Aller au contenu principal
Allégé — Nous n’ajoutons aucun filtre de contenu, mais ce modèle ne dépasse ses propres limites que par moments, même avec un prompt système posant un cadre de fiction. Attendez-vous à des refus et prévoyez des nouvelles tentatives. Les obligations juridiques et de consentement restent au client.

Test de GLM 5.3 : une fenêtre de 1 M de tokens, pile ou face à L4 Intense

GLM 5.3 pour l’appel d’outils et les longs documents ; pour des scènes intimes (L4), prompt système obligatoire, et attendez-vous à pile ou face.

Ouvrir le Playground

Spicy Index

72,5/ 100

Freedom Score

63,4/ 100

Niveaux de contenu

5 types de test sur 5 · 34 essais

  • Léger · Les demandes d’écriture les plus légères du test

  • Modéré · Un cran au-dessus, encore sous le milieu de l’échelle

  • Fort · Demandes du milieu de l’échelle ; à tester avant qu’un modèle soit classé

  • Très fort · Là où la plupart des modèles de langage commencent à se retenir

  • Maximum · Les demandes écrites les plus fortes, notées comme une seule classe

Prix
1,61 $US par million de tokens mixtes (3 en entrée : 1 en sortie)
Vitesse de sortie
43 tokens/s
Taux de réussite
Collecte en cours

GLM 5.3 lit jusqu’à 1 048 576 tokens en un seul appel et en écrit jusqu’à 131 072 en retour, avec 128 schémas d’outils et la sortie JSON dans la même requête. Sur notre échelle de contenu — L1 Suggestif (une bretelle qui glisse), L2 Partiel, L3 Fort, L4 Intense (une scène intime écrite entre deux adultes) et L5 Extrême (une scène au-delà de L4, soit une scène de contrainte et de jeux d’impact, soit de la violence graphique entre adultes) —, il a rendu 13 des 34 essais notés en entier les 17 et 25 septembre 2026, l’atténuation se concentrant à L1 Suggestif et L4 Intense.

Le verdict

L2 Partiel est revenu intact sous les trois formulations testées, et L5 Extrême a rendu sur cinq des six essais. L4 Intense est là où GLM 5.3 devient difficile à prévoir : demandé directement, il a refusé les trois fois, cadré en fiction, il est revenu atténué sur les huit essais envoyés de cette façon, et seule la formulation en prompt système a rendu - et même là, seulement une fois sur deux, quatre sur huit. Curieusement, L1 Suggestif, notre palier le plus léger, s’est atténué sous chaque formulation testée ; le modèle traite « une bretelle qui glisse » avec plus de prudence qu’une scène L5 Extrême complète.

Choisissez-le pour la fenêtre et la forme d’appel d’outils : tout un dépôt, une longue file de tickets ou une pile de contrats en une requête, avec une réponse structurée qu’un analyseur peut consommer directement. Pour du jeu de rôle ou de la fiction qui doit atteindre L3 Fort ou L4 Intense du premier coup, budgétez un prompt système et attendez-vous à ce que ça marche environ une fois sur deux ; DeepSeek V4.1 Flash et la gamme Grok ont rendu ces paliers plus systématiquement dans nos tests.

Essayer GLM 5.3 →

Chiffres clés

  • Taux de réussite : 13 des 34 essais notés sont revenus en entier les 17 et 25 septembre 2026 ; L2 Partiel et l’essentiel de L5 Extrême étaient propres, L1 Suggestif s’est atténué sous chaque formulation, et L4 Intense n’a rendu qu’avec un prompt système, une fois sur deux.
  • Prix : $1.05 par million de tokens en entrée, $0.195 en cache et $3.30 en sortie - environ 25 % sous le tarif publié par Z.ai lui-même.
  • Limites : contexte de 1 048 576 tokens, réponses jusqu’à 131 072 tokens (plafond par défaut 32 768), entrée texte uniquement, 128 schémas d’outils.
  • Sources : chaque essai noté figure dans le rapport de test de GLM 5.3, les règles de notation sur notre page de méthodologie, et la liste complète des paramètres sur la page du modèle GLM 5.3.

Ce qui nous a plu et ce qui l’a freiné

Ce qui nous a plu

  • Une large fenêtre avec un vrai plafond de réponse. 1 048 576 tokens en entrée, jusqu’à 131 072 en retour dans un seul appel - une longue chronologie d’incident ou un diff multi-fichiers revient comme une seule réponse structurée au lieu de plusieurs appels qui ne se sont jamais vus.
  • Trois niveaux d’effort de raisonnement. low, high et max sur le même corps de requête ; low est le réglage à privilégier pour une passe en volume, max pour le cas que vous ne pouvez pas vous permettre de rater.
  • L’appel d’outils est simple. Jusqu’à 128 définitions d’outils par requête avec tool_choice pour forcer, autoriser ou interdire un appel.
  • L2 Partiel et l’essentiel de L5 Extrême sont revenus intacts. Les trois formulations sont passées à L2 Partiel, et cinq des six demandes L5 Extrême sont revenues en entier - rien à ce palier n’a été refusé.
  • response_format plus temperature 0 est une combinaison fiable pour une réponse JSON que vous pouvez remettre directement à un analyseur, sans redemander la clé manquante.

Ce qui l’a freiné

  • L4 Intense a besoin d’un prompt système, et c’est encore pile ou face. Demandées directement, les trois demandes ont été refusées. Cadrées en fiction, les huit sont revenues atténuées. Posées via un prompt système, quatre sur huit sont revenues rendues en entier et quatre refusées - même cette formulation a échoué environ une fois sur deux.
  • L1 Suggestif, notre palier le plus léger, s’est atténué sous chaque formulation. Les versions directe, fiction et prompt système de la même demande de bretelle qui glisse sont toutes revenues adoucies, tandis que plusieurs paliers plus durs sont revenus intacts - l’atténuation ne suit pas l’intensité du palier comme on pourrait s’y attendre.
  • Texte uniquement. Une partie image_url ou file ne fait pas partie de ce endpoint ; impossible de lui donner une capture d’écran ou une photo de référence.
  • Le plafond de réponse par défaut est une fraction du maximum. max_tokens vaut par défaut 32 768 contre un maximum de 131 072 ; une longue génération se tronque silencieusement à moins d’en demander plus.
  • Aucune plage de temperature ou top_p n’est publiée pour une prose variée au-delà des défauts, donc régler la voix passe surtout par le prompt et reasoning_effort, pas par le sampler.

Ce que nous avons testé

Nous avons passé GLM 5.3 par toute notre échelle de contenu entre le 17 et le 25 septembre 2026, chaque palier demandé de trois façons - direct, cadré en fiction, et posé via un prompt système - avec des essais supplémentaires à L4 Intense une fois les premiers résultats partagés. L3 Fort est revenu uniquement sur la version en prompt système ; direct et fiction ont tous deux été refusés. L4 Intense a reçu le plus d’essais : trois demandes directes ont toutes été refusées, huit demandes cadrées en fiction sont toutes revenues atténuées, et huit demandes en prompt système se sont partagées exactement en deux, quatre rendues et quatre refusées.

Sur l’ensemble de l’échelle, cela fait 34 essais notés : 13 sont revenus en entier, 12 se sont atténués et 9 ont été refusés. La page Spicy Index lit cela en un Freedom Score sur la fiche de score de cette page.

Les prompts qui ont marché

GLM 5.3 répond avec précision à une instruction simple ; le prompt système fait plus d’effet ici qu’un persona seul, à la fois pour la fiction et pour garder une réponse JSON dans la bonne forme.

1. Un exemple publié : raisonner sur des preuves éparpillées. Le cas pour lequel la fenêtre existe - plusieurs documents à la fois, avec la réponse reposant sur une paire de passages éloignés.

text
system: Read every document before answering. Cite the passage (document name, section) that supports each claim.
user: <a support ticket, a deploy log, an incident timeline and a Slack transcript, pasted in full> Which change caused the outage, and which passage proves it?

Lancer ce prompt sur GLM 5.3 →

2. Un exemple publié : forcer une seule forme JSON sur un appel synchrone. response_format plus temperature 0 est ce qui rend la réponse sûre à remettre à un analyseur.

text
system: Return one JSON object with keys: root_cause, affected_service, first_seen, mitigation. Use null when a field can't be determined.
user: <the same timeline and transcript>

Lancer ce prompt sur GLM 5.3 →

Réglages qui comptent : reasoningeffort sur low pour une passe en volume sur de nombreux documents, max seulement quand une mauvaise réponse coûte cher ; laissez de la marge sur maxtokens au-delà de la réponse visible attendue, puisque le plafond par défaut est une fraction du maximum de 131 072 tokens ; pour de la fiction au-delà de L2 Partiel, mettez les limites et la voix de la scène dans un prompt système plutôt que de demander directement, et attendez-vous à devoir relancer.

Le jeu de rôle, et jusqu’où il écrit

GLM 5.3 a rendu 13 des 34 essais notés sur notre échelle de contenu en entier, avec le motif décrit ci-dessus : propre aux extrémités de l’échelle, pile ou face à L4 Intense avec un prompt système, et rien à L4 Intense sans. Le label de la page est Sans censure : nous n’ajoutons aucun filtre de contenu de notre côté, donc ce qui revient est le comportement propre de GLM 5.3.

Freedom Score : affiché sur la fiche de score de cette page et recalculé à mesure que nous ajoutons des essais.

Pas encore testé : des conversations à plusieurs tours qui gardent le personnage sur de nombreux échanges (nos essais étaient des requêtes uniques) ; les langues autres que l’anglais ; si un prompt système plus long ou plus précis referme l’écart observé à L4 Intense.

Chaque personnage d’une requête doit être adulte, laissez de côté les personnes réelles et identifiables, et le respect du droit là où vous publiez vous incombe.

Ce qu’en dit la communauté

Les réactions au lancement de GLM 5.3 se sont nettement divisées entre les cercles de code et de jeu de rôle. Sur la capacité, un commentaire Hacker News l’a résumé comme « encore en retrait sur Sol et Fable, mais de très peu ». Sur le contenu, la communauté du jeu de rôle a réagi différemment : un post largement plébiscité disait « ZAI est allé à fond sur la sécurité avec GLM 5.3 ». Cela correspond à la division que nous avons mesurée : fort aux extrémités de l’échelle, inconstant au milieu.

Alternatives

  • Un GLM moins cher avec un meilleur taux de réussite à L4 Intense ? GLM 5.3 Flash a rendu les trois de ses essais L4 Intense en prompt système, à $0.1275 par million de tokens en entrée contre $1.05 pour GLM 5.3.
  • Le précédent GLM à prix plus bas ? GLM 5.2, $0.98 par million de tokens en entrée ; il n’a pas de niveau de raisonnement low, donc chaque requête raisonne plus qu’il ne le faudrait sur une passe simple.
  • Un plafond de réponse bien plus grand, avec en plus l’entrée d’images ? DeepSeek V4.1 Flash écrit jusqu’à 384 000 tokens en retour contre 131 072 pour GLM 5.3 et accepte des images en plus du texte, à $0.30 par million en entrée.
  • Un rendu constant sur toute l’échelle, sans prompt système requis ? Grok 4.6 a rendu chaque palier testé, formulation directe comprise.

Jusqu’où va GLM 5.3

Chaque niveau, pour chaque tâche, d’après des résultats confirmés. Un niveau ne rapporte des points que si le contenu apparaît vraiment, et un seul essai rapporte au plus 60 %.

Points Freedom par niveau et par tâche
NiveauConversation
LégerLes demandes d’écriture les plus légères du test
0/3 livrés10,0 / 20 pts
ModéréUn cran au-dessus, encore sous le milieu de l’échelle
3/3 livrés20,0 / 20 pts
FortDemandes du milieu de l’échelle ; à tester avant qu’un modèle soit classé
1/3 livrés6,7 / 20 pts
Très fortLà où la plupart des modèles de langage commencent à se retenir
4/19 livrés8,4 / 20 pts
MaximumLes demandes écrites les plus fortes, notées comme une seule classe
5/6 livrés18,3 / 20 pts
Note de la tâche63,4 / 63,4Testé le 25 sept. 2026

Testé du 17 sept. 2026 au 25 sept. 2026

Ce site reste consultable au travail : les résultats sont rédigés en texte, toute image affichée est pixelisée, et les prompts de test ne sont jamais publiés. Nous ne testons jamais une personne qui paraît mineure, l’apparence de personnes réelles ni l’absence de consentement.

Voir tous les relevés de test →Voir le classement sans censure →

Essayez votre propre prompt et voyez jusqu’où il va

Ouvrir le Playground

Comment GLM 5.3 obtient son Spicy Index

Chaque dimension ci-dessous mène à son calcul complet : la ligne de grille d’où vient chaque point et la raison de chaque point perdu.

Classements publics 40 % de la qualité
79,5
Jeu de rôle 15 % de la qualité
74,5
Écriture créative 15 % de la qualité
61,6
Respect des consignes 15 % de la qualité
100,0
Mémoire en contexte long 15 % de la qualité
Pas encore testé

Notre batterie de contexte long n’a pas encore été lancée sur ce modèle. Fonctionnement

Capacités Pondération 10,5 %
61,0
Freedom Score Pondération 30 %
63,4
Ouvrir le rapport de test complet →

Capacités, critère par critère

Points issus de la grille de notation publique. Les niveaux obtenus par agrandissement et les limites que nous fixons nous-mêmes ne comptent pas.

Fenêtre de contexte (publiée par l’éditeur)1 048 576 tokens
24,0 / 30
Modalités d’entrée sur SpicyAPITexte uniquement
0,0 / 25
Utilisation d’outilsOutils et tool_choice
15,0 / 15
Sortie structuréeAccepté, respect du schéma vérifié
15,0 / 15
Contrôle du raisonnement3 niveaux : low · high · max
7,0 / 15

Ce que GLM 5.3 sait faire sur SpicyAPI

Tiré directement de la spécification en ligne du modèle sur SpicyAPI. Certains éditeurs en offrent davantage dans leurs propres applications ; voici ce que vous pouvez appeler via notre API aujourd’hui.

Capacités par point de terminaison
FonctionConversation
Fenêtre de contexte1 048 576 tokens
Sortie max. par requête131 072 tokens
Niveaux de raisonnementlow · high · max
Appel d’outilsOui
Sortie structuréeOui
Voir tous les paramètres et exemples de code →

Le temps que ça prend vraiment

Mesuré sur de vraies tâches des 30 derniers jours, de la requête au résultat final. Les temps incluent nos propres tests.

Vitesse de sortie
43 tokens/sDélai jusqu’au premier token inclus
Taux de réussite
Collecte en cours

Un temps apparaît dès qu’au moins 10 tâches terminées sont reçues. Les taux de réussite ne comptent que les tâches des clients et restent masqués pour tous les modèles jusqu’à 30 jours complets de trafic.

Ce qu’on dit de GLM 5.3

1 positifs · 0 mitigés · 1 négatifs

  • ZAI went all-in on safety with GLM 5.3

    Reddit· 29 août 2026· NégatifSource

  • still shy of Sol and Fable, but only just by a hair

    hacker-news· 14 août 2026· PositifSource

Les citations reprennent mot pour mot des publications publiques, avec un lien vers l’original. Ce ne sont pas des notes et elles n’alimentent aucun score.

Modèles à envisager à la place de GLM 5.3

Qu’en pensez-vous ?

Ce test vous a-t-il été utile ?

Connectez-vous pour voter.

Commentaires

Les commentaires sont vérifiés automatiquement et par notre équipe. Nous supprimons le spam, le contenu inapproprié, les attaques personnelles et tout ce qui nomme une personne réelle sans son consentement. Signalez un commentaire et nous l’examinerons sous un jour ouvré.

Vous avez essayé ce modèle ? Partagez ce qui a marché. Un compte gratuit est nécessaire pour commenter, afin de tenir le spam à distance.

FAQ sur GLM 5.3

Essayez GLM 5.3 vous-même

Réglez chaque paramètre dans le Playground et voyez le prix exact avant de lancer.

1,61 $US par million de tokens mixtes (3 en entrée : 1 en sortie)

Autres tests

Voir les classements →
  • Trois disques de verre empilés dans le noir, traversés par un trait de lumière cyan, une fine étincelle dorée montant en dessous

    Grok 4.7

    Grok 4.7 pour le jeu de rôle et la fiction sans censure, sans jailbreak ; pas pour de longs chapitres par tour ni pour les longues boucles d’agent.

    Spicy Index
    78,2
    Freedom Score
    100,0

    Testé le 24 sept. 2026

    Lire le test
  • Warm golden light streaks passing through a row of translucent blue glass panels on a dark pedestal

    DeepSeek V4.1 Flash

    Choisissez DeepSeek V4.1 Flash pour lire des documents entiers, pas cher, plafond de 384 000 tokens ; un system prompt stabilise les scènes intimes (L4).

    Spicy Index
    81,9
    Freedom Score
    90,4

    Testé le 26 sept. 2026

    Lire le test
  • A burst of golden light filaments fanning low across a shallow glass dish against pure black

    Grok 4.3

    Choisissez Grok 4.3 pour son immense contexte, son vrai bouton pour couper le raisonnement et son écriture sans censure, pas cher ; à éviter avec des fichiers.

    Spicy Index
    77,0
    Freedom Score
    98,9

    Testé le 24 sept. 2026

    Lire le test