GLM-5.2, Sakana Fugu, Claude Fable 5 : trois modèles de pointe, trois réponses sur le contrôle
Trois modèles de pointe, une vraie question pour un acheteur B2B : où vont vos données, et quelle part du stack contrôlez-vous ?
Traduction produite automatiquement par IA. La version allemande est l'original vérifié par la rédaction.
Quand j'aligne ces trois-là pour un client en Rhénanie-Palatinat, les écarts de benchmark sont rarement ce qui décide. Les trois sont de niveau frontière à la mi-2026. La décision porte sur où vont les données et quelle part du stack le client contrôle, et GLM-5.2, Sakana Fugu et Claude Fable 5 donnent trois réponses réellement différentes. Un seul d'entre eux peut tourner à l'intérieur de votre propre bâtiment. C'est la comparaison qui survit à une revue d'achat, donc c'est celle par laquelle je commence.
01. TROIS SORTIES, EN TERMES SIMPLES
Chacune de ces sorties est intervenue à une quinzaine de jours des autres en juin 2026, et chacune est une chose d'une nature différente. Il vaut la peine d'être précis, car deux d'entre elles sont largement mal décrites.
GLM-5.2, de Z.ai à Pékin, est sorti le 17 juin. C'est un modèle open-weight de type Mixture-of-Experts, environ 750 milliards de paramètres dont quelque 40 milliards actifs, un contexte d'un million de tokens, et surtout une licence MIT avec les poids publiés sur HuggingFace.
Sakana Fugu, de Sakana AI à Tokyo, est sorti le 22 juin. Ce n'est pas un modèle conventionnel, et le cadrage courant se trompe : Fugu est un orchestrateur entraîné qui appelle un pool d'autres modèles et synthétise leur travail. Il est uniquement en API, offert comme un point de terminaison compatible OpenAI.
Claude Fable 5, d'Anthropic aux États-Unis, est sorti le 9 juin. La seconde erreur courante est de classer Fable comme un palier rapide ou créatif. C'est le fleuron, le modèle le plus capable largement diffusé par Anthropic, encadré par la sécurité, cloud uniquement, à 10 et 50 dollars par million de tokens. Ses chiffres de benchmark sont solides ; pour cet article, ils sont aussi hors sujet.
02. LA SEULE COMPARAISON QUI SURVIT À L'ACHAT
Retirez le classement et alignez-les sur les dimensions dont un acheteur B2B allemand est réellement responsable. Le tableau est clair, et il ne porte pas sur lequel est le plus intelligent.
| Dimension | GLM-5.2 | Sakana Fugu | Claude Fable 5 |
|---|---|---|---|
| Ouverture | Poids ouverts, MIT | Fermé, API uniquement | Fermé, API uniquement |
| Juridiction | Chine (l'auto-hébergement la neutralise) | Japon | États-Unis |
| Exécution on-prem | Oui, environ 744 Go de GPU | Non | Non |
| Coût API par M de tokens | Environ 1,40 et 4,40 | Non divulgué | 10 et 50 |
| Qualité des preuves | Fournisseur et sources secondaires | Auto-déclaration du fournisseur seule | Fournisseur, solide historique |
Deux réserves honnêtes appartiennent à ce tableau. La voie par défaut de GLM-5.2, l'API Z.ai, relève des lois chinoises sur les données, avec leurs dispositions d'accès obligatoire, ce qui est précisément pourquoi les poids ouverts comptent : l'auto-hébergement en UE neutralise ce risque. Et la revendication de parité frontière de Fugu est entièrement auto-déclarée, affaiblie par le fait que Fable et le modèle Mythos restreint ne sont même pas dans son pool. Je ne miserais pas une décision sur le benchmark de l'un ou l'autre fournisseur.
03. CE QUE JE DIS RÉELLEMENT À UN CLIENT
Je ne recommande pas l'un de ceux-ci dans l'abstrait. J'ajuste la posture à ce que le client peut financer et à ce dont il est responsable.
🔸 GLM-5.2 est le pari on-prem. Les poids ouverts MIT sont tout l'enjeu : vous pouvez le faire tourner dans votre propre centre de données, et les prompts ne quittent jamais votre réseau. Le hic est l'empreinte GPU, environ 744 gigaoctets en FP8, il convient donc au client qui peut financer le matériel et a besoin que les données restent dans le bâtiment. C'est l'histoire de souveraineté la plus nette des trois.
🔸 Claude Fable 5 est le pari de l'assurance gérée. Vous louez une capacité à un fournisseur américain, au prix le plus élevé ici, avec un vrai encadrement de sécurité et un routage régional des données sur les grands clouds. Pour une équipe qui veut un modèle de premier plan sans posséder le stack, et qui peut vivre avec une dépendance au cloud, c'est la meilleure option gérée.
🔸 Sakana Fugu est le pari de la commodité, avec l'histoire de contrôle la plus faible. Une API qui route à travers un pool de modèles est astucieuse, et le Japon est une géopolitique plus douce que la Chine. Mais vous ne pouvez pas le faire tourner on-prem, vous ne choisissez pas quel modèle voit les données, et les preuves sont minces. Je le traiterais comme intéressant, pas comme un choix par défaut pour un travail réglementé.
C'est la même leçon que Claude Fable 5 a enseignée à la dure quand un modèle antérieur a été coupé en 72 heures : une capacité louée est révocable, et le contrôle est une propriété du stack, pas du score. C'est pourquoi je continue d'orienter les clients vers des modèles open-weight qu'ils peuvent réellement posséder.
04. LA QUESTION QUI MÉRITE D'ÊTRE CONÇUE
Si vous ne retenez qu'une chose de tout ceci, que ce soit la question, pas le classement. Les modèles échangeront de nouveau leurs places au classement dans le trimestre ; cette partie est du bruit. La question durable est celle qu'un responsable des achats devrait poser dès le premier jour : lequel de ceux-ci pourrez-vous encore faire tourner, auditer et vous offrir quand le fournisseur changera les conditions ? Pour la plupart des clients réglementés avec qui je travaille, cette question se répond d'elle-même, et elle ne pointe pas vers le benchmark le plus élevé. Alors avant de choisir le modèle le plus intelligent, que vous coûterait-il de le perdre ?
