Qwen3.8-Flash 与 GLM-5.3-Flash 对比测试：办公工作台开发中的能力分工与选型要点
Selon un rapport de Leiphone daté du 30 septembre 2026, l'auteur a utilisé Claude Code dans un même environnement pour faire développer de zéro une workbench personnelle par Qwen3.8-Flash et GLM-5.3-Flash, publiés le même jour ; les deux livrent une application fonctionnelle, GLM penchant vers la complétude système et ingénierie, Qwen vers le flux de travail personnel et la conception des priorités.
Ce qui change
Selon un rapport de Leiphone daté du 30 septembre 2026, Qwen et Z.AI ont publié le 26 août 2026, le même jour, Qwen3.8-Flash-Next/Qwen3.8-Flash et GLM-5.3-Flash. Ce rapport fait développer aux deux modèles, dans Claude Code, avec la même tâche et le même environnement, une application web de workbench personnelle autonome, avec front-end et back-end, gestion des tâches, de l'agenda et des notes, vue d'ensemble du travail, recherche globale, persistance des données, CRUD, tests et README, adaptée à Windows 11, Python 3.12, Node.js 22.14.0, sans Docker ni service de base de données séparé. Le rapport indique que les deux identifient les composants tâches, agenda, notes, Dashboard, recherche, connexion, persistance et tests, sans dégrader en page statique, et mènent chacun un premier cycle de développement puis un cycle d'auto-optimisation. L'auteur conclut que GLM-5.3-Flash ressemble davantage à un modèle de livraison d'ingénierie, complétant d'abord connexion/inscription, navigation par modules, CRUD, cartes statistiques et tests ; Qwen3.8-Flash ressemble davantage à un modèle de conception de flux de travail personnel, introduisant plus tôt le tri intelligent, les alertes de retard, les échéances du jour, les échéances sous 7 jours et les notes Markdown. Le rapport note aussi des problèmes d'interface chez Qwen3.8-Flash : débordement de texte, absence de retour à la ligne automatique, densité d'information globalement faible. Il s'agit de conclusions de test média, pas de benchmarks officiels.
Conséquences pour les développeurs
L'impact direct pour les développeurs : les deux modèles de niveau Flash peuvent assumer des tâches de génération bureautique à haute fréquence, mais leurs productions diffèrent structurellement, et le choix ne peut se faire sur le seul prix par token. Selon le rapport, le camp Qwen met en avant le contexte long de 1M, les longs documents, les bases de code complètes, l'assistance au codage, l'orchestration de workflows et la compréhension visuelle ; le camp Zhipu inscrit dans ses arguments centraux la programmation visuelle, les tâches bureautiques, le traitement de documents et les livrables PPTX, PDF, DOCX, XLSX. Le rapport indique que le modèle principal Qwen3.8-Flash fait 125B, avec 6B activés en inférence, accompagné d'un N-gram Embedding de 51B et d'un MTP de 4B, la voie consistant à couvrir plus de contexte avec moins de paramètres activés ; GLM-5.3-Flash avoisine 320B de paramètres totaux et 18B activés, avec une structure hybride sparse et linear attention, la voie consistant à viser le plafond Agent avec un plus grand pool d'experts. Le rapport mentionne aussi des classements aux accents différents : GLM met l'accent sur DeepSWE, NL2Repo, Toolathlon Verified, AutomationBench, Terminal-Bench 2.1 et autres indicateurs coding et agentic ; Qwen couvre plus large, avec CoWorkBench, JobBench, Vision2Web, AndroidWorld, RecreationBench. Ce sont là des propos rapportés et des positions officielles ; les développeurs doivent refaire leurs propres tests sur leur jeu de tâches.
Intégration et évaluation
Ce qui suit relève de recommandations et d'analyses conditionnelles, pas de faits établis du rapport. Première décision : si l'objectif est d'obtenir rapidement un squelette de système bureautique full-stack maintenable, on peut essayer GLM-5.3-Flash en priorité, car il est rapporté comme complétant d'abord connexion, modules, CRUD, statistiques et tests ; si l'objectif est une interface de priorités et de rythme temporel orientée personnel, on peut essayer Qwen3.8-Flash en priorité. La condition est que l'équipe dispose déjà de tests automatisés et d'un processus de revue de code ; les critères d'évaluation peuvent être : sur une même description de besoin, le taux de réussite du flux principal de bout en bout exécutable dans le projet généré, la part de modules nécessitant une reprise manuelle, et la baisse ou non du nombre de défauts après le second cycle d'auto-optimisation. Deuxième décision : faut-il confier aux Flash les appels auparavant destinés au modèle phare ? Le rapport indique que, pour une même tâche, selon les prix unitaires publics officiels, Qwen3.8-Flash coûte environ 6,26 yuans, GLM-5.3-Flash environ 7,72 yuans, GLM-5.3 environ 80,49 yuans, mais cette estimation est un calcul grossier du volume total de contexte d'entrée multiplié par le prix d'entrée plus les tokens de sortie multipliés par le prix de sortie, sans prise en compte du prix avec cache ; la facture réelle dépendra des hits de cache, de la plateforme d'appel, des promotions et du mode de facturation. La condition est donc de rejouer d'abord son propre trafic pour vérifier le taux de hits de cache et le taux de réessai ; les critères peuvent être : l'évolution du coût total par tâche, du temps de bout en bout et du nombre de réessais par rapport à la solution phare existante, plutôt que le prix par token. Troisième décision : pour les workflows bureautiques à contexte long et à appels d'outils intensifs, il convient de tester séparément le coût marginal des deux voies, car le rapport estime que leurs distributions en volume de contexte, nombre d'appels d'outils et nombre d'appels LLM ne sont pas identiques. Quatrième décision : dans les scénarios exigeant une qualité d'interface élevée, il faut prévoir une étape de correction de mise en page front-end pour Qwen3.8-Flash, le rapport documentant explicitement ses problèmes de débordement de texte et de densité d'information ; le critère peut être la part des défauts liés à la mise en page dans les bugs d'acceptation. Avant l'intégration, il faut vérifier les prix et quotas actuels des deux fournisseurs, en se fondant sur leurs pages de tarification.
Limites et points à confirmer
Ce rapport est un test d'un seul média dans un environnement spécifique (Claude Code, tâche donnée, Windows 11, Python 3.12, Node.js 22.14.0, Docker et base de données séparée désactivés) ; la taille d'échantillon et le nombre de répétitions ne sont pas divulgués, et les conclusions ne doivent pas être extrapolées en classement général des capacités. Les données d'architecture et de classement du rapport correspondent principalement à Qwen3.8-Flash-Next, alors que le test a appelé Qwen3.8-Flash ; l'auteur lui-même signale qu'il ne faut pas les assimiler complètement. Qwen3.8-Flash-Next n'est pas actuellement listé sur KimiSeek ; la disponibilité API de cette version mentionnée dans le rapport concerne le côté fournisseur, et sa présence sur cette plateforme ainsi que son prix doivent être vérifiés dans le catalogue réel et sur la page de tarification du fournisseur. Le catalogue actuel de KimiSeek contient GLM-5.3 Flash et Qwen3.8 Flash, mais les versions peuvent changer avec les mises à jour du catalogue ; avant intégration, il faut se fier au catalogue en temps réel. Les chiffres de coût du rapport sont des estimations grossières basées sur les prix unitaires publics officiels, sans prise en compte du cache ; ils correspondent au moment du rapport et ne représentent pas la facturation actuelle. Les tailles de paramètres, scores de classement et positionnements de capacités sont des déclarations de la source ou des fournisseurs, non vérifiées indépendamment. En outre, le rapport reconnaît qu'aucun des deux modèles ne transforme réellement automatiquement les notes en tâches ni ne capitalise les comptes rendus de réunion en actions.
Illustrations de l’article original
