GLM-5 contre Kimi K3

De quoi parle-t-on ?

Ce comparatif oppose deux modèles à poids ouverts, que l'on peut installer sur ses propres serveurs : GLM-5 et Kimi K3, l'un signé Zhipu AI (Z.ai), l'autre Moonshot AI. Le premier date du 12 février 2026, le second du 16 juillet 2026.

Tous les chiffres ci-dessous proviennent de sources publiques relevées le 22 octobre 2026 : models.dev et OpenRouter pour les prix et les capacités, Epoch AI pour les scores.

Lequel est le plus capable ?

Sur notre indice de capacité, GLM-5 obtient 77,2 sur 100 et Kimi K3 80,7. Kimi K3 prend l'avantage de 3,5 points.

Sur les 2 tests renseignés pour les deux, GLM-5 l'emporte 0 fois et Kimi K3 2 fois :

• GPQA Diamond (questions de sciences de niveau doctorat) : GLM-5 87,8 %, Kimi K3 93,1 %
• OTIS Mock AIME (problèmes de mathématiques de compétition) : GLM-5 80 %, Kimi K3 97,2 %

Le budget

GLM-5 coûte 0,60 $US par million de tokens en entrée et 2,69 $US en sortie ; Kimi K3 3 $US et 15 $US.

Pour une tâche d'agent type (lire 20 000 tokens, en écrire 2 000), comptez 0,017 $US avec GLM-5 contre 0,09 $US avec Kimi K3. GLM-5 est 5,2 fois moins cher, un écart qui pèse vite sur 1 000 tâches : 72,67 $US de différence.

Faites le calcul avec vos volumes dans le calculateur de coût d'un agent.

Contexte et capacités

Kimi K3 lit davantage d'un coup : 1 048 576 tokens de contexte (environ 1 573 pages), contre 204 800 pour GLM-5.

Mode raisonnement : GLM-5 oui, Kimi K3 oui. Appel d'outils : GLM-5 oui, Kimi K3 oui. Lecture d'images : GLM-5 non, Kimi K3 oui.

Les deux publient leurs poids : vous pouvez les héberger vous-même.

En résumé

Notre lecture des données :

• Choisissez GLM-5 pour un coût plus bas.
• Choisissez Kimi K3 pour un meilleur indice de capacité, une fenêtre de contexte plus grande, une sortie plus récente et la lecture d'images.

Ce verdict s'appuie sur des chiffres publics ; il ne remplace pas un essai sur vos propres tâches.