GLM-5.3-Flash: Z.ai lancia il modello multimodale open che si celava dietro Ox Alpha

Il laboratorio cinese Z.ai ha pubblicato GLM-5.3-Flash, il primo modello nativamente multimodale della famiglia GLM-5, e lo ha fatto nel modo più rumoroso possibile: pesi aperti sotto licenza MIT, una finestra di contesto da un milione di token e un prezzo che, per il codice, scende a circa un decimo di quello della generazione precedente. Se il nome non ti dice nulla, forse lo hai già usato senza saperlo. Per settimane questo stesso modello ha girato in incognito con il nome in codice Ox Alpha, scalando le classifiche di popolarità su OpenRouter prima ancora di avere un’identità ufficiale.

Non è un dettaglio da poco. In una settimana in cui la corsa ai modelli sembra non conoscere pause, Z.ai unisce tre elementi che di solito viaggiano separati: apertura totale, multimodalità e costi aggressivi. Vale la pena capire cosa cambia davvero.

Cosa è GLM-5.3-Flash e perché ti riguarda

GLM-5.3-Flash è un modello a miscela di esperti, in inglese mixture of experts. Sulla carta conta 320 miliardi di parametri totali, ma ne attiva soltanto 18 miliardi per ogni richiesta. È una scelta di ingegneria precisa: mantenere una capacità complessiva enorme, ma pagare in calcolo solo la frazione che serve a rispondere. Per confronto, la generazione GLM-4.5 ne attivava 32 miliardi, quindi il nuovo modello è insieme più grande e più parsimonioso.

La parola chiave della presentazione è una sola: efficienza. Z.ai sostiene che GLM-5.3-Flash superi il precedente GLM-5.2 nei test di codice e nei compiti da agente, arrivando a mezzo punto da Claude Opus 4.8 sul proprio benchmark interno di programmazione, il tutto a circa un decimo del prezzo.

Il posizionamento è chiaro. Non è il modello pensato per stupire sui problemi più difficili, ma il cavallo da lavoro: quello che fai girare migliaia di volte al giorno dentro un agente, un editor di codice o una pipeline automatica, dove ogni centesimo per milione di token conta.

Come è fatto dentro

Sotto la superficie ci sono alcune scelte architetturali interessanti. Il modello è stato addestrato su un corpus multimodale da 30.000 miliardi di token e combina due tipi di attenzione: quella lineare per le dipendenze locali e quella sparsa per recuperare il contesto globale rilevante. Quando la finestra si allunga fino al milione di token entra in gioco un meccanismo chiamato IndexPool, che comprime i vettori chiave dell’indicizzatore per tenere sotto controllo latenza e memoria.

I numeri che Z.ai mette sul tavolo sono concreti: circa tre volte meno calcolo dedicato all’attenzione e una riduzione di 4,4 volte della memoria cache rispetto a GLM-5.3. Tradotto, significa contesti lunghissimi senza che i costi esplodano.

È qui che si vede la filosofia del progetto: non inseguire il primato assoluto, ma rendere sostenibile l’uso quotidiano su larga scala.

Un modello che guarda ciò che produce

Uno degli aspetti su cui Z.ai insiste di più è il ragionamento visivo. GLM-5.3-Flash accetta in ingresso testo, immagini e video, e restituisce testo, ma la novità sta in come usa la vista. Il modello è stato addestrato a ispezionare interfacce renderizzate, sequenze di gioco e output tridimensionali, per poi valutare e correggere il proprio lavoro sulla base di ciò che vede.

Lo stesso approccio si estende a documenti, fogli di calcolo, presentazioni, dashboard e materiali di riunione. In pratica il modello non si limita a leggere il testo: interpreta la struttura visiva di ciò che ha davanti.

Per un agente che deve compilare un modulo, testare un’app o rifinire una slide, è una capacità che sposta l’asticella dal generare al verificare.

Da Ox Alpha al debutto ufficiale

La parte più curiosa della storia riguarda il modo in cui GLM-5.3-Flash è arrivato al pubblico. Prima del lancio ufficiale il modello è comparso in forma anonima come ox-alpha su piattaforme come OpenCode e OpenRouter, senza che nessuno sapesse chi ci fosse dietro. Ne avevamo parlato quando Ox Alpha era apparso gratis e in incognito su OpenRouter, alimentando settimane di ipotesi.

Ora sappiamo la verità: Ox Alpha era GLM-5.3-Flash. Secondo Z.ai, in quella fase di test è diventato il modello più usato della settimana su quei servizi.

Questa strategia del modello mascherato è ormai un genere a sé. I laboratori, soprattutto cinesi, rilasciano una versione anonima per raccogliere feedback reali e misurare l’accoglienza senza il peso delle aspettative legate al marchio. Se il modello convince, la rivelazione diventa essa stessa un evento di marketing.

C’è però un dettaglio che va oltre il gioco dei nomi: Z.ai dichiara di aver servito tutto quel traffico interamente su chip di intelligenza artificiale cinesi. E questo apre un capitolo più grande.

Benchmark e la guerra dei prezzi

Sul fronte delle prestazioni, i dati diffusi dall’azienda parlano di un salto netto rispetto alla generazione precedente. Sull’indice Artificial Analysis Intelligence Index nella versione 4.1.1 il modello segna 57, con un costo dichiarato di 0,045 dollari per compito. Nel benchmark di programmazione DeepSWE arriva a 63,4 contro il 46,2 di GLM-5.2, mentre su AutomationBench sale a 48,8 dai 26,2 del predecessore.

Un avvertimento è d’obbligo. Questi test usano impostazioni, limiti di contesto e strumenti di misura diversi tra loro, quindi i confronti diretti tra modelli vanno presi con prudenza. Restano comunque un segnale di direzione: la distanza tra i modelli aperti e quelli proprietari di frontiera continua ad accorciarsi.

Il vero terreno di scontro, però, è il prezzo. GLM-5.3-Flash arriva mentre l’intero settore taglia le tariffe con una frequenza quasi imbarazzante. Pochi giorni fa OpenAI aveva ridotto i prezzi delle API di GPT-5.6 Sol, e la stessa Z.ai aveva già spiazzato il mercato quando aveva presentato GLM-5.3, il modello capace di eccellere nel codice. Il messaggio è coerente: l’intelligenza artificiale di qualità sta diventando una commodity, e chi la vende deve competere sul costo per token.

Per chi sviluppa è una buona notizia. Per i grandi laboratori occidentali è una pressione che non accenna a diminuire.

Perché la licenza MIT e i chip cinesi cambiano le regole

La scelta più significativa, dal punto di vista strategico, non è un numero di benchmark ma tre lettere: MIT. Rilasciare i pesi di un modello da 320 miliardi di parametri sotto una delle licenze più permissive in circolazione significa permettere a chiunque di scaricarlo, modificarlo, distribuirlo e usarlo anche a fini commerciali, con pochissimi vincoli.

I pesi sono già disponibili su Hugging Face e il modello può essere eseguito in locale con framework come SGLang, vLLM e TokenSpeed. Non è un dettaglio tecnico per pochi: è la differenza tra affittare un’intelligenza e possederla.

Questa apertura si inserisce in una tendenza precisa. Anche Alibaba ha spinto sulla stessa strada quando ha rilasciato Qwen3.8-27B, il modello open e multimodale pensato per girare in locale. I laboratori cinesi stanno facendo dell’apertura una leva competitiva, offrendo gratis ciò che altrove si paga.

Poi c’è la questione dei chip. Che GLM-5.3-Flash sia stato addestrato e servito su acceleratori cinesi è un messaggio politico oltre che tecnico. Racconta di un ecosistema che, sotto la pressione delle restrizioni all’esportazione, sta costruendo una filiera indipendente, dal silicio al software. Per il resto del mondo è il segnale che il vantaggio hardware non è più scontato.

Conclusioni

GLM-5.3-Flash non è soltanto l’ennesimo modello che promette di battere il predecessore. È la sintesi di tre spinte che stanno ridisegnando il settore: l’apertura totale dei pesi, la multimodalità come standard e una guerra dei prezzi che rende l’AI di livello quasi banale da adottare. Il fatto che tutto questo arrivi da un laboratorio cinese, con chip cinesi e licenza permissiva, dice molto su dove si sta spostando l’equilibrio.

Se lavori con il codice, con gli agenti o con l’automazione, questo è un modello che vale la pena provare, foss’anche solo per capire quanto puoi ridurre i costi senza sacrificare troppo. Puoi leggere i dettagli tecnici direttamente nell’annuncio ufficiale di Z.ai e valutare tu stesso i benchmark.

La domanda vera non è se i modelli aperti raggiungeranno quelli proprietari, ma quanto tempo ancora avrà senso pagare di più per un modello chiuso. E, a giudicare da questa settimana, la risposta si accorcia di continuo. Continua a seguirci per non perdere i prossimi capitoli di questa corsa.