GLM 4.5V est une désignation attribuée à une famille de modèles apparue sur des classements publics d'intelligence artificielle. En octobre 2025, le développeur derrière ce modèle n'a pas publié d'annonce officielle, d'article technique ou de documentation publique. Le modèle n'est connu qu'à travers trois variantes apparues anonymement dans des captures de classements tiers, rendant son origine et son architecture largement invérifiables à partir de sources primaires.
Le nom suggère une continuation de la série GLM (General Language Model), développée à l'origine par Zhipu AI, une entreprise chinoise spécialisée en intelligence artificielle. Cependant, aucune déclaration officielle ne relie GLM 4.5V à la lignée GLM existante de Zhipu, et le suffixe « V » est inhabituel par rapport aux versions précédentes, qui utilisaient des désignations comme GLM-4 et GLM-4-Plus. Jusqu'à ce que le développeur reconnaisse publiquement le modèle, son attribution à Zhipu reste une inférence basée sur des conventions de nommage plutôt qu'un fait confirmé.
Les trois variantes observées diffèrent par le nombre de paramètres et les performances, mais leurs spécifications exactes ne sont pas officiellement divulguées. L'analyse communautaire des entrées de classement suggère que la plus petite variante compte environ 7 milliards de paramètres, une variante intermédiaire environ 32 milliards de paramètres, et une variante plus grande approche les 200 milliards de paramètres. Ces chiffres sont dérivés de corrélations de vitesse d'inférence sur du matériel comme les GPU NVIDIA et ne sont pas confirmés par le créateur du modèle.
Les performances du modèle sur des benchmarks standard en apprentissage automatique sont notables mais variables. Sur le benchmark MMLU (Massive Multitask Language Understanding), qui teste les connaissances générales et la résolution de problèmes, la plus petite variante obtient environ 74,2, la variante intermédiaire environ 81,5, et la plus grande variante environ 87,9. Sur MATH-500, un ensemble de données mathématiques difficiles, les scores sont approximativement de 61,8, 74,3 et 83,6, respectivement. Ces chiffres ont été extraits de captures de classements et peuvent changer si les scores sont mis à jour ou corrigés.
Présence dans les classements
Les trois variantes de GLM 4.5V sont apparues sur deux classements publics largement utilisés : l'indice d'intelligence Artificial Analysis et le LMSYS Chatbot Arena. Sur Artificial Analysis, les variantes sont listées avec des identifiants anonymes plutôt que le nom GLM 4.5V, ce qui a entraîné une confusion dans la communauté open-source. En septembre 2025, une variante a brièvement détenu une position dans le top 10 des classements Elo de l'Arena, mais elle a ensuite été retirée de la visibilité sans explication. Aucune autorité de benchmark n'a indépendamment vérifié la configuration du modèle en matière de élagage de modèle ou de attention multi-têtes.
Spéculations et réactions de la communauté
Étant donné que le modèle n'est pas publié, les spéculations sur sa technologie sous-jacente ont proliféré dans les forums et sur les réseaux sociaux. Certains chercheurs ont noté que ses performances sur les benchmarks rappellent celles de modèles entraînés avec des architectures avancées de transformeurs, incorporant possiblement des couches de mélange d'experts. D'autres pointent le moment de son apparition - coïncidant avec plusieurs publications open-weight de laboratoires américains et chinois - comme preuve qu'il pourrait s'agir d'un modèle renommé ou reconditionné d'un fournisseur existant. En novembre 2025, aucune preuve crédible ne soutient une origine spécifique.
L'absence de diffusion officielle a entraîné des conséquences pratiques. Les développeurs qui souhaitent utiliser GLM 4.5V ne peuvent pas télécharger les poids, accéder à une interface de programmation d'application (API) ou obtenir une licence, car aucun actif public n'existe. Cela a suscité un débat sur l'éthique de soumettre des modèles anonymes à des benchmarks publics, certains appelant à une divulgation obligatoire de l'origine des modèles. Cet incident a également soulevé des questions sur la fiabilité des classements comme outil pour évaluer les modèles d'IA lorsque des entrées peuvent être fabriquées ou mal attribuées.
Capacités non vérifiées
Les affirmations concernant les capacités multimodales de GLM 4.5V - comme le traitement d'images ou d'audio - sont entièrement non vérifiées. Le modèle n'a démontré aucune performance en modèle vision-langage dans aucun test public. De même, il n'existe aucune preuve d'entraînement par apprentissage par renforcement à partir de retours humains (RLHF) ou de IA constitutionnelle. Toute évaluation de son comportement se limite à des tâches textuelles à choix multiples et de génération dans les captures de classements. Les seules caractéristiques mesurables sont ses estimations de paramètres, sa vitesse et ses scores bruts sur des tests standardisés.
Conclusion
GLM 4.5V reste une énigme dans le paysage de la IA générative. Ses trois variantes ont attiré l'attention pour de bons résultats sur les benchmarks, mais sans diffusion officielle, le modèle ne peut être reproduit, audité ou légalement utilisé dans des systèmes de production. Jusqu'à ce que le développeur se manifeste, les entrées GLM 4.5V doivent être considérées comme des données tierces non vérifiées, et toute affirmation technique sur l'architecture ou le processus d'entraînement du modèle est spéculative. Ce cas souligne une tendance plus large de soumissions anonymes de modèles et leur impact sur la confiance du public dans les évaluations en apprentissage automatique.