Z.ai porta gli open weights a un nuovo livello
Il nuovo GLM-5.2 di Z.ai, laboratorio cinese conosciuto anche come Zhipu AI, si è imposto come uno dei modelli aperti più rilevanti del momento. Nei benchmark ha superato anche Gemini, pur restando ancora dietro ai modelli statunitensi più avanzati.
La novità non riguarda soltanto le prestazioni. GLM-5.2 è scaricabile liberamente, quindi non dipende da un accesso remoto che potrebbe essere revocato da un governo o da un provider, come accaduto nel caso di Fable e Mythos. Inoltre, il costo di utilizzo è molto inferiore rispetto ai principali modelli occidentali.
Il confronto tra Musk e Tang Jie
Dopo il lancio del modello, Elon Musk ha scritto su X che si aspetta che la Cina raggiunga all’inizio del prossimo anno l’attuale frontiera dei modelli americani, mantenendo quindi un ritardo di circa sei mesi.
Tang Jie, cofondatore di Zhipu, ha risposto in modo netto: “Non ci vorrà così tanto tempo”.
Il punto centrale è proprio questo: la distanza tra Stati Uniti e Cina non è scomparsa, ma il divario si sta restringendo in aree sempre più importanti per le applicazioni aziendali.
Licenza MIT e contesto da un milione di token
Secondo la model card pubblicata da Z.ai su Hugging Face, GLM-5.2 viene distribuito con licenza MIT e dispone di una finestra di contesto da 1 milione di token.
Il modello è pensato soprattutto per attività lunghe di coding, agentic engineering e automazione complessa. Non si tratta quindi di un sistema leggero destinato soltanto a inferenze a basso costo, ma di un grande modello mixture-of-experts progettato per compiti articolati.
Z.ai indica 753 miliardi di parametri. Artificial Analysis riporta invece 744 miliardi di parametri totali e 40 miliardi attivi. La differenza sembra dipendere da criteri di conteggio diversi o da versioni di riferimento non perfettamente sovrapponibili.
Quinto posto nella classifica di Artificial Analysis
Nella classifica di Artificial Analysis, GLM-5.2 si colloca al quinto posto. Davanti risultano Claude Fable 5, ancora non disponibile dopo la sospensione dell’accesso, Claude Opus 4.8 di Anthropic e GPT-5.5 xhigh di OpenAI.
Tra i modelli open weights, però, GLM-5.2 è al vertice. Supera altri sistemi cinesi come MiniMax-M3, DeepSeek V4 Pro e Kimi K2.6, quest’ultimo indicato a 43.
Il dato più interessante è che il modello mostra risultati particolarmente forti nei compiti agentici e nelle attività più vicine all’uso professionale.
Prestazioni forti nei compiti economici
Nel benchmark GDPval-AA v2 di Artificial Analysis, pensato per misurare compiti economicamente rilevanti, GLM-5.2 ottiene 1524 punti Elo.
Il risultato lo pone davanti a MiniMax-M3, fermo a 1418, e a DeepSeek V4 Pro max, che raggiunge 1328. Ancora più rilevante è il confronto con GPT-5.5 xhigh, rispetto al quale GLM-5.2 appare sostanzialmente allineato.
In pratica, il modello cinese raggiunge un livello paragonabile a quello di un modello occidentale uscito circa quattro mesi prima, a febbraio 2026. È su questo punto che la previsione di Tang Jie assume maggiore peso.
Il vantaggio economico resta decisivo
Z.ai indica per GLM-5.2 un prezzo di 1,40 dollari per milione di token in input e 4,40 dollari per milione di token in output.
Il confronto con i modelli statunitensi è netto. Claude Fable 5 viene indicato da Anthropic a 10 dollari per milione di token in input e 50 dollari in output. GPT-5.5 è stato annunciato da OpenAI a 5 dollari in input e 30 dollari in output per milione di token.
In termini generali, GLM-5.2 costa circa un decimo rispetto ai modelli di frontiera americani, un fattore che può pesare molto nelle scelte delle aziende.
Efficienza in token non sempre ottimale
Il prezzo unitario ridotto non significa però che il modello sia sempre il più efficiente. Artificial Analysis mostra che GLM-5.2 utilizza molti token per completare i task.
Nell’Intelligence Index impiega 43.000 token di output per task, di cui 37.000 dedicati al reasoning. Il consumo è superiore a quello di GLM-5.1, che si fermava a 26.000 token, e a quello di MiniMax-M3, pari a 24.000.
GLM-5.2 usa più token anche rispetto a Kimi K2.6, indicato a 35.000, e a DeepSeek V4 Pro max, che arriva a 37.000.
Perché le aziende guardano ai modelli cinesi
Il risparmio resta comunque evidente, soprattutto per attività meno complesse o ad alto volume. Per questo cresce il numero di aziende occidentali che valutano modelli cinesi per task operativi, sviluppo software, analisi documentale e automazione interna.
La Cina non deve necessariamente superare gli Stati Uniti sulla frontiera assoluta per conquistare quote di mercato. Può bastare offrire modelli abbastanza vicini alla qualità americana, ma molto più convenienti e disponibili in forma aperta.
Il caso Fable e Mythos cambia il tema dell’accesso
Il 12 giugno 2026 Anthropic ha comunicato che il governo statunitense aveva emesso, per motivi di sicurezza nazionale, una direttiva di export control relativa a Fable 5 e Mythos 5.
La misura prevedeva la sospensione dell’accesso ai due modelli per qualunque cittadino straniero, sia fuori sia dentro gli Stati Uniti. Anthropic ha quindi scelto di rimuovere l’accesso per tutti i clienti, mentre proseguono le trattative con il governo americano.
Il blocco è arrivato dopo che le autorità statunitensi avevano appreso che alcuni attori statali avversari, cinesi e russi, avevano utilizzato quei modelli per individuare vulnerabilità critiche.
Open weights riduce il rischio di revoca
L’approccio open weights dei modelli cinesi cambia il quadro. Un modello scaricabile e gestibile localmente riduce il rischio che un provider o un’autorità straniera possano bloccare unilateralmente l’accesso.
Questo non elimina i problemi di sicurezza, compliance e geopolitica. Li sposta però su un piano diverso, perché l’azienda può controllare meglio dove vengono processati i dati e quale infrastruttura viene utilizzata.
API e deployment locale non sono la stessa cosa
Per un’azienda occidentale, usare un modello cinese può significare due cose molto diverse.
La prima è collegarsi tramite API ai server del provider, per esempio DeepSeek o Z.ai. In questo caso prompt, documenti, codice e informazioni interne possono uscire dall’ambiente aziendale e ricadere sotto contratti, regole e giurisdizioni non occidentali.
È qui che nascono i rischi più delicati: protezione dei dati, segreti industriali, compliance, controlli interni e responsabilità in caso di uso improprio.
La seconda opzione è scaricare un modello a pesi aperti e farlo girare su infrastruttura propria o presso un cloud provider scelto dall’impresa. In questo scenario il modello può essere cinese per origine, ma i dati restano dentro un ambiente controllato dall’azienda.
Il rischio geopolitico non scompare
Anche con un deployment locale, restano questioni da valutare. Bisogna capire come il modello sia stato addestrato, quali comportamenti possa generare, quali vulnerabilità contenga e quali garanzie siano necessarie per l’uso aziendale.
La provenienza del modello non è l’unico criterio. Contano audit, controlli, governance interna, tracciabilità degli output e capacità di integrare supervisione umana nei processi sensibili.
La competizione entra nelle aziende
La rivalità tra Stati Uniti e Cina nell’intelligenza artificiale non riguarda più soltanto la frontiera tecnologica più avanzata. Tocca direttamente le decisioni operative delle imprese occidentali.
Washington conserva il vantaggio sui modelli più potenti, ma rischia di vedere una parte dell’infrastruttura applicativa spostarsi verso alternative meno costose, soprattutto dove sicurezza e compliance non impediscono l’adozione.
Pechino, dal canto suo, può guadagnare terreno offrendo modelli convenienti, affidabili e sufficientemente vicini alla qualità americana per una quota crescente di utilizzi quotidiani.
Quali task resteranno più protetti
I compiti a più alto rischio continueranno a richiedere modelli con forti garanzie, audit, controllo umano e, in alcuni casi, la massima potenza disponibile.
Questo vale per cybersecurity avanzata, dati regolati, ricerca scientifica sensibile, compliance e decisioni con impatto legale.
Al contrario, attività come sviluppo software, refactoring, analisi documentale, automazione interna e knowledge work potranno essere distribuite sempre più spesso tra modelli proprietari occidentali e modelli open weights, inclusi quelli cinesi.