Il modello è stato inizialmente reso disponibile tramite abbonamenti al GLM Coding Plan (a partire da circa 18 $/mese) e successivamente tramite API standalone e download dei pesi open-weight . Un modello precedente, il GLM-5.1, era stato oggetto di un report di Bloomberg nell'aprile 2026 che ne segnalava un aumento dei prezzi di almeno l'8%, ma GLM-5.2 ha ridefinito completamente le dinamiche di prezzo
.
GLM-5.2 è stato inizialmente distribuito senza tabelle di benchmark pubblicate, una lacuna che ha attirato critiche, ma i punteggi riportati dal vendor e da terze parti indipendenti sono stati rilasciati insieme ai pesi open-weight nei giorni successivi .
Il 22 giugno, Jefferies ha valutato che GLM-5.2 era entrato nella top three globale tra i grandi modelli, definendolo una tappa fondamentale per lo sviluppo dell'AI cinese .
| Tipo di token | Prezzo per 1 milione di token |
|---|---|
| Input | 1,40 $ |
| Input in cache | 0,26 $ |
| Output | 4,40 $ |
A questa tariffa, GLM-5.2 costa circa un sesto del prezzo di GPT-5.5 e circa 10 volte meno di Claude o GPT-5 . Un abbonamento al GLM Coding Plan parte da circa 18 $/mese
. Diversi analisti hanno osservato che questi prezzi rappresentano uno "smantellamento brutale" del potere di determinazione dei prezzi dell'AI statunitense
. Zhipu aveva previsto che la guerra dei prezzi nell'AI si sarebbe diffusa a livello internazionale: questo rilascio ne è stata la prova
.
Il rilascio è avvenuto in un momento geopolitico teso. Solo pochi giorni prima, il Dipartimento del Commercio statunitense aveva imposto nuove restrizioni all'accesso estero al modello Claude Fable 5 di Anthropic, di fatto bandendolo dall'uso enterprise non statunitense .
Le reazioni del mercato sono state immediate:
La Silicon Valley ha reagito con allarme. Gli analisti hanno descritto la combinazione delle prestazioni open-source a basso costo di GLM-5.2 con le restrizioni all'esportazione statunitensi come "due forze convergenti" che stavano costringendo le imprese a rifugiarsi verso soluzioni open-source e a ridurre il divario tecnologico tra Cina e Stati Uniti .
1. La frontiera dell'open-source si è spostata. GLM-5.2 è il primo modello open-weight a competere direttamente con i modelli closed-source di frontiera nel coding agentico complesso, sotto una licenza MIT completamente permissiva. Ciò significa che qualsiasi azienda, governo o sviluppatore in tutto il mondo può scaricare ed eseguire un modello di coding di classe GPT-5.5 sulla propria infrastruttura gratuitamente .
2. I controlli all'esportazione statunitensi stanno ottenendo l'effetto opposto. Numerose fonti hanno notato che le restrizioni di Washington sui modelli di Anthropic, finalizzate a preservare la leadership statunitense nell'AI, hanno di fatto accelerato il pivot globale verso le alternative open-source cinesi . Come ha affermato un'analisi, "le imprese sono costrette a fuggire verso soluzioni open-source e il divario tecnologico tra Cina e Stati Uniti si sta rapidamente riducendo"
.
3. Il paradigma dei prezzi è stato infranto. Il co-fondatore di Zhipu aveva previsto nel gennaio 2026 che la guerra dei prezzi nell'AI si sarebbe diffusa dalla Cina agli Stati Uniti . La distribuzione di GLM-5.2 a 1/6 del costo di GPT-5.5 con prestazioni di coding comparabili dimostra effettivamente questa tesi. La metrica "intelligenza per dollaro" sta diventando l'asse competitivo decisivo
.
4. La visione ponderata di Jefferies. Nonostante abbia definito GLM-5.2 un modello "top three" a livello globale, Jefferies ha avvertito che il potenziale di ricavo del modello era limitato dalle stesse restrizioni statunitensi che ne guidavano la domanda: Zhipu potrebbe colmare il vuoto lasciato dall'assenza di Anthropic in alcuni mercati, ma i clienti enterprise statunitensi rimangono in gran parte inaccessibili ai vendor cinesi di AI .
5. La narrativa sulla leadership cinese nell'AI cambia. Con GLM-5.2, Zhipu è diventato il secondo laboratorio cinese (dopo DeepSeek) a produrre un modello ampiamente descritto come in grado di rivaleggiare o superare i modelli di frontiera statunitensi nei benchmark chiave. La narrazione è passata da "recuperare" a "competere testa a testa" .
Comments
0 comments