Il 26 agosto 2026 Z.ai ha confermato che Ox Alpha, il modello anonimo e gratuito comparso su OpenRouter e OpenCode sei giorni prima, è in realtà GLM-5.3-Flash, il primo sistema nativamente multimodale della linea GLM-5. Il laboratorio di Pechino, noto anche come Zhipu AI, ha scelto la strada del rilascio in incognito per raccogliere riscontri sul campo prima del debutto ufficiale di oggi, e la scommessa ha funzionato oltre le attese.
Il pannello pubblico di OpenCode ha registrato 503.000 persone distinte, 13,12 milioni di sessioni completate e 44.000 miliardi di token elaborati, con una quota di traffico salita al 10,6%. Z.ai dichiara di aver servito il modello per tutta la settimana di anteprima su un ampio insieme di chip cinesi di produzione nazionale, con un motore di inferenza costruito su SGLang e un miglioramento di tre volte nelle prestazioni complessive rispetto alla configurazione iniziale sullo stesso hardware.
Il modello occupa la fascia Flash della gamma, quella pensata per il volume e non per il primato assoluto, e succede a GLM-5.2 con guadagni ampi su tutta la linea. È destinato a chi programma con agenti autonomi, lavora su repository estesi o gestisce documenti e materiale visivo. Se cerchi prestazioni vicine ai modelli di frontiera (come Claude Opus 5 e GPT 5.6 ) ma pagando molto meno, è qui che il modello trova la sua collocazione naturale.
GLM-5.3-Flash: attenzione ibrida e pesi aperti
L’architettura conta 320 miliardi di parametri complessivi, di cui soltanto 18 miliardi entrano in funzione per ogni token elaborato. Rispetto a GLM-4.5, a parità di dimensione totale, il modello dimezza sia i parametri attivi sia il numero di strati, ed è da qui che arriva gran parte dell’efficienza.
Il merito, secondo l’azienda, va a un sistema di attenzione ibrido che combina componenti lineari e sparse, così da reggere contesti molto lunghi senza il consueto aumento dei costi di servizio. A questo si aggiunge IndexPool, una tecnica pensata per ridurre latenza e memoria nel recupero delle informazioni quando il contesto raggiunge il milione di token. La finestra arriva infatti a 1.048.576 token, con 131.072 token massimi in uscita e ingresso di testo, immagini e video.
Due elementi meritano rilievo. I pesi sono pubblicati su Hugging Face sotto licenza MIT, quindi con vincoli minimi per l’uso commerciale, e il modello gira già su SGLang, vLLM e TokenSpeed per chi vuole ospitarlo in proprio. La visione, inoltre, non è pensata come semplice lettura di immagini ma come anello del ciclo di sviluppo, dove il modello ispeziona il proprio risultato grafico e corregge gli errori di impaginazione prima di restituire il lavoro.
Quanto vale sui benchmark
I progressi rispetto al predecessore sono ampi anziché marginali. Su DeepSWE v1.1 il punteggio sale a 63,4 dal 46,2 di GLM-5.2, mentre su AutomationBench quasi raddoppia passando da 26,2 a 48,8. Il dato che l’azienda espone più volentieri riguarda Terminal Bench 2.1, dove 84,3 punti lo collocano a un soffio dall’85,0 di Claude Opus 4.8, anche se GPT-5.6 Terra e Gemini 3.7 Flash restano avanti con 87,4 e 85,8. Sulla prova interna Z.ai Code Bench il modello tocca 29,0 al massimo sforzo contro il 29,5 di Opus 4.8.
Sulle capacità visive il modello segna 62,4 su OfficeQA Pro, davanti a Opus 4.8, ma resta indietro rispetto a Gemini 3.7 Flash su BabyVision e MVbench. Soprattutto, GLM-5.3-Flash non compete con i modelli di vertice come Fable 5 e GPT-5.6 Sol, e non è questo il campionato in cui gioca.
Prezzi, quote e la questione dei chip
Il listino è l’argomento più forte. Le tariffe ufficiali fissano 0,15 dollari per milione di token in ingresso e 0,50 dollari in uscita, con l’ingresso servito dalla cache a 0,03 dollari. Sono valori che stanno un ordine di grandezza sotto quasi tutta la concorrenza occidentale, e l’azienda dichiara di aver ridotto il costo a circa un decimo rispetto a GLM-5.2, con 0,045 dollari per compito sulla fascia scontata.
Chi ha già un abbonamento GLM Coding Plan riceve il modello senza costi aggiuntivi, con una quota utilizzabile tripla rispetto a GLM-5.3 standard a parità di piano. L’accesso passa dall’API di Z.ai, da ZCode, dalla chat ufficiale e da AutoClaw (l’alternativa ad OpenClaw di Z.ai), oltre naturalmente al deposito su Hugging Face per chi preferisce l’installazione locale, quindi la copertura è ampia fin dal primo giorno.
A chi conviene adottarlo
GLM-5.3-Flash chiude una vicenda che ha tenuto occupata la comunità per una settimana, e lo fa con una posizione chiara, ovvero prestazioni vicine ai modelli di punta a una frazione del costo. La strategia dell’anteprima anonima si è dimostrata efficace, perché ha trasformato migliaia di sviluppatori in collaudatori gratuiti e ha generato un’attenzione che nessuna campagna avrebbe comprato.
Se lavori su agenti che macinano molte richieste, su codice che richiede una revisione visiva del risultato oppure su documenti e fogli di calcolo, questo modello offre oggi un rapporto tra capacità e spesa difficile da eguagliare, e la licenza MIT ti lascia anche la strada dell’installazione in proprio. Se invece ti servono le prestazioni massime assolute, Fable 5 e GPT-5.6 Sol restano su un altro piano e l’azienda stessa non pretende il contrario.
