GLM-5.3-Flash spiegato: così Z.ai ha svelato l’identità di Ox Alpha

Per sei giorni, sviluppatori e appassionati di intelligenza artificiale hanno utilizzato un modello potente senza sapere chi lo avesse creato. Chiamato Ox Alpha, era comparso gratuitamente e senza attribuzione su OpenRouter e OpenCode il 20 agosto 2026, con una finestra di contesto da un milione di token e input multimodali. Il 26 agosto Z.ai — il marchio internazionale di Zhipu AI — ha confermato che si trattava di GLM-5.3-Flash, il primo modello nativamente multimodale della serie GLM-5. 259

La rivelazione ha trasformato un test pubblico anonimo in un vero lancio di prodotto. GLM-5.3-Flash è arrivato con pesi aperti sotto licenza MIT, prezzi API annunciati molto contenuti e un’architettura pensata per rendere più economici i flussi di lavoro con codice, contesti lunghi e agenti autonomi. 679

Che cosa è successo a Ox Alpha?

Ox Alpha è apparso inizialmente su OpenRouter e OpenCode senza uno sviluppatore dichiarato, con prezzo pari a zero, un limite di contesto di 1.048.576 token e supporto per testo, immagini e video. Gli sviluppatori lo hanno rapidamente sottoposto a prove con agenti di programmazione, attività da terminale e workflow con grandi quantità di contesto. 458

La comunità ha iniziato a cercare indizi sulla sua origine. Tra gli elementi segnalati figuravano comportamenti del tokenizer simili a quelli dei modelli GLM e schemi riconoscibili nei messaggi di errore dell’API. Questi segnali hanno alimentato le ipotesi su un coinvolgimento di Zhipu AI, poi confermato direttamente da Z.ai il 26 agosto. L’azienda ha spiegato che il rilascio anonimo serviva a raccogliere feedback dall’uso reale prima del debutto ufficiale. 59

L’anteprima ha registrato livelli di utilizzo eccezionali. Un resoconto contemporaneo parlava di 42.000 miliardi di token elaborati in sei giorni, mentre un’altra fonte citava circa 44.000 miliardi di token e 503.000 utenti di OpenCode. Si tratta di stime provenienti da report e momenti di misurazione diversi: non vanno quindi considerate come un’unica cifra verificata in modo indipendente. 81116

Che cos’è GLM-5.3-Flash?

GLM-5.3-Flash è un modello con pesi aperti progettato per la programmazione, le attività agentiche di lunga durata e i workflow multimodali. Z.ai lo descrive come il primo modello nativamente multimodale della famiglia GLM-5. Le capacità documentate includono input visivi e una finestra di contesto da un milione di token, sufficiente — almeno sulla carta — a contenere in una singola attività grandi repository di codice, documenti, schermate e altri materiali. 720

L’architettura principale è una mixture of experts da 320 miliardi di parametri, di cui 18 miliardi attivati per ogni token. In pratica, il modello dispone di un’ampia capacità complessiva, ma per elaborare ciascun token instrada il lavoro solo attraverso una parte di essa. Z.ai afferma inoltre di combinare attenzione sparsa e attenzione lineare per ridurre il calcolo e le dimensioni della cache key-value durante l’inferenza. 620

È questa impostazione a spiegare il posizionamento “Flash”: il modello non è piccolo, ma mira a offrire costi di servizio inferiori rispetto a un modello denso con lo stesso numero totale di parametri. L’architettura può ridurre il calcolo necessario per ogni token, anche se velocità e costi effettivi dipendono da hardware, software di distribuzione, batching e tipo di carico.

Quanto è forte nella programmazione?

Z.ai riporta per GLM-5.3-Flash un punteggio di 63,4 su DeepSWE v1.1, contro 46,2 per GLM-5.2. L’azienda cita inoltre un confronto interno con Claude Opus 4.8: 29,0 contro 29,5. 78

Sono segnali interessanti, ma non costituiscono una classifica universale della qualità dei modelli. Il risultato DeepSWE è una valutazione dichiarata dal produttore, mentre il confronto con Claude è descritto come un test interno. Prompt, strumenti, sistemi di orchestrazione, eventuale contaminazione dei test e criteri di valutazione possono influire sensibilmente sui risultati. Prima di considerare il modello equivalente a un sistema proprietario di frontiera servono test indipendenti e riproducibili.

Per gli sviluppatori, la proposta più concreta riguarda l’adattamento al workflow: un modello capace di analizzare repository estesi, usare informazioni visive e gestire attività agentiche prolungate senza dover comprimere continuamente la cronologia del lavoro. In produzione, però, contano anche affidabilità, uso degli strumenti, latenza e capacità di recuperare dagli errori, non soltanto il punteggio di un benchmark.

Prezzi, licenza e accesso

Z.ai ha annunciato prezzi API di listino pari a 0,15 dollari per milione di token in ingresso e 0,50 dollari per milione di token in uscita. La documentazione ha poi indicato una promozione temporanea del 50%, che porta le tariffe rispettivamente a 0,075 e 0,25 dollari durante il periodo promozionale dichiarato. 2

I pesi del modello sono stati pubblicati su Hugging Face sotto licenza MIT, una formula più permissiva rispetto a un modello disponibile esclusivamente tramite servizio online. In generale, la licenza MIT consente il riutilizzo commerciale e la modifica, ma chi intende distribuire il modello deve verificare comunque i termini effettivi, le dipendenze, i requisiti hardware e gli eventuali obblighi associati alla specifica implementazione. 29

La documentazione di Z.ai indica inoltre GLM-5.3-Flash nell’ecosistema dedicato agli sviluppatori e ai piani di programmazione. L’API supporta input multimodali per le chat e funzionalità di utilizzo degli strumenti. 172021

L’affermazione sugli acceleratori cinesi

Il lancio ha aperto un secondo fronte di discussione, oltre a quello sulle prestazioni del modello. Z.ai ha dichiarato che l’anteprima anonima di Ox Alpha era stata servita interamente su acceleratori per l’intelligenza artificiale prodotti in Cina, utilizzando uno stack di distribuzione personalizzato basato su SGLang. I materiali tecnici dell’azienda presentano l’operazione come un tentativo di migliorare l’efficienza dell’inferenza su hardware nazionale.

Alcuni resoconti secondari ripetono anche l’affermazione secondo cui lo stack personalizzato avrebbe triplicato le prestazioni end-to-end. Tuttavia, nelle fonti disponibili non risultano verificati in modo indipendente né la composizione del parco acceleratori, né il confronto preciso delle prestazioni, né il grado di autonomia rispetto a componenti stranieri. 10

La distinzione è importante. Se confermato, il deployment avrebbe un peso strategico per gli sforzi della Cina di sviluppare servizi AI competitivi in un contesto segnato dalle restrizioni statunitensi all’esportazione di chip. Per ora, però, è più corretto considerarlo una rilevante dichiarazione aziendale, non una prova conclusiva del superamento del divario infrastrutturale con l’hardware straniero.

Perché Z.ai lo ha testato in anonimo

La strategia Ox Alpha ha offerto a Z.ai qualcosa che un lancio tradizionale difficilmente garantisce: un’enorme quantità di utilizzo reale e imprevedibile da parte di sviluppatori che non conoscevano l’identità del modello. Gli utenti lo hanno messo alla prova con agenti di coding e workflow a contesto lungo perché era gratuito e sembrava insolitamente capace, non perché guidati da una scheda tecnica o da una campagna promozionale. Z.ai ha dichiarato che l’obiettivo era raccogliere feedback prima del rilascio ufficiale. 59

L’approccio si inserisce anche in una strategia di distribuzione basata sui pesi aperti. Abbinando una licenza permissiva a prezzi API bassi e accesso ampio agli sviluppatori, Z.ai può favorire la sperimentazione, ricevere feedback e costruire una base di utenti al di fuori del tradizionale modello di abbonamento ai sistemi proprietari. Precedenti esperimenti con modelli anonimi, tra cui il progetto Pony Alpha citato da alcune fonti, suggeriscono che non si tratti di un’idea isolata, anche se le informazioni disponibili su quel test sono limitate.

Che cosa significa per la competizione nell’AI

GLM-5.3-Flash, da solo, non dimostra che Z.ai abbia conquistato la nuova frontiera assoluta dell’intelligenza artificiale. Le evidenze più solide sono una combinazione di specifiche pubblicate, un’anteprima pubblica con un’adozione fuori dal comune e benchmark e dichiarazioni infrastrutturali dell’azienda. Saranno le valutazioni indipendenti e l’uso prolungato in produzione a stabilire come il modello si comporti in programmazione, ragionamento multimodale, uso degli strumenti, latenza e affidabilità.

Il segnale competitivo è comunque netto. Un modello con contesto da un milione di token, input multimodali nativi, pesi aperti e prezzi API nell’ordine dei centesimi per milione di token mette sotto pressione l’economia dei sistemi proprietari più costosi. Mostra inoltre come un’anteprima anonima possa funzionare contemporaneamente da stress test nel mondo reale e da motore di distribuzione.

Il mistero di Ox Alpha è risolto: era GLM-5.3-Flash di Z.ai. La domanda più importante, ora, non è più investigativa ma pratica: quanto reggerà la promessa di basso costo e contesto esteso quando gli sviluppatori passeranno da un’anteprima virale e gratuita a carichi di lavoro ripetibili e adatti alla produzione?