🇨🇳 Chine💻 CodeSortie juin 2026
GLM-5.2
Zhipu AI
Open-sourceSelf-host
Verdict
Une option solide pour l'auto-hébergement et le contrôle total des données.
Profil de compétences
Non communiqué
Forces
- Très long contexte
- Open-source et auto-hébergeable
Limites
- Pas de garantie RGPD native
- Tarification API non publiée
À qui ça s'adresse
Pour vous si…
- vous codez avec un agent ou en autonomie
- vous voulez maîtriser vos coûts ou auto-héberger
À éviter si…
- vous manipulez des données sensibles européennes
Accès & disponibilité
Auto-hébergeable (poids ouverts)
Caractéristiques clés
Contexte
1M
Prix entrée
—
Prix sortie
—
Vitesse
—
Prix non auditéBenchmarks non audités
Confidentialité
Non conforme RGPD
Faire tourner en local
Serveur GPU dédié282k4k
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 429.8 Go | 475 Go | Infra GPU serveur (H100/A100…) |
| Q8 · équilibré | 806.8 Go | 889 Go | Infra GPU serveur (H100/A100…) |
| FP16 · qualité max | 1508 Go | 1661 Go | Infra GPU serveur (H100/A100…) |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Données avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
Données avancées · pour experts
Architecture, modalités, coût détaillé, benchmarks complets
Architecture
—
Taille
754B (MoE, 40B actifs)
Date de coupe
—
Entrées
text
Sorties
text
Licence
mit
Hébergement
—
Score d'hallucination
—
Coût estimé (API)
Échange type (~3k entrée / 1k sortie)
Non communiqué
1M entrée + 1M sortie
Non communiqué
Tous les benchmarks
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |