IG1 | AI API — IA de Frontière Souveraine, Hébergée en France

Performance

GLM 5.3 Flash
Signaux de Performance.

Les benchmarks officiels de GLM 5.3 Flash mettent en avant un codage agentique de premier plan, une exécution en terminal à long horizon, un contexte d'un million de tokens et une entrée multimodale native.

Terminal-Bench 2.1

84.3 benchmark agentique

GLM 5.3 Flash obtient 84.3 sur Terminal-Bench 2.1 dans le tableau de benchmarks officiel de Z.ai, au niveau des meilleurs modèles propriétaires sur l'exécution agentique en terminal.

—Codage agentique et exécution en terminal
—Architecture MoE 320B, 18B paramètres actifs
—Aucune rétention de données, entièrement souverain
—Raisonnement de frontière via IG1 AI API

Fenêtre de Contexte

1M tokens

GLM 5.3 Flash prend en charge une fenêtre de contexte officielle d'un million de tokens et jusqu'à 128K tokens en sortie, ce qui le rend adapté aux longs documents, aux grandes bases de code et aux workflows d'agents multi-étapes.

—Contexte officiel de 1M tokens
—Sortie maximale de 128K tokens
—Attention hybride creuse et linéaire

Multimodal Natif

320B paramètres — 18B actifs

GLM 5.3 Flash est le premier modèle nativement multimodal de la série GLM-5 : vidéo, image, texte et fichiers en entrée, dans une architecture MoE creuse à 18 milliards de paramètres actifs.

—Entrée vidéo, image, texte et fichier
—Calcul d’attention divisé par 3.01 vs GLM-5.3
—Cache KV divisé par 4.44 vs GLM-5.3
—Poids ouverts sous licence MIT

Frontière Efficiente

GLM 5.3 Flash.
Le Modèle Phare.

GLM 5.3 Flash est le modèle de frontière efficiente d'IG1 AI API : un moteur de raisonnement, de codage et d'exécution agentique nativement multimodal, avec un contexte d'un million de tokens, livré avec une inférence souveraine et une tarification au token transparente.

Modèle	Positionnement	Idéal pour	Proposé par IG1 AI
Petit modèle	Compact	Automatisation simple	✓ Qwen 3.8 27B
Modèle moyen	Équilibré	Charges d'entreprise rapides	✓ Qwen 3.8 Flash Next
Frontière efficiente	Efficient	Raisonnement, code et agents de classe mondiale	✓ GLM 5.3 Flash

Ce que GLM 5.3 Flash change en pratique

GLM 5.3 Flash est conçu pour les tâches où la qualité, la précision et la persévérance comptent plus qu'une réponse générique rapide. Voici où la différence est immédiatement visible :

Analyse de longs contrats

GLM 5.3 Flash suit les renvois, les clauses imbriquées, les exceptions et les définitions à travers des documents très longs — jusqu'à un million de tokens de contexte — et accepte aussi bien le texte que les pages scannées et les images.

Génération de code multi-fichiers

De la planification d'architecture aux détails d'implémentation, GLM 5.3 Flash est optimisé pour un développement multi-fichiers cohérent, le refactoring, le débogage et l'exécution en terminal, avec 84.3 sur Terminal-Bench 2.1.

Raisonnement multi-contraintes

Budget, planning, stack, conformité, sécurité, UX, scalabilité : GLM 5.3 Flash garde des contraintes simultanées actives et les transforme en décisions claires.

Instructions complexes sur long contexte

Pour les longs prompts aux exigences imbriquées, GLM 5.3 Flash est le modèle à utiliser lorsque votre équipe a besoin que la réponse reste fidèle à chaque instruction jusqu'à la fin de la génération.

Pourquoi choisir GLM 5.3 Flash ?

Utilisez GLM 5.3 Flash lorsque le travail est stratégique : raisonnement difficile, idéation produit, codage avancé, planification agentique, analyse approfondie, documents et médias où les petites erreurs coûtent cher. C'est aussi le modèle le plus abordable du catalogue IG1 AI : le choix par défaut, y compris pour le travail courant.

La performance de frontière au meilleur prix par token

GLM 5.3 Flash est le modèle phare du catalogue — et aussi le plus abordable : 0,40 € / 1M tokens input (0,09 € en cache) et 1,30 € / 1M tokens output. Qwen 3.8 Flash Next, Qwen 3.8 27B et Qwen 3.5 122B-A10B complètent le catalogue pour les charges de production, toutes trois à 0,60 € / 2,50 €.

Modèle Moyen

Qwen 3.8 Flash Next.
Puissance Intermédiaire, Prêt pour la Production.

GLM 5.3 Flash est le modèle phare. Qwen 3.8 Flash Next est le palier moyen : un modèle de nouvelle architecture pour le trafic de production — avec Qwen 3.8 27B au palier compact et Qwen 3.5 122B-A10B pour une base de connaissances plus large, tous trois exactement au même tarif.

Modèle moyen de nouvelle génération

Qwen 3.8 Flash Next est la génération la plus récente de la famille Qwen : un modèle moyen sparse qui n'active que moins de 5 % de ses paramètres par token — la capacité d'un modèle moyen avec l'empreinte d'inférence d'un compact.

Conçu pour le trafic de production

À 0,60 € input et 2,50 € output par 1M tokens, Qwen 3.8 Flash Next est conçu pour le trafic de production, les copilotes internes et les pipelines d'agents à fort volume.

Polyvalence de niveau production

Utilisez-le pour le chat, l'assistance au codage, les workflows OCR/vision, l'extraction structurée, la synthèse et les agents utilisant des outils lorsque le raisonnement de niveau frontière n'est pas requis.

Trois modèles, un seul prix

Qwen 3.8 27B et Qwen 3.5 122B-A10B restent disponibles exactement au même tarif de 0,60 € / 2,50 € : redescendez vers le modèle dense compact ou basculez vers la base de connaissances Mixture-of-Experts plus large dès qu'une charge l'exige, sans toucher à votre budget.

Nouveauté

Qwen 3.8 Flash Next : une architecture inédite

Septembre 2026

Qwen 3.8 Flash Next est l'aperçu public de l'architecture Qwen4. Là où la quasi-totalité des LLM reposent encore sur une attention dense et un cache qui grandit avec le contexte, il change les quatre étages à la fois : attention, résidu, embeddings et optimiseur.

Attention hybride 3:1

Trois couches Gated DeltaNet pour une couche Qwen Sparse Attention, motif répété douze fois sur 48 couches. Gated DeltaNet compresse l'historique au lieu de le conserver intégralement ; Qwen Sparse Attention passe par un indexeur léger pour ne sélectionner que le contexte utile, par micro-blocs. C'est ce qui explique les gains à très long contexte.

Sparsité poussée à l’extrême

512 experts, dont 10 routés et 1 partagé à chaque token : 6 milliards de paramètres actifs sur 125, moins de 5 % du modèle mobilisé. La sparsité la plus forte du catalogue IG1, devant GLM 5.3 Flash (5,6 %) et Qwen 3.5 122B-A10B (8,2 %).

Embeddings N-gram déportables

51 milliards de paramètres supplémentaires logés dans une table qui reste hors du chemin de calcul et peut être déchargée de la mémoire GPU : la capacité du modèle augmente sans coût d'inférence proportionnel.

Une recette d'entraînement différente

Un résidu à portes à quatre branches pour tenir la stabilité à ce niveau de sparsité, et l'optimiseur Muon en lieu et place d'AdamW. Alibaba annonce un entraînement neuf fois moins coûteux que celui de Qwen3.7-Plus.

Paramètres

125B + 51B

dont 6B actifs par token

Experts

512

10 routés + 1 partagé par token

Contexte

262K → 1M

natif, étendu via YaRN

Débit à 1M tokens

7,6× / 4,9×

prefill / décodage

Chiffres annoncés par Alibaba Cloud.

Cas d'usage	Modèle recommandé	Pourquoi
Raisonnement difficile, codage stratégique, agents complexes	GLM 5.3 Flash	Capacité maximale, prix par token le plus bas
Charges d'entreprise rapides, très long contexte	Qwen 3.8 Flash Next	Palier moyen, jusqu'à 1M tokens, même tarif
Chat de production, extraction, copilotes, agents à haut volume	Qwen 3.8 27B	Modèle dense compact pour les gros volumes
Connaissances larges, documents longs, workflows multimodaux	Qwen 3.5 122B-A10B	Base de connaissances plus large, même prix
Routage hybride	GLM + Qwen	GLM par défaut, Qwen là où son profil convient

Souveraineté des Données

Et Vos
Données ?

La question que se pose chaque entreprise. IG1 AI API est conçu précisément pour cela. Votre équipe sécurité dit oui. Votre équipe juridique dit oui. Et vous pouvez avancer vite en toute confiance.

Aucune Rétention de Données

Vos prompts sont traités, puis immédiatement effacés. Rien n'est stocké, rien n'est journalisé.

Aucun Entraînement de Modèle

Nous n'utilisons jamais vos données pour entraîner des modèles. Votre propriété intellectuelle vous appartient.

100% Souverain

Vos données ne quittent jamais les frontières de votre entreprise. Entièrement conforme au RGPD, à l'EU AI Act et à l'ISO 27001.

Votre Prompt

IG1 AI Traite

Immédiatement Effacé

Aucun journal • Aucun stockage • Aucun entraînement

Modèles Open-Weight

Propulsé par les
Meilleurs Modèles Ouverts.

Tirant parti des modèles open-weight les plus puissants disponibles aujourd'hui. Aucun verrouillage fournisseur. Transparence totale.

GLM 5.3 Flash Frontière

par Z.ai — Pékin, Chine

LLM de frontière efficiente

Le modèle phare de notre catalogue pour le raisonnement, le code et les workflows agentiques — et son prix par token le plus bas.

Qwen 3.5

par Alibaba Cloud — Hangzhou, Chine

LLM 122B-A10B

Modèle efficient et haute performance pour le chat de production, le code, le raisonnement et les workflows multi-tours.

Qwen Image

par Alibaba Cloud — Hangzhou, Chine

Vision & Multimodal

Compréhension d'images, analyse visuelle et raisonnement multimodal pour les workflows d'entreprise.

Qwen3-VL-Embedding-8B SOTA

par Alibaba Cloud — Hangzhou, Chine

Embedding Multimodal

Récupération à l'état de l'art avec des embeddings multimodaux et des dimensions dynamiques jusqu'à 4096 — bien au-delà des encodeurs de texte à taille fixe.

BGE

par BAAI — Pékin, Chine

Embedding & Reranking Rapides

Embeddings de texte rapides à dimension fixe et reranking — une référence de qualité pour la recherche sémantique à haut débit et les pipelines RAG.

Disponibles en Septembre 2026

Deux modèles arrivent sur notre infrastructure souveraine : ils couvrent le palier compact et le palier moyen.

Qwen 3.8 Flash Next Septembre 2026

par Alibaba Cloud — Hangzhou, Chine

LLM de Taille Moyenne

Le prochain palier de taille moyenne, appelé à remplacer Qwen 3.5 122B-A10B pour le chat de production, le code et les workflows multi-tours.

Qwen 3.8 27B Septembre 2026

par Alibaba Cloud — Hangzhou, Chine

LLM dense 27B

Modèle dense compact de dernière génération pour le chat de production, le code, l'extraction et les workflows multi-tours.

Tarification des Modèles

Nos Modèles

Tarification au token transparente. Tous les modèles sont souverains, hébergés en France, sans frais cachés ni engagement minimum.

Modèles de Langage

Modèle	Description	1M Tokens Input	1M Tokens Output
GLM-5.3-FlashSeptembre 2026	Modèle de frontière efficiente nativement multimodal (vidéo, image, texte, fichier) pour le raisonnement, le code et les workflows agentiques. Contexte max : 1M tokens, sortie 128K.	0,40 €Entrée en cache : 0,09 €	1,30 €
Qwen3.5-122B-A10B	Modèle efficient et haute performance pour le chat de production, le code et le raisonnement. Profil instruct par défaut.	0,60 €	2,50 €
Qwen3.5-122B-A10B Creative	Identique à Qwen3.5-122B-A10B avec des hyperparamètres optimisés pour l'idéation créative, la synthèse et la génération de contenu de haute qualité.	0,60 €	2,50 €
Qwen3.5-122B-A10B Thinking	Identique à Qwen3.5-122B-A10B avec le mode thinking imposé pour un raisonnement et une analyse structurés. Contexte max : 256K tokens.	0,60 €	2,50 €
Qwen3.5-122B-A10B Thinking Coder	Qwen3.5-122B-A10B configuré pour le codage avancé, l'architecture, le refactoring, le débogage et les workflows de développement en mode thinking imposé.	0,60 €	2,50 €
Qwen3.8-Flash-NextSeptembre 2026	Prochain palier de taille moyenne, appelé à remplacer Qwen3.5-122B-A10B pour le chat de production, le code et les workflows multi-tours.	0,60 €	2,50 €
Qwen3.8-27BSeptembre 2026	Modèle compact de dernière génération pour le chat de production, le code, l'extraction et les workflows multi-tours. Profil instruct par défaut.	0,60 €	2,50 €
Qwen3.8-27B CreativeSeptembre 2026	Identique à Qwen3.8-27B avec des hyperparamètres réglés pour l'idéation créative, la synthèse et la génération de contenu de haute qualité.	0,60 €	2,50 €
Qwen3.8-27B ThinkingSeptembre 2026	Identique à Qwen3.8-27B avec le mode thinking imposé pour le raisonnement structuré et l'analyse.	0,60 €	2,50 €
Qwen3.8-27B Thinking CoderSeptembre 2026	Qwen3.8-27B configuré pour le codage avancé, le refactoring, le débogage et les workflows de développement en mode thinking imposé.	0,60 €	2,50 €
BGE-m3	Embeddings de texte pour le RAG et la recherche sémantique.	0,05 €	N/A
BGE-reranker-v2-m3	Reranking pour l'optimisation des résultats de recherche.	0,30 €	N/A
Document	Convertit n'importe quel document en Markdown pour être utilisé par un LLM. Utile pour le CAG – Cached RAG, y compris les cas d'usage de RAG vision. Les images des documents utilisent IG1 Standard pour être décrites en texte.	N/A	2,00 €

Modèles d'Image

Modèle	Description	1M Tokens Input	1M Tokens Output
Qwen Image	Génération d'images. Nombre de tokens basé sur la résolution et le niveau de qualité de l'image.	0,60 €	2,50 €
Qwen Image PE	Génération d'images avec Prompt Enhancing par LLM. L'amélioration du prompt utilise Qwen3.5-122B-A10B (facturé séparément). Nombre de tokens basé sur la résolution et le niveau de qualité.	0,60 €	2,50 €
Qwen Image Edit	Édition d'images. Nombre de tokens basé sur la résolution et le niveau de qualité des images source et générée.	0,60 €	2,50 €
Qwen Image Edit PE	Édition d'images avec Prompt Enhancing par LLM. L'amélioration du prompt utilise Qwen3.5-122B-A10B (facturé séparément). Nombre de tokens basé sur la résolution et la qualité des images source et générée.	0,60 €	2,50 €

	Auto-hébergement	IG1 AI API
CAPEX GPU	500K$ – 1M$	0$
Personnel spécialisé	~200K$ / an	0$
Infrastructure	Des mois de mise en place	Instantané
Charge R&D	Significative	Aucune
Délai de mise en valeur	6–12 mois	Dès le premier jour

FAQ

Questions
Fréquentes.

Tout ce que vous devez savoir sur IG1 AI API — souveraineté, modèles, tarification et démarrage.

Souveraineté & Sécurité

Où sont hébergées mes données ?

Exclusivement dans les propres installations d’IG1 en France, sur du matériel Dell Technologies et NVIDIA. Vos données ne quittent jamais notre infrastructure européenne.

Conservez-vous ou utilisez-vous mes données pour entraîner des modèles ?

Non. Aucune rétention de données. Aucun entraînement sur les données. Aucun partage de données. Une fois votre requête traitée, elle disparaît. Point final.

IG1 AI est-il conforme au RGPD ?

Oui. Également à l’ISO 27001 et à l’EU AI Act. Notre architecture souveraine, hébergée dans l’UE, avec des garanties strictes d’absence de rétention de données, est conçue pour une conformité par défaut.

En quoi est-ce différent de l’utilisation de ChatGPT, Claude ou Gemini ?

OpenAI, Anthropic et Google sont des entreprises américaines soumises à la juridiction américaine (y compris le CLOUD Act). Vos données transitent par et peuvent être stockées sur une infrastructure américaine. Avec IG1 AI, vos données restent en France, sous droit européen, avec zéro rétention, zéro partage de données, zéro entraînement sur les données.

Modèles & Performance

Quels modèles IG1 AI utilise-t-il ?

Nous exploitons les meilleurs modèles open-weight disponibles, menés par GLM 5.3 Flash pour le raisonnement de frontière, le codage et les workflows agentiques. Le catalogue inclut également Qwen3.5-122B-A10B et Qwen3.8-27B pour les tâches de langage efficientes et haute performance, Qwen3-VL-Embedding-8B et BGE pour les embeddings et le reranking, et Qwen Image pour la génération visuelle.

Puis-je choisir quel modèle utiliser ?

Oui. Choisissez GLM 5.3 Flash — le modèle le plus performant et le plus abordable du catalogue — pour le raisonnement et le codage de frontière, Qwen3.5-122B-A10B ou Qwen3.8-27B pour les charges de production adaptées à leur profil, ou les modèles dédiés d'embedding et de reranking Qwen3-VL-Embedding-8B / BGE et Qwen Image pour des tâches spécialisées.

Vos modèles sont-ils quantifiés ?

Oui — délibérément, et choisi pour préserver la qualité. Lorsqu'une version en précision supérieure existe (p. ex. Qwen), nous servons du FP8 : l'impact sur la qualité est négligeable tandis que la mémoire GPU et le coût sont réduits d'environ moitié, ce qui constitue le bon compromis d'ingénierie. Lorsqu'un modèle de frontière n'est publié qu'en version quantifiée, nous le servons dans sa précision native. Ce que nous ne faisons jamais, c'est pousser une quantification agressive à faible nombre de bits qui dégraderait les tâches les plus difficiles (raisonnement multi-étapes, analyse de documents complexes, génération de code à grande échelle). Les chiffres de benchmark que nous publions reflètent la précision exacte que nous servons en production.

Tarification & Facturation

Comment fonctionne la tarification ?

Deux composantes. Un abonnement forfaitaire de 100 € / mois qui inclut 100 € d'usage sur l'ensemble des modèles du catalogue. Au-delà, l'usage est facturé aux tarifs par token publiés (GLM 5.3 Flash à 0,40 € input, 0,09 € input en cache et 1,30 € output ; Qwen3.5-122B-A10B et Qwen3.8-27B à 0,60 € / 2,50 €), dans la limite d'un plafond mensuel de 1 000 € pour l'abonnement à 100 € (le plafond évolue avec votre forfait). Aucun frais caché.

Que se passe-t-il si j’atteins mon plafond ?

Votre plafond mensuel est de 1 000 € pour l'abonnement à 100 €, et évolue avec les forfaits supérieurs. Lorsque vous l'atteignez, l'accès se met en pause jusqu'au prochain cycle de facturation — ou jusqu'au règlement de ce montant. Vous n'êtes jamais facturé au-delà du plafond que vous contrôlez. Si vous l'atteignez régulièrement, nous discuterons d'un relèvement de votre limite.

Comment la surconsommation est-elle facturée ?

Le 1er de chaque mois, nous facturons la surconsommation du mois précédent — l'usage au-delà de votre quota inclus — avec l'abonnement du mois à venir. Le paiement s'effectue par prélèvement SEPA ou carte enregistrée.

Pourquoi un abonnement plus un usage facturé ?

Vous bénéficiez de la prévisibilité d'une base mensuelle fixe et de la flexibilité de monter en charge quand un projet l'exige — sans renégociation. Les mois calmes restent légers, les mois chargés restent plafonnés. Vous ne payez que ce que vous utilisez, dans la limite d'un plafond que vous fixez.

Puis-je souscrire un forfait supérieur ?

Oui. Des abonnements mensuels supérieurs — avec un quota inclus et un plafond plus élevés — sont disponibles pour les équipes qui en ont besoin. Contactez le service commercial pour mettre en place un engagement adapté à votre volume.

Existe-t-il un essai gratuit ?

Contactez-nous pour connaître les options de programme pilote.

Démarrage

Combien de temps prend la mise en place ?

Aucune mise en place d'infrastructure de votre côté. Vous pouvez être opérationnel le jour même.

Ai-je besoin d’une équipe technique pour utiliser IG1 AI ?

Non. IG1 AI est conçu pour toutes les équipes — marketing, ventes, RH, juridique, analystes et développeurs. Si vous savez utiliser une interface de chat, vous savez utiliser IG1 AI.

Puis-je intégrer IG1 AI à mes outils existants ?

Oui. IG1 AI fournit un accès API compatible avec les applications de chat IA standard (Msty, Open WebUI) et des intégrations IDE pour les développeurs. Connectez vos workflows existants sans changer vos outils.

Et si une meilleure plateforme d’IA apparaît ?

Aucun verrouillage. La facturation mensuelle sans engagement vous permet de partir à tout moment. Mais comme nous mettons continuellement à jour vers les meilleurs modèles open-weights, vous êtes toujours à la pointe sans changer de plateforme.

API IA Souveraine.
Modèles de Frontière.
Zéro Fuite de Données.

Découvrez IG1 AI API
en Action.

GLM 5.3 Flash
Signaux de Performance.