Ogni volta che esce un modello cinese forte, il dibattito si divide tra chi grida al sorpasso e chi liquida tutto per la provenienza. Con GLM-5.2, rilasciato da Zhipu AI il 13 giugno con licenza MIT, conviene fare quello che facciamo sempre: guardare i numeri e chiedersi cosa cambia per un’azienda italiana. La risposta, questa volta, è: parecchio, ma non dove sembra.

Cosa è uscito davvero

Tre fatti verificabili. Il primo: GLM-5.2 è un modello a miscela di esperti da 753 miliardi di parametri con contesto da 1 milione di token, e i pesi sono pubblici con licenza MIT, la più permissiva che esista. Il secondo: nei benchmark di Artificial Analysis è il primo modello open al mondo e il quarto in assoluto, con risultati da capofila sul coding: 62,1 su SWE-bench Pro e 81,0 su Terminal-Bench 2.1. Il terzo: i prezzi. Via API costa 1,40 dollari per milione di token in input e 4,40 in output, contro i 5-10 in input e 25-50 in output dei frontier occidentali di fascia alta.

Messi in fila: qualità della categoria frontier, prezzo di un’altra categoria, e libertà di installazione che i frontier non danno.

La notizia vera è la licenza, non il benchmark

Un modello con licenza MIT si può scaricare e far girare dove si vuole: sui tuoi server, su un cloud europeo, dal system integrator di fiducia. Per la maggior parte delle aziende italiane questo è un dettaglio tecnico; per una minoranza precisa (PA, sanità, finance, chiunque abbia vincoli di residenza dei dati) è la differenza tra poter usare un modello di fascia alta e non poterlo usare affatto.

Fino a ieri la scelta per chi aveva quei vincoli era tra modelli europei self-hostabili di fascia media e rinunciare. Da oggi nella lista c’è un modello che gioca nella categoria dei frontier. Ne abbiamo parlato a lungo nella guida agli strumenti AI con residency UE e GDPR: questa uscita cambia quella classifica.

Il conto economico: quando conviene

Per l’uso via API (su dati non sensibili: generazione di contenuti, coding, analisi di documenti pubblici) il risparmio è immediato: a parità di volumi, passare da un frontier occidentale a GLM-5.2 taglia il costo per token di cinque o sei volte. Per un’azienda che spende 2.000 euro al mese di API, la stessa spesa compra cinque volte i volumi, o la bolletta scende sotto i 400.

Il self-hosting è un altro discorso: un modello da 753 miliardi di parametri richiede infrastruttura GPU seria, e il costo fisso si giustifica solo con volumi alti o con vincoli sui dati che non lasciano alternative. La via di mezzo che vediamo funzionare è il cloud europeo con GPU a consumo: i pesi sono tuoi, l’infrastruttura è UE, il costo scala con l’uso.

Conviene cambiare modello?

Se oggi usi Claude o GPT e sei contento, no: la qualità in cima resta dai frontier occidentali, e il cambio ha un costo di adattamento che non va sottovalutato (prompt, integrazione, valutazione). Se hai volumi API alti su compiti di fascia media, un test comparativo su GLM-5.2 vale la mezza giornata che costa. Se hai vincoli di residenza dei dati che finora ti hanno tenuto fuori dalla fascia alta, questa è l’uscita più importante dell’anno per te.

Il quadro completo su come i modelli cinesi si confrontano con quelli occidentali, DeepSeek compreso, è nella nostra guida migliori AI cinesi contro occidentali e nel confronto Claude contro DeepSeek.

In sostanza: GLM-5.2 non sposta chi è già ben servito dai frontier, ma riapre due partite: quella del costo per i volumi alti e quella, più interessante, del modello di fascia alta che gira dove decidi tu. Se una delle due partite è la tua, parlaci del tuo progetto.

Domande frequenti

Che i pesi del modello si possono scaricare, usare, modificare e mettere in produzione anche per scopi commerciali, senza royalty e senza chiedere permesso. Per un'azienda vuol dire poter far girare il modello sulla propria infrastruttura o su un cloud europeo, senza che i dati passino da server del fornitore. È la differenza sostanziale rispetto ai modelli frontier occidentali, che si usano solo tramite le API del produttore.

Sui benchmark indipendenti di Artificial Analysis è il primo modello open e il quarto in assoluto, con punteggi da capofila sul coding (62,1 su SWE-bench Pro, 81,0 su Terminal-Bench 2.1). Sotto i primi frontier occidentali, quindi, ma nella stessa categoria, a un sesto del prezzo. Per la maggior parte dei casi d'uso aziendali reali la differenza di qualità non si nota; sui compiti più difficili sì.

Via API ufficiale Z.ai, 1,40 dollari per milione di token in input e 4,40 in output; tramite OpenRouter anche meno (1 e 4 dollari). Per confronto, i frontier occidentali di fascia alta costano 5-10 dollari in input e 25-50 in output. Esistono anche piani coding in abbonamento da 18, 72 e 160 dollari al mese. Il self-hosting azzera il costo per token ma richiede infrastruttura GPU seria: conviene solo sopra certi volumi.

Dipende da come lo usi. L'API ufficiale è di un fornitore cinese: per dati personali europei è una strada che sconsigliamo, per ragioni di GDPR prima ancora che di opportunità. Ma la licenza MIT permette di far girare il modello su server tuoi o su un cloud UE: in quella configurazione i dati non lasciano il perimetro che decidi tu, ed è una delle opzioni più interessanti oggi per chi ha vincoli di residenza dei dati.