Per circa tre anni, in ogni conversazione sull’IA è tornata sempre la stessa frase, come un tic. “Sì, i modelli open stanno recuperando, ma sono ancora sei o dodici mesi indietro rispetto alla frontiera chiusa.” È diventato rumore di fondo. Un modo educato per dire che se volevi il meglio, pagavi Anthropic o OpenAI, accettavi i rate limit, e smettevi di fare domande.
Z.ai ha appena reso quella frase ridicola.
Il 16 giugno 2026, il laboratorio cinese ha rilasciato GLM 5.2, un modello mixture-of-experts da 744 miliardi di parametri (40B attivi), con licenza MIT, finestra di contesto da 1 milione di token e un punteggio di 51 nell’Artificial Analysis Intelligence Index v4.1. Quel punteggio non è “buono per un modello open.” È il punteggio open weights più alto mai registrato su quell’indice, undici punti sopra GLM 5.1, e si piazza praticamente in pari con modelli proprietari che costano dieci volte di più per task.
Questo è il momento. La prima volta in cui un modello frontier completamente open ha risultati che non sono apologetici.
Cosa vuol dire finalmente “frontier e open”
Mettiamo subito a posto la terminologia, perché l’industria adora confonderla. Open weights significa che i parametri del modello sono scaricabili. Chiunque può ospitarlo, farne fine-tuning, eseguirlo sulle proprie GPU, fare audit del suo comportamento. Licenza MIT significa uso commerciale, modifica e ridistribuzione permessi, praticamente senza vincoli. Niente trappola “solo non-commerciale”, niente clausola “devi chiedere approvazione sopra i 700 milioni di utenti”, niente licenza community travestita da open source.
GLM 5.2 esce sotto MIT. È su Hugging Face. Puoi forkarlo stasera.
Cosa è cambiato rispetto alla precedente ondata di modelli open capaci? Tre cose, e contano tutte.
Uno: i benchmark non sono selezionati. Le release open passate guidavano una singola eval (di solito un benchmark di matematica o codice su cui il team aveva chiaramente allenato il modello) e fingevano fosse la prova della parità. L’Intelligence Index di Artificial Analysis è un composito di nove benchmark — GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity’s Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR — che coprono reasoning, scienza, workflow agentici, retrieval long-context e resistenza alle allucinazioni. GLM 5.2 batte tutti gli altri modelli open sull’aggregato.
Due: non è indietro sul lavoro agentico. Il nuovo numero di copertina è GDPval-AA v2, il benchmark che misura task economici reali. GLM 5.2 fa 1524, primo tra i modelli open weights, davanti a MiniMax-M3 (1418) e DeepSeek V4 Pro (1328). È praticamente alla pari con GPT-5.5 xhigh (1514). Che un modello open con licenza MIT si sieda accanto alla configurazione di reasoning top di OpenAI sul benchmark progettato per misurare valore economico reale è, francamente, la notizia.
Tre: il gap verso il vertice chiuso si è chiuso mentre il gap verso il resto si apriva. GLM 5.2 non ha solo superato di poco il modello open successivo. Ha messo sette punti tra sé e il secondo classificato (MiniMax-M3 a 44). Non è recupero. È staccare.
I numeri di benchmark, in dettaglio
Ecco cosa è saltato di più tra GLM 5.1 e GLM 5.2, con la stessa identica conta di parametri (744B / 40B attivi):
- CritPt (reasoning scientifico): +16 punti, ora 21%
- Humanity’s Last Exam: +12 punti, ora 40%
- AA-LCR (retrieval long-context): +9 punti, ora 71%
- τ³-Banking: +15 punti, ora 27%
- SciCode: +7 punti, ora 50%
- Terminal-Bench v2.1: +16 punti, ora 78%
- GPQA Diamond: +3 punti, ora 89%
- AA-Omniscience Index: 4 (da 2), accuracy 25,1% (da 24,2%), allucinazioni 28,1% (da 29,4%)
Un salto di 16 punti su Terminal-Bench e altri 16 su CritPt, dalla stessa architettura, indica o un grosso lavoro di overhaul su dati e post-training, o sostanzialmente più compute di reasoning speso in fase di training, o entrambi. Anche la finestra di contesto è triplicata, da 200K in GLM 5.1 a 1M token in 5.2, senza sacrificare la qualità del retrieval (il salto su AA-LCR lo conferma).
Come si confronta GLM 5.2 con tutti gli altri
La domanda interessante non è se GLM 5.2 batte gli altri modelli open. Lo fa, comodamente. La domanda interessante è come si confronta con la frontiera proprietaria su prezzo e intelligenza insieme.
Ecco la tabella. I prezzi sono per 1 milione di token. L’intelligenza è il punteggio composito dell’Artificial Analysis Intelligence Index v4.1. Open significa che i pesi sono scaricabili con una licenza che permette uso commerciale.
| Modello | Maker | Open? | Intel. Index | Input $/M | Output $/M | Contesto |
|---|---|---|---|---|---|---|
| GLM 5.2 (max) | Z.ai | Sì (MIT) | 51 | $1,40 | $4,40 | 1M |
| GPT-5.5 (xhigh) | OpenAI | No | ~53 | ~$10 | ~$40 | 400K |
| Claude Fable 5 | Anthropic | No | ~52 | ~$15 | ~$75 | 500K |
| Gemini 3.5 Pro | No | ~49 | ~$5 | ~$20 | 2M | |
| MiniMax-M3 | MiniMax | Sì | 44 | $0,80 | $3,20 | 1M |
| DeepSeek V4 Pro | DeepSeek | Sì (MIT) | 44 | $0,27 | $1,10 | 256K |
| Kimi K2.6 | Moonshot | Sì | 43 | $0,60 | $2,50 | 512K |
| GLM 5.1 (max) | Z.ai | Sì (MIT) | 40 | $1,20 | $4,00 | 200K |
| Gemma 4 27B | Sì (Apache 2.0) | 34 | ~$0,20 | ~$0,60 | 128K | |
| Llama 4 Behemoth | Meta | Sì (custom) | 36 | $0,50 | $2,10 | 256K |
Leggi quella tabella per un minuto e nota cosa dice. GLM 5.2 costa circa sette volte meno in input di GPT-5.5 e circa nove volte meno in output, restando entro due punti dalla frontiera assoluta. Claude Fable 5 è circa diciassette volte più caro in output per un punto in più di indice.
Se negli ultimi dodici mesi hai pagato tariffe Anthropic o OpenAI perché non c’era nulla di comparabile, questa tabella è la matematica che non avevi.
La storia dei costi è più interessante del titolo
Una cosa da dire onestamente: GLM 5.2 non è il modello open più economico. DeepSeek V4 Pro fa un task completo dell’Intelligence Index per circa $0,05. GLM 5.2 costa circa $0,46. Cioè nove volte più caro di DeepSeek per task.
Il motivo: GLM 5.2 pensa tanto. Brucia in media 43.000 token di output per task, di cui 37.000 sono token di reasoning. GLM 5.1 ne usava 26.000. DeepSeek V4 Pro e MiniMax-M3 stanno tra 24.000 e 37.000. Quindi GLM 5.2 si compra gli undici punti in più di indice in parte con più compute di reasoning al momento dell’inferenza, non solo con pesi più intelligenti.
Ma il confronto giusto da fare è questo. Per task:
- DeepSeek V4 Pro: $0,05 (Intelligence Index 44)
- MiniMax-M3: $0,18 (Intelligence Index 44)
- GLM 5.1: $0,25 (Intelligence Index 40)
- Kimi K2.6: $0,31 (Intelligence Index 43)
- GLM 5.2: $0,46 (Intelligence Index 51)
- GPT-5.5 xhigh: circa $5 (Intelligence Index ~53)
- Claude Fable 5: circa $6+ (Intelligence Index ~52)
Artificial Analysis l’ha detto pulito: GLM 5.2 ha il “costo per task più basso tra i modelli al suo livello di intelligenza.” Se vuoi il più economico, DeepSeek. Se vuoi il modello open più intelligente, GLM 5.2. E il modello open più intelligente è ora a un errore di arrotondamento dal modello chiuso più intelligente, a un decimo del prezzo.
Velocità e serving
L’API di prima parte di Z.ai serve GLM 5.2 a circa 110 token al secondo, sopra la mediana di classe di 59 t/s. Il tempo al primo token è di 2,38 secondi, praticamente nella media. Otto grandi provider di inferenza lo stanno già servendo: DeepInfra, Novita, Nebius, Parasail, Siliconflow, GMI Cloud, Baseten e Fireworks.
Il prezzo del cache hit è la parte che trasforma questo da interessante a ridicolo. A $0,26 per milione di token sull’input in cache, l’81% di sconto rispetto alla tariffa input, i workload agentici che rileggono gli stessi file di progetto decine di volte per sessione diventano economici come non lo sono mai stati sui modelli chiusi. Il prompt caching di Anthropic è buono. Questo è meglio, su un modello open weights.
Cosa sta davvero dicendo Hacker News
Il thread di Hacker News sulla release è un circo, nel senso buono. Cito un po’ di quello che la gente sta davvero testando in produzione adesso:
unrvl22: “È letteralmente qualità Opus 4.7 a prezzi assurdi. Ho cancellato l’abbonamento a Claude. Posso bruciare 300m di token al giorno di questa qualità, per $50 al mese.”
benjiro29: “GLM 5.2 Max = Opus 4.8 Max nel comportamento di thinking. Praticamente il fratellino di Opus 4.8, a un prezzo MOLTO più basso. Ma giuro che non c’è alcun training sui modelli Opus in corso, eh?”
redox99: “Sicuramente livello opus per il coding.”
kristopolous: “I modelli open stanno a circa 4-7 mesi di lag in questo momento. Un modello open weights potrebbe raggiungere il livello di Claude Fable 5 prima di fine anno.”
E le critiche, che contano altrettanto:
Tiberium: “GLM 5.2 xhigh ha passato oltre 15 minuti a ragionare, spendendo circa 45k token, prima di scrivere il primo file. L’intelligenza è sufficiente ormai, l’efficienza del reasoning dovrebbe essere la priorità.”
cmrdporcupine: “Ho bruciato $5 di token in fretta. E questo era high, non max.”
simonw: “GLM 5.1/5.2 non sono modelli vision, cosa rara ormai, e limita casi d’uso come screenshot-to-HTML.”
CuriouslyC: “Molti host di terze parti configurano male i modelli o li quantizzano di nascosto. Ho visto gap di qualità del 20-40% su Kimi. Restate sull’API di prima parte o su provider noti.”
La citazione di unrvl22 è quella a cui prestare attenzione. A prescindere dal fatto che ti fidi o no di quel confronto esatto con Opus, la disponibilità di clienti paganti di Claude a cancellare sulla base di una release open weights è qualcosa che non era mai successo prima alla frontiera. Quello è il segnale.
L’elenco onesto dei caveat
Prima che qualcuno vada troppo oltre, i gap che restano:
Niente vision. GLM 5.2 è solo testo in input, solo testo in output. I concorrenti chiusi (GPT-5.5, Claude Fable 5, Gemini 3.5) gestiscono tutti immagini, video, audio. Per molti workflow agentici — screenshot, grafici, PDF con figure — quel gap è reale e non si chiude questa settimana.
Verbosità dei token di reasoning. La media di 43k token per task significa che GLM 5.2 non è il modello da buttare in un prodotto consumer sensibile alla latenza senza un attento prompt-engineering o una modalità “low reasoning”. Il setting xhigh è per lavoro agentico in batch, non per chat.
Roulette della quantizzazione. Chi esegue GLM 5.2 attraverso un endpoint random dovrebbe testare la qualità effettiva, non fidarsi della leaderboard. Differenze di qualità da quantizzazione del 20%+ sono state documentate tra provider per modelli open precedenti.
Costo del self-hosting. Il modello è da 744B totali. Eseguirlo localmente a precisione piena non quantizzata richiede un cluster serio. La maggior parte continuerà a pagare un’API. Ma la differenza è che chiunque può ospitarlo — università, governi, aziende regolate che non possono mandare i dati dei clienti a OpenAI. Quella opzionalità non esisteva a questo livello di qualità prima.
Perché questo è più grande di un aggiornamento di leaderboard
La frontiera chiusa è stata costruita su una scommessa silenziosa: che il gap tra best-closed e best-open sarebbe rimasto abbastanza grande da lasciare ai clienti enterprise nessuna vera alternativa. Sei mesi, dodici, diciotto. Abbastanza a lungo perché OpenAI e Anthropic potessero continuare a far pagare tariffe premium perché l’alternativa era un gap di 12 punti sull’Intelligence Index, che si traduceva in un gap di qualità di prodotto reale, che si traduceva in “dobbiamo pagarli.”
Quella scommessa funziona ancora al vertice assoluto. GPT-5.5 xhigh e Claude Fable 5 sono ancora forse due o tre punti più intelligenti di GLM 5.2. Ma due punti costano dieci volte di più. E le industrie regolate — banche, sanità, difesa, governo — a cui è stato detto “ti serve questa qualità, devi mandare i tuoi dati su un cloud americano” possono ora eseguire un modello equivalente a frontier sulla propria infrastruttura, fare fine-tuning, audit, senza mai chiamare un’API esterna.
Open weights alla frontiera non abbassa solo i prezzi. Ridistribuisce chi può costruire con la migliore IA.
Una breve storia della famiglia GLM
La storia di come Z.ai è arrivata qui non è “siamo apparsi la settimana scorsa.” La famiglia General Language Model è stata pubblicata per la prima volta nel 2022 da ricercatori della Tsinghua University, con un’architettura che combinava generazione autoregressiva e attenzione bidirezionale. GLM-130B, rilasciato open weights a fine 2022, è stato uno dei primi modelli non occidentali in grado di competere significativamente con la generazione GPT-3. È stato benchmarkato, ne hanno parlato, poi è stato dimenticato fuori dai circoli specialistici.
GLM 3 e GLM 4 sono dove le cose si sono fatte serie. Z.ai (l’entità commerciale nata dal gruppo di ricerca Tsinghua) è passata a un’architettura mixture-of-experts, ha scalato il compute di training, e ha iniziato a spedire miglioramenti mensili al prodotto chat zhipu.ai in Cina. Quando GLM 5.1 è arrivato a inizio 2026 con 744B totali / 40B attivi, il modello era una scelta credibile da “frontiera di seconda fascia” — usabile per lavoro serio, battuto sui benchmark dai laboratori chiusi.
GLM 5.2 mantiene la conta dei parametri identica a 5.1. Stessa forma MoE, stessi 40B di esperti attivi. Gli undici punti in più nell’Intelligence Index sono venuti da un’altra parte: dati migliori, più reasoning RL durante il post-training, catene di reasoning effettivamente più lunghe, ed espansione del contesto da 200K a 1M token senza degradare il retrieval. È il tipo noioso di progresso che non fa una keynote scintillante ma conta più dello scaling: stesso budget di compute, output migliori. La stessa ricetta che Anthropic usa per spingere avanti Claude release dopo release.
Il sottotesto geopolitico che nessuno vuole scrivere
Metà dei commenti sul thread HN parla della qualità del modello. L’altra metà parla di cosa vuol dire che la frontiera open weights ora è cinese.
GLM 5.2 si unisce a una lista che, a giugno 2026, include DeepSeek (V4 Pro), MiniMax (M3), Moonshot (Kimi K2.6) e Alibaba (Qwen 3). Ogni release open vicina alla frontiera degli ultimi sei mesi viene da un laboratorio cinese. Il lato americano della storia open weights è Llama 4 di Meta (ancora capace ma indietro sull’indice), Gemma 4 di Google (scala minore, ottimizzato per on-device), e una lunga coda di fine-tune. Nessuno di questi compete con GLM 5.2 al vertice.
Un commentatore di HN (tcp_handshaker) l’ha detto brutalmente: “La Cina si mangerà il pranzo agli Stati Uniti sull’IA.” Un altro, marcus_cemes, ha dato la lettura europea: “Siamo solo esausti dall’hype continuo sull’IA.” Una terza, Certhas, ha posto la domanda che dovrebbe preoccupare i politici più di entrambe quelle prese di posizione: “Perché nessuna startup UE? Due statunitensi, diverse cinesi, nessuna europea. È una domanda molto importante che l’UE dovrebbe farsi.”
L’economia politica della frontiera IA si sta spostando. I laboratori chiusi americani applicano prezzi da frontiera ai clienti globali. I laboratori open cinesi rilasciano i pesi sotto MIT e lasciano che chiunque li ospiti dovunque. I laboratori europei… non sono in questa conversazione. Se gestisci una banca regolata a Francoforte, la domanda l’anno scorso era “accettiamo che IA voglia dire mandare dati a OpenAI.” Quest’anno, la risposta può essere “no — ospitiamo GLM 5.2 sulle nostre GPU.” L’implicazione geopolitica è che il modello stesso è ora una commodity, e la trincea si sposta su compute, dati, distribuzione, e integrazione.
La matematica vera su un workload agentico con cache
Facciamo concreto. Diciamo che stai costruendo un code-agent. L’agente riceve un contesto di codebase da 50K token all’inizio di ogni sessione e fa dieci turni di reasoning con media 5K input / 8K output. Ogni turno rilegge circa l’80% del contesto precedente (effettivamente in cache su un provider con sticky-session).
Su Claude Fable 5, a circa $15 input / $75 output (nessuno sconto cache in questa stima):
- Contesto iniziale: 50K × $15/M = $0,75
- Per turno: (5K × $15 + 8K × $75) / 1M = $0,075 + $0,60 = $0,675
- Dieci turni: $6,75
- Totale per sessione: ~$7,50
Su GLM 5.2 con la tariffa input in cache:
- Contesto iniziale: 50K × $1,40/M = $0,07
- Per turno (assumendo cache hit dell’80% sull’input): (4K × $0,26 + 1K × $1,40 + 8K × $4,40) / 1M = $0,00104 + $0,0014 + $0,0352 = $0,038
- Dieci turni: $0,38
- Totale per sessione: ~$0,45
È una differenza di costo di 16× per un workload agentico, su un modello che fa entro due punti dalla frontiera chiusa sui benchmark più importanti. Se la matematica del margine di prodotto richiedeva uso sussidiato o rate-limiting duro, quel vincolo è appena cambiato.
Il catch (c’è sempre un catch): GLM 5.2 userà più token di reasoning di Claude sullo stesso task, il che mangia parte del risparmio. Il numero 16× assume volumi di output equivalenti, che è un’assunzione generosa. Il delta realistico, con GLM che fa circa 1,5-2× più reasoning in media, è più vicino a 8-10× più economico. Ancora abbastanza per cambiare fondamentalmente l’economia di prodotto.
Cosa farei davvero con questo
Se spedisci prodotto:
- Fai un A/B sul tuo workload attuale Claude o GPT. Prendi 100 prompt reali di produzione, eseguili attraverso GLM 5.2 max via l’API di prima parte Z.ai, e confronta sui tuoi criteri di qualità effettivi. La matematica dei costi conta solo se la qualità tiene il passo.
- Usa aggressivamente la tariffa input in cache. Le app agentiche che rileggono lo stesso contesto tra turni ottengono uno sconto input dell’81%. Progetta per quello.
- Non aspettarti vision per ora. Se il tuo workflow ha bisogno di screenshot o immagini PDF, tieni un endpoint Gemini o GPT-5.5 per quella parte.
- Pinna il provider. Che sia prima parte o uno degli otto provider di inferenza, fai una sonda di qualità su ciascuno prima di affidarti al routing per costo tra loro.
Se non spedisci prodotto, il takeaway è più corto. La storia che “l’open è sei mesi indietro” è finita. La prossima domanda non è se l’open prende la frontiera chiusa. È quanto tempo la frontiera chiusa continua a far pagare tariffe da venti dollari per milione di token quando un’alternativa con licenza MIT fa entro due punti da loro.
È una domanda con un orologio sopra, adesso.