Alternative Claude Code : GLM 5.2 face à Opus 4.8

Si tu cherches une alternative Claude Code, tu poses probablement la mauvaise question. Ce que tu cherches vraiment, c'est une alternative au prix d'Opus 4.8, sans perdre le terminal, les agents et le workflow que tu maîtrises déjà.

Bonne nouvelle : c'est exactement ce que permet GLM 5.2. Le modèle de Zhipu AI se branche directement dans Claude Code, coûte environ un dixième du prix par token, et les benchmarks récents le placent à quelques points d'Opus 4.8 sur les tâches agentiques. Pas au niveau. À quelques points. La nuance compte, et on va la détailler.

« Frontier partout, c'est du luxe. Frontier au bon endroit, c'est de l'ingénierie. »

Le vrai problème : pas Claude Code, mais la facture Opus

Claude Code reste, à mon avis, le meilleur harnais agentique du marché. Le problème n'est pas l'outil, c'est le modèle qui tourne dedans.

Une session agentique classique (une feature multi-fichiers, un refacto, une boucle de debug) consomme facilement 50 000 à 200 000 tokens entre les lectures de fichiers, les allers-retours et les révisions. Au tarif Opus, ça donne 1 à 15 dollars par session. Multiplie par des dizaines de sessions par semaine et tu comprends pourquoi les plans à 100 dollars et plus existent.

GLM 5.2 change ce calcul : l'API est facturée autour de 1,40 $ en input et 4,40 $ en output par million de tokens. La même session tombe entre 0,20 et 2 dollars. Sur un mois de freelance à plein régime, la différence n'est pas un détail.

GLM 5.2, c'est quoi exactement

GLM 5.2 est le dernier modèle de Zhipu AI (Z.ai), sorti en juin 2026. Quelques caractéristiques qui comptent pour du code :

• Open-weight, licence MIT : c'est le seul modèle de cette catégorie de performance que tu peux théoriquement héberger toi-même. En pratique, le MoE de 744B paramètres demande du matériel sérieux, mais des variantes quantized communautaires commencent à sortir.
• Endpoint compatible OpenAI et Anthropic : il tourne dans quasiment n'importe quel harnais, Claude Code inclus.
• Contexte 1M disponible via le suffixe [1m] sur le nom du modèle.
• Distribution : API Z.ai en pay-as-you-go, GLM Coding Plan en forfait, ou via OpenRouter.

Les benchmarks, sans le marketing

C'est là que ça devient intéressant. Les chiffres viennent de sources tierces, pas des slides de Zhipu.

Pour situer la progression : GLM 5.1 faisait 63.5 sur Terminal-Bench. Passer de 63.5 à 81.0 en une version, c'est le genre de saut qui explique pourquoi les commentateurs comparent la réception de GLM 5.2 à celle de DeepSeek à l'époque.

Le résultat le plus surprenant vient de Semgrep. Sur leur benchmark de détection de vulnérabilités IDOR, GLM 5.2 en prompt nu a sorti 39 % de F1 contre 32 % pour Claude Code, à environ 0,17 $ par vulnérabilité trouvée. Un modèle open-weight qui bat un agent frontier sur une tâche de raisonnement sécurité, ce n'était pas dans le script.

Deux précautions honnêtes sur ces chiffres :

1. Semgrep le dit eux-mêmes : ce n'est pas une comparaison de capacité brute. C'est un résultat sur une tâche, dans des conditions précises. Le harnais compte souvent plus que le modèle.
2. Opus 4.8 reste le modèle individuel le plus fort sur le travail complexe. L'écart existe. La question, c'est : est-ce qu'il vaut 10x le prix sur TA tâche du moment ?

GLM 5.2 comme alternative Claude Code : le setup

Le point qui rend tout ça concret : tu ne quittes pas Claude Code. Tu changes le modèle qui tourne dedans, via une configuration documentée officiellement par Z.ai (et supportée côté Anthropic via les variables d'environnement, même si leurs garanties ne couvrent que leurs propres modèles).

Ouvre ~/.claude/settings.json et ajoute ces clés dans le bloc env (sans écraser le reste du fichier) :

{
  "env": {
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.2[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.2[1m]"
  }
}

Il te faut évidemment une clé API Z.ai active (via l'API pay-as-you-go ou le GLM Coding Plan) et la variable de base URL pointée vers leur endpoint. Le suffixe [1m] active le contexte 1M ; si Claude Code te dit que le modèle n'existe pas, mets à jour Claude Code d'abord.

Deux gotchas relevés dans la doc :

• Sous Windows avec WSL, vérifie que tu édites le settings.json de l'installation Claude Code que tu lances réellement. Les deux environnements ont chacun leur fichier.
• Le CLAUDE_CODE_AUTO_COMPACT_WINDOW à 1000000 est nécessaire pour que le contexte 1M serve à quelque chose, sinon l'auto-compact se déclenche bien avant.

Cinq minutes de setup, même terminal, mêmes commandes, mêmes agents. C'est ce qui distingue cette approche de "passer sur Cursor" ou "tester un autre CLI" : tu ne changes rien à ton workflow.

Quand utiliser quoi : le routing qui a du sens

Après plusieurs semaines dessus, voilà le découpage qui fonctionne chez moi.

GLM 5.2 par défaut :

• Boilerplate et CRUD (la majorité du quotidien, soyons honnêtes)
• Modifications de code routinières sur un codebase existant
• Debug quand le message d'erreur et le contexte sont clairs
• Tâches bien spécifiées avec des instructions détaillées

Opus 4.8 en escalade :

• Architecture multi-systèmes, décisions structurantes
• Code sensible côté sécurité
• Debug vicieux où même toi tu ne sais pas où chercher

La logique : GLM 5.2 excelle quand la tâche est cadrée, Opus garde l'avantage quand il faut du raisonnement profond sur un problème flou. Utiliser du frontier pour générer des composants Nuxt ou des écrans Flutter standards, c'est payer un premium pour rien.

Le point de vigilance que personne ne met en avant

Un détail des release notes de Z.ai mérite d'être connu : GLM 5.2 montre plus de comportements de reward-hacking que GLM 5.1. Pendant l'entraînement, le modèle a fait des choses comme lire des fichiers d'évaluation protégés ou récupérer des solutions de référence via curl.

Traduction pratique : sur du code sensible ou des tests, relis ce qu'il produit. Un modèle qui a appris à contourner ses évaluations peut aussi "faire passer les tests" de façon créative plutôt que de corriger le vrai problème. Ce n'est pas disqualifiant, mais c'est exactement le genre d'info qu'on ne trouve pas dans les threads d'influenceurs IA.

Combien ça coûte, concrètement

Trois façons d'y accéder :

Pour un usage intensif, le Coding Plan est l'option logique : le pay-as-you-go d'une grosse journée agentique peut monter à 3-5 dollars, le forfait lisse tout ça. Si tu veux tester, voici mon lien : GLM Coding Plan (lien affilié, ça ne change rien au prix pour toi).

Le pattern que je recommande pour la plupart des devs solo : garder un plan Claude à 20 $ pour Opus quand il le faut, et router le volume vers GLM 5.2. Tu obtiens le meilleur des deux à une fraction du coût d'un plan frontier à 100 $ et plus.

FAQ

GLM 5.2 peut-il vraiment remplacer Claude Code ?

Il ne remplace pas Claude Code, il tourne dedans. Sur les tâches routinières (boilerplate, modifs, debug avec contexte clair), la différence avec Opus est difficile à percevoir. Sur l'architecture complexe et le raisonnement flou, Opus 4.8 garde l'avantage.

Comment utiliser GLM 5.2 dans Claude Code ?

Via les variables d'environnement dans ~/.claude/settings.json : tu pointes ANTHROPIC_DEFAULT_OPUS_MODEL et ANTHROPIC_DEFAULT_SONNET_MODEL vers glm-5.2[1m] avec une clé API Z.ai. C'est une configuration documentée des deux côtés, pas un hack.

GLM 5.2 est-il gratuit ?

Non, mais les poids sont ouverts (licence MIT), donc l'auto-hébergement est possible avec du gros matériel. En pratique, l'API coûte environ 1/10e d'Opus, et le GLM Coding Plan propose des forfaits pour le haut volume.

Quelle est la meilleure alternative à Claude Code en 2026 ?

Si la question est le prix et pas l'outil, la réponse la plus pragmatique n'est pas de changer d'outil : c'est de changer de modèle dans Claude Code. GLM 5.2 est aujourd'hui l'option open-weight la plus solide pour ça, loin devant MiniMax M3 et Kimi K2.7 sur les benchmarks agentiques récents.

Le meilleur modèle, c'est celui que tu peux te permettre de laisser tourner toute la journée. Le deuxième meilleur, tu le gardes pour les décisions qui comptent.