AnswersPublished26 sources
Ox Alpha era GLM-5.3-Flash: cosa significa la rivelazione di Zhipu AI
Il 26 agosto 2026 Zhipu AI ha confermato che il modello anonimo Ox Alpha, noto come “Niu Lai” nelle community cinesi, era GLM 5.3 Flash. GLM 5.3 Flash è un modello mixture of experts da 320 miliardi di parametri, con circa 18 miliardi attivi per token e una finestra di contesto da 1.048.576 token.
Pubblicato daModificato con GPT-5.6 LunaImmagini generate con GPT Image 1.5
Research answer
Key takeaways
- Il 26 agosto 2026 Zhipu AI ha confermato che il modello anonimo Ox Alpha, noto come “Niu Lai” nelle community cinesi, era GLM 5.3 Flash.
- GLM 5.3 Flash è un modello mixture of experts da 320 miliardi di parametri, con circa 18 miliardi attivi per token e una finestra di contesto da 1.048.576 token.
- La notizia non dimostra che i chip cinesi abbiano superato Nvidia in generale: mostra piuttosto come l’ottimizzazione congiunta di modello, software d’inferenza e hardware possa rendere praticabile una piattaforma non...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Zhipu AI reveal on August 26, 2026, about the anonymous “Ox Alpha” model known as “Niu Lai,” including its identity as GLM-5.3-Flas. Article summary: On August 26, Zhipu AI (Z.ai) disclosed that the anonymous “Ox Alpha”/“Niu Lai” model was its GLM-5.3-Flash: an open-weight, native-multimodal mixture-of-experts model tested anonymously before release. [1][4][6] ## What. Topic tags: general, general web, documentation, news, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Il mistero è finito il 26 agosto 2026: Zhipu AI, conosciuta a livello internazionale anche come Z.ai, ha confermato che l’anonimo modello “Ox Alpha” — chiamato “Niu Lai” nelle community cinesi di sviluppatori — era in realtà GLM-5.3-Flash, un modello a pesi aperti e multimodale nativo della famiglia GLM. 1
15
La rivelazione non ha riguardato soltanto il nome del modello. Zhipu ha collegato il lancio a una dichiarazione di portata infrastrutturale: durante il test gratuito e anonimo su OpenRouter e OpenCode, il sistema avrebbe elaborato oltre 50 trilioni di token in cinque giorni, con il traffico gestito interamente da un cluster di più di 100.000 chip cinesi. 8
15
Un test alla cieca diventato una prova sul campo
Ox Alpha era comparso senza il logo o il nome di un’azienda. Gli sviluppatori potevano quindi valutarlo sulla base dell’esperienza d’uso — qualità delle risposte, velocità e disponibilità — invece di affidarsi alla reputazione di un marchio o alle promesse di una presentazione ufficiale.
Il modello è rapidamente salito in cima alle classifiche di utilizzo di OpenRouter e OpenCode. Alcuni resoconti successivi hanno portato il traffico complessivo oltre i 60 trilioni di token in sei giorni; su OpenRouter, l’utilizzo sarebbe stato più del doppio rispetto a quello di modelli DeepSeek comparabili. Le cifre non coincidono perché si riferiscono a finestre temporali e metriche di piattaforma differenti. Il dato più prudente è dunque questo: la prova ha superato i 50 trilioni di token e ha generato una domanda insolitamente elevata. 1
3
30
Il valore del test sta proprio nella sua dimensione reale. Prima che l’identità di Ox Alpha fosse nota, utenti e sviluppatori stavano già scegliendo se continuare a usarlo in base alle prestazioni concrete, non all’azienda che lo aveva creato o ai chip su cui funzionava.
Cosa ha dichiarato Zhipu sui chip cinesi
Secondo Zhipu, il carico di lavoro online è stato eseguito su più di 100.000 acceleratori prodotti in Cina. L’azienda sostiene che l’ottimizzazione del software abbia portato l’efficienza hardware e il costo per token a livelli comparabili con quelli delle GPU Nvidia più diffuse. 15
24
Zhipu non ha però indicato pubblicamente i fornitori esatti nei materiali citati. Huawei, Moore Threads e Hygon sono stati menzionati dalla stampa di settore come possibili partecipanti, ma questa attribuzione non è verificata e non va considerata una conferma ufficiale di Zhipu. 30
40
La portata della dichiarazione va interpretata con precisione. Non dimostra che i chip cinesi siano equivalenti a quelli Nvidia per ogni tipo di carico, che abbiano sostituito Nvidia nell’addestramento dei modelli o che i due ecosistemi offrano gli stessi strumenti agli sviluppatori. Dimostra qualcosa di più specifico: un grande servizio d’inferenza può essere progettato attorno a una piattaforma domestica non Nvidia quando modello e sistema di serving vengono ottimizzati insieme.
Perché il software d’inferenza è decisivo
Una finestra di contesto da un milione di token impone requisiti particolarmente severi in termini di memoria, larghezza di banda, comunicazione tra acceleratori e gestione delle richieste. Per affrontarli, Zhipu avrebbe costruito un motore d’inferenza dedicato basato su SGLang, introducendo diverse tecniche:
- quantizzazione W8A8, per ridurre il carico computazionale e la pressione sulla memoria;
- quantizzazione mista INT8, FP8 e BF16 per la cache;
- parallelismo tensoriale all’interno dei nodi;
- architettura Encode–Prefill–Decode, che separa la codifica multimodale, l’elaborazione iniziale del prompt e la generazione token per token in pool indipendenti e scalabili.
11
24
Zhipu ha dichiarato che questa configurazione avrebbe triplicato le prestazioni end-to-end rispetto al suo benchmark iniziale, utilizzando lo stesso hardware. 24
26 La documentazione successiva di SGLang riporta ulteriori miglioramenti in termini di throughput e capacità della cache FP8 rispetto a una configurazione di confronto BF16, ma non costituisce un audit indipendente del dato originale di Zhipu relativo al triplicamento delle prestazioni.
17
Per Nvidia, l’implicazione riguarda soprattutto il ruolo di CUDA nell’inferenza, non un’immediata perdita del suo vantaggio complessivo. Kernel specializzati, quantizzazione, parallelismo e gestione intelligente delle richieste possono ridurre la dipendenza da CUDA in specifici carichi di produzione. Restano però questioni separate l’ampiezza dell’ecosistema software Nvidia, gli strumenti disponibili, la base installata e la posizione dell’azienda nell’addestramento dei modelli.
Le specifiche di GLM-5.3-Flash
GLM-5.3-Flash è descritto come un modello sparso mixture-of-experts con 320 miliardi di parametri complessivi e circa 18 miliardi di parametri attivi per token. Supporta una finestra di contesto di 1.048.576 token e input multimodali nativi, caratteristiche pensate per documenti molto lunghi, programmazione e flussi di lavoro agentici prolungati. 2
5
7
Il modello avrebbe ottenuto un punteggio di 57 nell’Artificial Analysis Intelligence Index, lo stesso risultato riportato per Claude Opus 4.8. Si tratta di una parità in un singolo indice composito, non della prova che i due modelli offrano prestazioni identiche in tutti i benchmark, nelle applicazioni o nelle attività svolte dagli agenti. 9
Prezzo e posizione nella competizione
Zhipu ha indicato un prezzo API di 0,15 dollari per un milione di token in ingresso e 0,50 dollari per un milione di token in uscita. 4
29 La stampa dell’epoca ha descritto il modello come circa dieci volte più economico di GLM-5.3 e quaranta volte più economico di Claude Opus 4.8. Questi rapporti dipendono tuttavia dalla direzione dei token, dal livello di prezzo e dal piano messi a confronto.
1
4
Il punto chiave non è quindi soltanto il numero di parametri o l’origine dei chip. La sfida di GLM-5.3-Flash ai fornitori affermati nasce dalla combinazione di un’architettura sparsa relativamente efficiente, un’ottimizzazione aggressiva del serving e prezzi contenuti.
Il test di Ox Alpha ha mostrato che questa combinazione può attirare un volume significativo di utilizzo prima ancora che gli utenti conoscano l’identità del modello. Non dimostra che Zhipu abbia risolto ogni limite dell’hardware o del software, ma offre una dimostrazione su scala produttiva di quanto margine si possa ottenere progettando insieme modello, motore d’inferenza e infrastruttura.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Ox Alpha era GLM-5.3-Flash: cosa significa la rivelazione di Zhipu AI"?
Il 26 agosto 2026 Zhipu AI ha confermato che il modello anonimo Ox Alpha, noto come “Niu Lai” nelle community cinesi, era GLM 5.3 Flash.
What are the key points to validate first?
Il 26 agosto 2026 Zhipu AI ha confermato che il modello anonimo Ox Alpha, noto come “Niu Lai” nelle community cinesi, era GLM 5.3 Flash. GLM 5.3 Flash è un modello mixture of experts da 320 miliardi di parametri, con circa 18 miliardi attivi per token e una finestra di contesto da 1.048.576 token.
What should I do next in practice?
La notizia non dimostra che i chip cinesi abbiano superato Nvidia in generale: mostra piuttosto come l’ottimizzazione congiunta di modello, software d’inferenza e hardware possa rendere praticabile una piattaforma non...
Sources
indexbox.ioGLM-5.3-Flash: Zhipu AI's New Open-Weight Model ...
pandaily.comZhipu Confirms Anonymous 'Niu Lai' Model Is GLM-5.3-Flash, Served on 100,000 Domestic Chips
kucoin.comZhipu launches the GLM-5.3-Flash model on ...
pasqualepillitteri.itOx Alpha revealed, it is Zhipu GLM-5.3-Flash with MIT weights