GLM-5.1, Qwen3.6, MiniMax M2.5 : les modèles chinois qui redéfinissent le code et les agents IA

En quelques semaines, plusieurs laboratoires chinois ont envoyé le même signal au marché de l’IA : la bataille ne se joue plus seulement sur les grands scores généraux, mais sur la capacité des modèles à coder, utiliser des outils, tenir dans la durée et rester déployables à un coût raisonnable. Entre GLM-5.1 chez Z.AI, Qwen3.6-35B-A3B chez Alibaba et MiniMax M2.5, l’enjeu n’est pas seulement de rivaliser avec les modèles américains sur un benchmark isolé. Ce qui change vraiment, c’est l’émergence d’une génération de modèles pensés pour des tâches longues, agentiques et plus proches d’un usage professionnel réel.

Trois paris différents, mais une même direction

Les trois annonces ne racontent pas exactement la même histoire. GLM-5.1 met en avant la long-horizon execution : Z.AI affirme que son modèle peut travailler de manière autonome sur une même tâche pendant des heures, avec planification, exécution, tests et révisions successives. Qwen3.6-35B-A3B, lui, pousse une autre idée : obtenir des performances élevées en codage agentique et en multimodal avec un modèle Mixture of Experts qui n’active qu’une petite partie de ses paramètres à chaque jeton. MiniMax M2.5, enfin, insiste surtout sur la productivité et le coût, en présentant un modèle entraîné pour des environnements réels de travail et non pour le seul dialogue.

Pris ensemble, ces trois cas montrent une évolution importante : le discours industriel sur l’IA se déplace de la simple « intelligence conversationnelle » vers des systèmes capables d’enchaîner des étapes, d’appeler des outils, de corriger leur trajectoire et de produire des livrables plus complets.

GLM-5.1 : la promesse des tâches vraiment longues

Dans son billet officiel et sa documentation, Z.AI présente GLM-5.1 comme un modèle conçu pour les tâches de longue durée, avec un contexte de 200 000 tokens et la possibilité de soutenir jusqu’à huit heures de travail continu sur une même mission. L’argument central n’est pas seulement la qualité du premier résultat, mais la capacité à continuer à s’améliorer au fil des itérations.

Z.AI cite notamment un résultat de 58,4 sur SWE-Bench Pro et détaille un scénario d’optimisation où le modèle poursuit une recherche de performance sur des centaines d’itérations et des milliers d’appels outils. C’est un point important : beaucoup de modèles impressionnent sur des tâches courtes, puis plafonnent rapidement quand il faut relire du code, relancer des tests, interpréter des journaux et changer de stratégie. GLM-5.1 est vendu comme un modèle qui tient mieux dans ce type de boucle.

Il faut toutefois garder une prudence méthodologique : ces performances reposent sur des protocoles publiés par l’éditeur, avec ses propres harnais d’évaluation, ses outils et ses budgets de temps. Elles sont utiles pour comprendre l’orientation du modèle, mais elles ne permettent pas à elles seules d’établir une hiérarchie universelle entre laboratoires.

Qwen3.6-35B-A3B : l’efficacité plutôt que la seule taille

Alibaba pousse une autre ligne stratégique avec Qwen3.6-35B-A3B. Le modèle compte 35 milliards de paramètres au total, mais seulement 3 milliards sont actifs à chaque jeton grâce à une architecture sparse MoE. L’idée est claire : chercher un meilleur compromis entre performance, latenceLatence Latence désigne le délai temporel qui s'écoule entre le déclenchement d'une action et la survenue de son effet, correspondant souvent au temps nécessaire pour qu'une donnée transite d'un point source… et coût de déploiement.

Dans sa présentation, Alibaba met en avant des résultats élevés sur plusieurs évaluations liées au code et aux agents, dont SWE-bench Verified, Terminal-Bench 2.0, Claw-Eval, NL2Repo et QwenWebBench. Le laboratoire souligne aussi que le modèle reste nativement multimodal, avec des résultats compétitifs sur des tâches vision-langage. Autrement dit, Qwen3.6-35B-A3B n’est pas présenté comme un simple petit modèle économique, mais comme un système censé rester pertinent sur des scénarios complexes de développement, de navigation et de compréhension visuelle.

Le point intéressant pour l’écosystème est moins le score exact que la philosophie produit : si un modèle plus léger à l’exécution peut rester crédible sur des tâches de codage et d’agent, alors la concurrence ne portera plus uniquement sur les très grands modèles propriétaires. Cela peut compter pour les équipes qui veulent déployer des outils de développement assisté, des agents internes ou des flux hybrides cloud/local.

MiniMax M2.5 : l’offensive par le coût et la vitesse

MiniMax M2.5 adopte encore un autre angle. Dans sa note officielle, l’entreprise affirme avoir entraîné le modèle par renforcement dans des centaines de milliers d’environnements réels et insiste sur trois métriques : la qualité, la vitesse et le prix. MiniMax revendique notamment 80,2 % sur SWE-Bench Verified, une exécution 37 % plus rapide que celle de son modèle M2.1 sur cette évaluation, et un coût d’usage suffisamment bas pour viser une utilisation continue.

Cette promesse mérite d’être suivie de près, car elle touche une limite très concrète de l’IA agentique : un agent capable de planifier pendant longtemps devient beaucoup plus intéressant si son coût marginal reste supportable. Dans de nombreux usages professionnels, la vraie question n’est pas seulement « quel modèle est le plus fort ? », mais « quel modèle est assez fort pour être lancé souvent, longtemps et à grande échelle ? ».

Là encore, la comparaison directe doit rester prudente. Les chiffres mis en avant par MiniMax proviennent de la communication du laboratoire et de ses propres conditions d’évaluation. Mais même avec cette réserve, l’orientation industrielle est nette : le prix et le débit deviennent des variables stratégiques, pas seulement des notes de bas de page.

Ce que ces signaux changent pour les développeurs et les entreprises

Le premier changement, c’est que les modèles chinois ne se positionnent plus seulement comme des alternatives moins chères. Ils cherchent à occuper des niches très concrètes : optimisation longue, codage agentique, multimodal déployable, coût horaire faible, usage via outils comme Claude Code, OpenClaw ou des environnements propriétaires.

Le deuxième changement, c’est que la compétition se déplace vers des mesures plus proches du travail réel. On parle davantage de dépôts complets, d’édition de fichiers, d’usage terminal, de navigation, de planning, de latence et de budgets d’exécution. Ce glissement rejoint d’ailleurs ce que l’on observait déjà dans notre analyse sur la montée des agents IA : la valeur ne réside plus seulement dans la réponse finale, mais dans la capacité à agir dans un environnement outillé.

Le troisième changement concerne l’infrastructure. Des modèles plus efficaces à l’inférenceInférence Inférence désigne, dans le contexte de l'intelligence artificielle, le processus opérationnel par lequel un modèle entraîné applique ses connaissances acquises à de nouvelles données inédites pour effectuer une prédiction, une…, ou mieux adaptés à des boucles longues, peuvent modifier les arbitrages entre cloud, self-hosting partiel, usage via API et intégration dans des produits métiers. Ce point compte aussi sur le plan énergétique et économique, en écho à la question du coût réel de l’IA.

Des limites à ne pas oublier

Il serait pourtant excessif de conclure que ces modèles ont déjà « dépassé » leurs concurrents occidentaux dans un sens global. D’abord parce que les benchmarks cités ne sont pas toujours harmonisés : harnais agentiques différents, contextes distincts, paramètres de décodage variables, jeux de tâches partiellement internes, juges automatiques pas toujours identiques. Ensuite parce que l’expérience utilisateur réelle dépend aussi de la stabilité, des garde-fous, de la documentation, des SDK, des conditions d’accès, des quotas et de l’écosystème logiciel.

Enfin, un bon score en ingénierie assistée ne dit pas tout de la robustesse générale d’un modèle. Les entreprises regardent aussi la conformité, la sécurité, la gouvernance des données, la traçabilité et la facilité d’intégration. Sur ces points, la course reste très ouverte.

Pourquoi ce moment mérite attention

Le vrai fait nouveau n’est donc pas qu’un laboratoire annonce encore un modèle « meilleur ». C’est la convergence de plusieurs stratégies venues de Chine autour d’un même axe : faire sortir l’IA du simple chatbot pour la transformer en moteur de production logicielle et de travail outillé. GLM-5.1 pousse l’endurance et l’autonomie, Qwen3.6-35B-A3B mise sur l’efficacité d’un MoE multimodal, MiniMax M2.5 cherche à banaliser l’usage long en comprimant le coût.

Pour les développeurs, cela signifie plus de choix et une pression accrue sur les leaders américains. Pour les entreprises, cela annonce surtout une phase de tests plus pragmatiques : moins de fascination pour les démos, davantage de comparaison sur des workflows réels, des coûts réels et des gains réels. C’est probablement là que se jouera la prochaine étape de la compétition IA.