GLM-5.3 Highspeed dans ZCode : test à 490 TPS, contexte de 1 M et rumeurs sur Omen Alpha

Un nouveau nom de modèle Z.ai est apparu discrètement dans ZCode : GLM-5.3 Highspeed.

Le modèle a fait surface dans ZCode 3.15.1, où certains abonnés sont sélectionnés aléatoirement pour un essai HighSpeed. Un utilisateur, @leo114119, a publié une exécution montrant une vitesse de sortie proche de 490 tokens par seconde, avec une autre capture affichant environ 493 tok/s.

C'est un chiffre frappant.

Si un modèle pouvait maintenir 490 tokens de sortie par seconde, générer 10 000 tokens de sortie ne prendrait qu'environ :

10,000 / 490 ≈ 20.4 secondes

Ce calcul couvre uniquement la phase de génération de tokens. Il n'inclut pas le délai avant le premier token, le raisonnement avant l'affichage de la sortie, les appels d'outils, la surcharge réseau ou les pauses dans un workflow d'agent.

Plus important encore, le résultat de 490 TPS est actuellement une observation de la communauté, et non une garantie officielle de débit de Z.ai.

Ce qui est confirmé, c'est que ZCode 3.15.1 a introduit un essai aléatoire GLM HighSpeed pour les abonnés et que l'identifiant glm-5.3-highspeed est déjà présent dans le catalogue public de modèles de Pi.

GLM-5.3 Highspeed est testé aléatoirement dans ZCode

Le premier indice ne se limite pas à une capture d'écran sur les réseaux sociaux.

Les notes de version officielles de ZCode pour la version 3.15.1 indiquent :

Les abonnés peuvent désormais être sélectionnés aléatoirement pour un essai GLM HighSpeed.

Cette formulation est importante, car elle explique pourquoi l'accès varie d'un compte à l'autre.

L'article source rapporte que son auteur a essayé d'ajouter manuellement GLM-5.3 Highspeed et de basculer vers celui-ci, mais n'a pas pu l'utiliser avec un abonnement Lite.

L'interface indiquait que le modèle existait, mais que l'offre actuelle ne donnait pas accès à celui-ci.

Cela est cohérent avec la stratégie de déploiement actuelle de ZCode :

Mise à jour vers ZCode 3.15.1
        ↓
Compte abonné
        ↓
Éligibilité aléatoire à l'essai HighSpeed
        ↓
L'accès à l'essai apparaît dans le client si le compte est sélectionné

Le programme n'est pas actuellement présenté comme une fonctionnalité automatiquement accessible à tous les niveaux d'abonnement payant.

Une capture communautaire résumant les propres termes de ZCode souligne le même point : l'expérience HighSpeed est un avantage attribué aléatoirement aux abonnés, et le client constitue la source de référence pour savoir si un compte particulier a été sélectionné.

Le chiffre phare : environ 490 tokens par seconde

La principale raison de l'attention portée au modèle est la capture de vitesse.

L'utilisateur source a publié une exécution affichant environ 493 tok/s.

Ce chiffre est suffisamment proche des 490 TPS mis en avant dans le titre de l'article pour que l'écart ne soit pas significatif.

Il est toutefois utile d'être précis sur ce que cette capture nous indique et ce qu'elle ne démontre pas.

Ce qu'elle montre

• Une session ZCode étiquetée GLM-5.3-Highspeed.
• Une vitesse de génération affichée d'environ 493 tok/s.
• Un taux de cache atteint très élevé dans cette session particulière.
• Un workflow de programmation en contexte long plutôt qu'une discussion très courte sur une ligne.

Ce qu'elle ne prouve pas

• Que 490 TPS est le débit minimal garanti ou le débit moyen du modèle.
• Que chaque utilisateur ou région obtiendra la même vitesse.
• Que la vitesse reste constante pour toutes les longueurs de sortie.
• Qu'une requête à froid, sans cache atteint, se comportera de la même manière.
• Que le modèle utilise des poids différents de ceux du GLM-5.3 normal.

Le débit peut dépendre fortement des éléments suivants :

• Matériel d'inférence.
• Taille des lots.
• Profondeur de la file d'attente.
• Région.
• Longueur du prompt.
• Longueur de sortie.
• Réutilisation du cache.
• Configuration du raisonnement.
• Utilisation éventuelle d'un chemin d'inférence spécialisé à haute vitesse.

La bonne conclusion, à ce stade, est donc la suivante :

GLM-5.3 Highspeed a démontré un débit de sortie très élevé dans au moins un test ZCode public, mais Z.ai n'a pas encore publié de spécification officielle à 490 TPS.

Pourquoi 490 TPS est un chiffre si remarquable

Ce nombre se distingue parce que la famille GLM dispose déjà de plusieurs options de service orientées vitesse.

La documentation de Z.ai indique que GLM-5.3-FlashX peut atteindre jusqu'à 200 tokens/s. FlashX est la variante de service à haute vitesse de GLM-5.3-Flash.

La documentation de Pi et de Z.ai liste GLM-5.3-Flash avec une fenêtre de contexte de 1 M et une sortie maximale de catégorie 128 K, tandis que FlashX privilégie une latence de service plus faible et une génération plus rapide.

L'article original cite également une mesure d'Artificial Analysis d'environ 60 tokens/s pour GLM-5.3-Flash sur l'API propriétaire de Z.ai au moment de la rédaction.

Les mesures indépendantes de débit évoluent dans le temps, et des relevés ultérieurs ont présenté des écarts significatifs selon le fournisseur et la date ; un chiffre unique ne doit donc pas être considéré comme permanent.

Une comparaison utile est par conséquent la suivante :

L'écart est suffisamment grand pour que l'on cherche naturellement à comprendre ce que signifie réellement « Highspeed ».

Pi liste déjà glm-5.3-highspeed

Le nom du modèle n'est pas apparu uniquement dans ZCode.

Le catalogue public de modèles de Pi dispose déjà d'une page pour GLM-5.3 Highspeed.

La configuration listée est la suivante :

Le point de terminaison affiché par Pi est :

https://api.z.ai/api/coding/paas/v4

Pi associe également le modèle au format d'API de programmation de Z.ai.

Deux détails sont particulièrement notables.

1. La fenêtre de contexte atteint 1 million de tokens

Cela correspond à la configuration de contexte long observée dans les outils actuels de la famille GLM-5.3.

Pour les agents de programmation, un contexte de 1 M de tokens peut être utile pour :

• Les grands dépôts de code.
• Les longues sessions autonomes.
• Les sorties de plusieurs outils.
• Les ensembles documentaires volumineux.
• Un contexte de planification persistant.

2. La sortie maximale est de 131 072 tokens

Cela représente approximativement 128 K tokens.

Là encore, cela est cohérent avec la configuration actuelle de sortie longue de plusieurs entrées de la famille GLM-5.3.

La fiche Pi ne suggère donc pas une architecture de contexte manifestement différente de celle de la gamme GLM-5.3 habituelle.

Elle confirme surtout que l'identifiant Highspeed est suffisamment réel pour disposer d'une configuration structurée de fournisseur.

Niveaux de raisonnement Low, High et Max

Pi associe trois paramètres de raisonnement actifs :

low
high
max

L'article source indique que ces paramètres sont également familiers dans la configuration régulière de GLM-5.3.

Cela nous donne une autre raison de ne pas supposer que Highspeed est un tout nouveau modèle de base.

Il pourrait s'agir :

• D'une route d'inférence plus rapide pour des poids identiques ou étroitement liés.
• D'une configuration de service optimisée pour le débit.
• D'une référence SKU privée pour une offre de programmation.
• D'un nouveau checkpoint avec une configuration compatible.

Sans fiche de modèle Z.ai, ces possibilités ne peuvent pas encore être distinguées avec certitude.

Le nom seul ne suffit pas.

GLM-5.3 Highspeed est-il réellement Omen Alpha ?

C'est ici que l'histoire devient spéculative.

Avant l'apparition des captures ZCode, des utilisateurs de Reddit avaient déjà repéré glm-5.3-highspeed dans le catalogue de Pi et s'étaient demandé s'il pouvait être lié à Omen Alpha.

Omen Alpha est un modèle anonyme apparu dans des tests OpenCode.

Des membres de la communauté l'avaient déjà associé à Zhipu/Z.ai sur la base de son comportement observé et d'indices liés à l'infrastructure.

Une réponse sur Reddit a spéculé qu'il pourrait s'agir d'une nouvelle variante GLM à haute vitesse, avec une qualité proche de GLM-5.3-Flash mais un débit nettement supérieur.

Une autre capture source montre une entrée de modèle omen-alpha connectée à une étiquette de fournisseur liée à Zhipu, ce qui a alimenté cette théorie.

Mais aucun de ces éléments n'établit l'identité de manière concluante.

L'article original énumère plusieurs hypothèses :

• GLM-5.3 Highspeed.
• GLM-5.3-Omni.
• GLM-5.4-Flash.

Ces noms doivent rester dans la catégorie des spéculations communautaires jusqu'à ce que Z.ai publie une correspondance officielle.

Pourquoi il est difficile d'identifier les modèles anonymes

Deux points de terminaison peuvent sembler très similaires sans être le même modèle.

Le comportement observé peut être influencé par :

• Les prompts système.
• Les définitions d'outils.
• Les budgets de raisonnement.
• Les paramètres d'inférence.
• La quantification.
• Le routage du fournisseur.
• La politique de cache.
• Différents checkpoints appartenant à la même famille d'entraînement.

La similarité de comportement est donc un indice, mais pas une preuve.

La famille GLM a déjà utilisé des variantes à haute vitesse

Le nom lui-même n'est pas inhabituel pour Zhipu.

L'entreprise a déjà lancé des versions haute vitesse de modèles GLM.

L'article source renvoie à GLM-5.1-highspeed, qui a été promu avec une vitesse de sortie d'environ 400 tokens/s en mai 2026.

La famille GLM-5.3 plus récente comprend également FlashX, une variante publique orientée vitesse, documentée à jusqu'à 200 tokens/s.

Cela suggère une tendance produit plus large :

Modèle de base ou modèle phare
        ↓
Chemin de service à haute vitesse
        ↓
Latence plus faible / débit plus élevé pour les charges de travail interactives

Cette tendance rend un produit GLM-5.3 Highspeed techniquement plausible, même sans supposer l'existence de nouveaux poids de modèle.

Cela reste une inférence, et non une description officielle du produit.

Le débit élevé compte surtout pour les longues tâches d'agent

Pourquoi s'intéresser à 490 TPS ?

Pour une réponse courte de 200 tokens, la différence entre 100 TPS et 500 TPS ne représente que quelques secondes.

Pour de longues sorties d'agent, la génération de code ou un raisonnement détaillé, la différence devient beaucoup plus importante.

Par exemple :

Il s'agit uniquement de calculs simplifiés du temps de décodage.

Les tâches réelles d'agent incluent aussi :

• Le temps de réflexion.
• Les appels d'outils.
• Les lectures de fichiers.
• Les actions de navigateur.
• Les commandes shell.
• La latence réseau.
• Les passes de vérification.

Malgré cela, un décodage plus rapide peut rendre les longs workflows itératifs beaucoup plus réactifs.

C'est particulièrement pertinent dans les agents de programmation tels que ZCode, où une requête utilisateur peut générer plusieurs appels au modèle plutôt qu'une seule réponse finale.

Pourquoi le taux de cache peut fausser une capture de vitesse

La capture à ~493 tok/s affiche également un taux de cache atteint extrêmement élevé.

C'est un élément à noter.

Un taux de cache atteint élevé peut réduire la quantité de traitement répétitif du prompt nécessaire dans de longues sessions d'agent.

Une session de programmation typique peut transporter de façon répétée :

instructions système
+ contexte du dépôt
+ définitions d'outils
+ conversation précédente
+ modifications récentes

Si une grande partie de ce contexte est réutilisée efficacement, le système peut consacrer moins de temps à recalculer le côté entrée à chaque tour.

Toutefois, le chiffre affiché en tok/s désigne généralement le débit de génération de sortie, et non le débit du cache de prompt à lui seul.

Le chiffre du cache reste important, car la latence globale de la session peut sembler bien meilleure lorsque la réutilisation du prompt et le décodage rapide fonctionnent tous deux efficacement.

C'est une raison supplémentaire pour laquelle une seule capture ne peut pas caractériser complètement le modèle.

GLM-5.3 FlashX est un point de comparaison utile

GLM-5.3-FlashX fournit la comparaison publique la plus claire, car la documentation Z.ai le décrit déjà comme un modèle orienté vitesse.

Les informations actuellement publiées pour FlashX comprennent :

• ID du modèle : glm-5.3-flashx.
• Vitesse d'inférence annoncée jusqu'à 200 tokens/s.
• Fenêtre de contexte de 1 M de tokens.
• Sortie maximale de catégorie 128 K.
• La même architecture de famille GLM-5.3-Flash.
• Disponibilité API comme option de service à haute vitesse.

FlashX démontre donc que Z.ai est déjà prêt à créer des variantes dédiées à un débit élevé sans les présenter comme des générations d'intelligence entièrement nouvelles.

GLM-5.3 Highspeed pourrait suivre la même logique produit à un niveau de service encore plus rapide.

Cela demeure une inférence et non une description officielle du produit.

Ce qui est réellement confirmé aujourd'hui

Les éléments disponibles peuvent être séparés en trois niveaux de confiance.

Confirmé par des sources officielles ou publiques structurées

• ZCode 3.15.1 inclut un essai aléatoire GLM HighSpeed pour les abonnés.
• Pi liste glm-5.3-highspeed comme un modèle Z.ai.
• Pi indique une fenêtre de contexte de 1 M de tokens et 131 072 tokens de sortie maximale.
• Pi associe des niveaux d'effort de raisonnement low, high et max.
• Z.ai propose publiquement GLM-5.3-FlashX comme modèle orienté vitesse pouvant atteindre 200 tok/s.

Observé dans les tests de la communauté

• Une session ZCode a affiché environ 490–493 tok/s.
• Certains utilisateurs peuvent voir GLM-5.3 Highspeed dans le sélecteur de modèles.
• Certains abonnements ne bénéficient pas encore de l'accès.

Toujours non confirmé

• Si 490 TPS représente une vitesse de production garantie ou typique.
• Si GLM-5.3 Highspeed utilise les mêmes poids que GLM-5.3.
• S'il est identique à Omen Alpha.
• S'il deviendra un modèle API public avec une tarification distincte.
• Si l'essai ZCode aléatoire sera étendu à tous les abonnés payants.

Cette distinction est la manière la plus prudente d'interpréter le déploiement actuel.

FAQ

Qu'est-ce que GLM-5.3 Highspeed ?

GLM-5.3 Highspeed est un identifiant de modèle Z.ai apparu dans ZCode et dans le catalogue public de modèles de Pi. ZCode 3.15.1 confirme officiellement un essai GLM HighSpeed aléatoire pour les abonnés, mais Z.ai n'a pas encore publié de fiche de modèle autonome complète pour GLM-5.3 Highspeed dans les sources examinées ici.

GLM-5.3 Highspeed atteint-il réellement 490 tokens par seconde ?

Une capture d'écran publique d'un utilisateur affiche environ 493 tok/s lors d'une exécution ZCode, ce qui constitue la base du titre à 490 TPS. C'est une observation utile, mais ce n'est pas une garantie officielle de débit soutenu et le résultat peut varier selon la charge de travail, le comportement du cache, la région et les conditions du serveur.

Quelle est la taille de la fenêtre de contexte de GLM-5.3 Highspeed ?

Pi indique actuellement une fenêtre de contexte de 1 000 000 tokens et une sortie maximale de 131 072 tokens pour glm-5.3-highspeed. Ces valeurs sont similaires à la configuration de contexte long des autres modèles actuels de la famille GLM-5.3.

Tous les abonnés ZCode peuvent-ils utiliser GLM-5.3 Highspeed ?

Non. Le changelog officiel de ZCode v3.15.1 indique que les abonnés sont sélectionnés aléatoirement pour l'essai GLM HighSpeed. Si votre compte n'est pas sélectionné, voir le nom du modèle ne signifie pas nécessairement que vous pouvez l'exécuter.

GLM-5.3 Highspeed est-il identique à GLM-5.3-FlashX ?

Aucune confirmation officielle n'établit qu'il s'agit du même produit. FlashX est une variante publique à haute vitesse de GLM-5.3-Flash, documentée jusqu'à 200 tok/s, tandis que GLM-5.3 Highspeed apparaît actuellement via des essais ZCode et le catalogue de fournisseurs de programmation de Pi.

GLM-5.3 Highspeed est-il réellement Omen Alpha ?

Cela reste une spéculation. Des utilisateurs de Reddit et d'OpenCode ont relié Omen Alpha à Zhipu/Z.ai, mais aucune source officielle ne confirme qu'Omen Alpha correspond à glm-5.3-highspeed.

Pourquoi la vitesse de génération de tokens est-elle importante pour les agents de programmation ?

Les agents de programmation effectuent souvent plusieurs appels longs au modèle lorsqu'ils lisent des fichiers, écrivent des correctifs, exécutent des outils et vérifient les résultats. Un débit de décodage plus élevé peut réduire le temps d'attente entre ces étapes, en particulier lorsque le modèle produit des milliers de tokens par appel.

Où puis-je vérifier si je bénéficie de l'essai HighSpeed ?

Utilisez le client ZCode actuel après avoir effectué la mise à jour vers une version qui inclut l'essai. Les notes de version de ZCode indiquent que l'accès est attribué aléatoirement aux abonnés ; l'interface du compte ou du client constitue donc la source pratique de référence pour vérifier votre éligibilité.

Outils associés

• ZCode : environnement d'agent de programmation de Z.ai dans lequel l'essai GLM HighSpeed apparaît actuellement pour certains abonnés sélectionnés.
• Pi : catalogue public de modèles et d'outils d'agents qui expose la configuration fournisseur de glm-5.3-highspeed.
• Z.ai API : documentation officielle pour les modèles, API, intégrations de programmation et paramètres de modèles Z.ai.
• OpenCode : environnement open source d'agent de programmation dans lequel des modèles anonymes comme Omen Alpha ont été testés et discutés.
• Artificial Analysis : plateforme indépendante de suivi des performances des modèles et de la vitesse d'inférence, utile pour comparer des relevés de débit des fournisseurs.
• OpenRouter : plateforme API multifournisseur qui liste des variantes publiques de GLM, notamment GLM-5.3-FlashX.

Liens associés

• Changelog ZCode 3.15.1 : notes de version officielles confirmant que les abonnés peuvent être sélectionnés aléatoirement pour un essai GLM HighSpeed.
• Pi : GLM-5.3 Highspeed : entrée publique du modèle affichant le contexte de 1 M, le maximum de 131 072 tokens, les niveaux de raisonnement et le point de terminaison de programmation Z.ai.
• Instantané de la documentation Z.ai GLM-5.3-Flash : instantané de la documentation Z.ai décrivant GLM-5.3-Flash et FlashX, y compris l'affirmation de FlashX jusqu'à 200 tok/s.
• GLM-5.3-Flash sur Hugging Face : fiche de modèle open source officielle et exemples d'utilisation pour la famille GLM-5.3-Flash.
• OpenRouter : GLM-5.3 FlashX : liste publique du modèle avec contexte, date de sortie et informations actuelles sur la tarification des fournisseurs.
• Discussion Reddit : GLM-5.3 Highspeed : discussion communautaire antérieure à l'essai ZCode actuel, comprenant des spéculations sur Omen Alpha.
• Publication de Leo sur GLM-5.3 Highspeed : rapport utilisateur cité par l'article source pour l'observation d'environ 490 TPS.
• Article communautaire BAAI original : article source en langue chinoise utilisé comme base de cette micro-réécriture.

Résumé

GLM-5.3 Highspeed n'est plus seulement un nom de modèle isolé : ZCode 3.15.1 confirme officiellement un essai GLM HighSpeed aléatoire pour les abonnés, et Pi expose déjà une configuration structurée glm-5.3-highspeed avec une fenêtre de contexte de 1 M de tokens et une limite de sortie de 131 072 tokens.

Le chiffre frappant de 490–493 tok/s provient d'une véritable capture publique, mais il reste une observation utilisateur plutôt qu'une garantie officielle de débit de Z.ai. L'interprétation la plus prudente est que Z.ai teste un chemin de service de programmation très rapide et n'a pas encore publié la spécification complète du produit.

Le lien avec Omen Alpha n'est toujours pas résolu. Il pourrait s'avérer lié, mais les éléments actuels sont circonstanciels et portés par la communauté plutôt qu'officiels.

Ce qui est confirmé aujourd'hui est le déploiement et l'identifiant du modèle ; ce qui n'est pas encore confirmé est l'architecture exacte, la tarification publique, le débit soutenu et l'éventuelle identité commune avec Omen Alpha.