GLM-5.3 et Ollama.
Aucune version de GLM-5.3 n’est encore disponible pour le téléchargement ni pour Ollama. Une commande telle queollama run glm-5.3 ne fonctionnera pas, et les fichiers partagés par la communauté avant la publication officielle par Z.ai ne constituent pas des versions validées.
Observez le schéma observé avec GLM-5.2 : il n’apparaît sur Ollama qu’en tant que glm-5.2:cloud, ce qui redirige vers l’infrastructure hébergée par Z.ai sans téléchargement des poids. Pour cette catégorie de modèles, attendez-vous à un tag cloud plutôt qu’à un téléchargement local.
Préparez un déploiement local.
Comme le modèle de base reste inchangé, vous pouvez préparer presque tout avant l’arrivée des poids.- Évaluez honnêtement si vous souhaitez héberger ce modèle vous-même ou recourir à un service hébergé. Avec un seuil de poids de ~377 Go, la plupart des utilisateurs optent pour un service hébergé — Tokios s’adapte à l’un comme à l’autre.
- Si vous effectuez un déploiement en local, prévoyez un service multi-GPU à l’aide de vLLM ou de SGLang. Le modèle GLM-5.2 requiert
--reasoning-parser glm45ainsi que--tool-call-parser glm45; on s’attend à ce que GLM-5.3 exige également des paramètres similaires pour distinguer correctement les appels d’outils et les sorties de raisonnement. - Examinez sans tarder tout code qui définit
thinking.type: "disabled"— cette configuration ne fonctionnera plus avec GLM-5.3, quelle que soit la manière dont vous le déployez. - Associez le connecteur Tokios à n’importe quel point de terminaison compatible OpenAI que vous choisirez.
- Enregistrez un nom de déploiement dans le tableau de bord. Les clients transmettent ce nom de déploiement dans le champ
model, et non l’ID de modèle amont ; ainsi, si vous remplacez ultérieurement GLM-5.2 par GLM-5.3, rien ne doit être modifié du côté client.
Points encore en attente
Z.ai a publié l’annonce, les résultats de tests et le contrat API. Restent à fournir :- les poids du modèle, la fiche descriptive et le texte de la licence ;
- le dépôt exact, l’ID de modèle amont et les tailles des fichiers ;
- les commandes vérifiées pour vLLM, SGLang et Ollama ;
- les recommandations matérielles testées ainsi que des exemples d’utilisation du connecteur Tokios.
Questions fréquentes
Le modèle GLM-5.3 a-t-il été publié ?
Le modèle GLM-5.3 a-t-il été publié ?
Oui, depuis le 2026-08-14 — mais uniquement via l’API, le plan de codage GLM et ZCode, et non sous forme de poids téléchargeables. Z.ai indique que le checkpoint sera disponible environ deux semaines après le lancement, une fois les évaluations de sécurité et le renforcement terminés. En attendant, le dernier modèle GLM que vous pouvez héberger vous-même est GLM-5.2, qui partage le modèle de base avec GLM-5.3.
Quelle est la différence entre GLM-5.3 et GLM-5.2 ?
Quelle est la différence entre GLM-5.3 et GLM-5.2 ?
Il s’agit uniquement d’une phase post-entraînement — le modèle de base pré-entraîné reste identique, donc la taille et les exigences matérielles ne changent pas. Les améliorations se concentrent sur le codage assisté par agents et les tâches à long terme : sur les mesures propres à Z.ai, le score Terminal Bench 3.0 passe de 4.6 à 28.3, et DeepSWE v1.1 de 46.2 à 66.9. Il y a également un changement majeur de l’API : il n’est plus possible de désactiver le raisonnement.
Quelle quantité de mémoire vidéo est nécessaire pour GLM-5.3 ?
Quelle quantité de mémoire vidéo est nécessaire pour GLM-5.3 ?
C’est identique à GLM-5.2, car il s’agit du même modèle de base : environ 377 Go en précision de 4 bits, 753 Go en précision de 8 bits, et 1.5 téraoctets en précision BF16 pour les
753B paramètres stockés, hors cache KV. Il faut donc un serveur multi-GPU ou plusieurs nœuds, et non une seule station de travail ou un seul DGX Spark. Aucune carte graphique grand public ne convient à ce niveau de besoin.Quand les poids de GLM-5.3 seront-ils mis à disposition ?
Quand les poids de GLM-5.3 seront-ils mis à disposition ?
Selon l’annonce de Z.ai, ils seront disponibles environ deux semaines après le lancement du 2026-08-14, sous réserve des évaluations de sécurité et du renforcement — donc fin août 2026. La page Hugging Face indique déjà « prochainement ». Aucune date précise n’a été communiquée, il faut donc considérer cela comme le plan annoncé par le fournisseur.
Puis-je exécuter GLM-5.3 sur Ollama ?
Puis-je exécuter GLM-5.3 sur Ollama ?
Pas pour l’instant — aucune étiquette n’est disponible. On s’attend à ce qu’une étiquette cloud soit proposée plutôt qu’un téléchargement local : GLM-5.2 n’apparaît sur Ollama qu’en tant que
glm-5.2:cloud, ce qui redirige vers l’infrastructure hébergée par Z.ai sans télécharger les poids. Pour un modèle GLM que vous pouvez actuellement télécharger, ollama run glm4 vous donne accès à 9B, d’une taille de 5.5 Go.Ma configuration GLM-5.2 continuera-t-elle de fonctionner avec GLM-5.3 ?
Ma configuration GLM-5.2 continuera-t-elle de fonctionner avec GLM-5.3 ?
Seulement si vous ne désactivez pas le raisonnement. GLM-5.3 rejette
thinking.type: "disabled", ce qui entraîne l’échec de la requête ; ainsi, tout client utilisant le mode sans raisonnement doit d’abord basculer sur enabled avec reasoning_effort: "low". La profondeur du raisonnement est par ailleurs réglée via low, high ou max, avec une valeur par défaut de max.Le modèle GLM-5.3 est-il open source ?
Le modèle GLM-5.3 est-il open source ?
Z.ai a annoncé sa volonté de publier les poids des modèles ; GLM-4 jusqu’à GLM-5.2 sont distribués sous licence MIT, mais la licence de GLM-5.3 n’a pas encore été dévoilée. Il convient de noter que la disponibilité des poids ne signifie pas automatiquement qu’il s’agit d’un projet open source. Consultez la licence dès sa publication, surtout si vous envisagez un déploiement commercial.
Comment utiliser GLM-5.3 depuis un autre ordinateur après son lancement ?
Comment utiliser GLM-5.3 depuis un autre ordinateur après son lancement ?
Famille de modèles GLM
Vous pouvez dès à présent exécuter un modèle GLM vérifié, depuis le 9B jusqu’à GLM-5.2.
Adéquation du modèle
Déterminez quel modèle et quelle taille de contexte votre matériel peut supporter.
Guide de démarrage rapide
Associez le connecteur et enregistrez un déploiement local.
Quantification et matériel
Comprenez comment les formats de distribution d’un modèle influencent vos besoins matériels.
https://api.tokios.comen indiquant une clé APIsk-tok-…depuis n’importe quel client compatible OpenAI ou Anthropic, en précisant le nom de votre déploiement dans le champmodelau lieu de l’ID de modèle amont.