La scommessa di Z.ai: GLM-5.3-Flash debutta tra ambizioni di silicio cinese e nodi da sciogliere

Il 26 agosto 2026, lo sviluppatore Z.ai ha svelato l'identità del modello "ox-alpha", che dal 20 agosto circolava in forma anonima e gratuita su OpenRouter e OpenCode. Si tratta di GLM-5.3-Flash, il premier modello nativamente multimodale della serie GLM-5, i cui pesi sono ora disponibili su Hugging Face con licenza MIT. Secondo quanto dichiarato su X dal fondatore di Z.ai, Jie Tang, il 27 agosto 2026, durante la fase anonima il modello ha conquistato quasi il 20% della quota settimanale di token su OpenRouter, raggiungendo il primo posto in classifica. Lo stesso fondatore ha commentato: "Ox Alpha = GLM-5.3 Flash AA = 57, 1/100 frontier price, Powered by pure Chinese chips. Delivered nearly 20% weekly token share (no. 1) on OpenRouter." (Ox Alpha equivale a GLM-5.3 Flash, punteggio di 57 su Artificial Analysis, un centesimo del prezzo dei modelli di frontiera, alimentato esclusivamente da chip cinesi. Ha registrato quasi il 20% della quota settimanale di token, al primo posto, su OpenRouter).

L'architettura dichiarata è una Mixture-of-Experts da 320 miliardi di parametri totali (di cui 18 miliardi attivi per token) con un sistema di attenzione ibrida progettato per ridurre il calcolo e i requisiti di memoria KV-cache. Nelle note di rilascio ufficiali del 26 agosto 2026, Z.ai afferma che: "Native visual capabilities enable the model to observe interfaces, rendering results, and interaction feedback—creating a closed loop across code, browsers, and GUIs." (le capacità visive native permettono al modello di osservare interfacce, risultati di rendering e feedback di interazione, creando un ciclo chiuso tra codice, browser e interfacce grafiche). Tuttavia, permangono alcune asimmetrie nei documenti di rilascio. Se la scheda di Hugging Face riporta input di testo e immagini, la documentazione API include anche video e file, con output limitato al testo. Si registra inoltre una discrepanza sulla finestra di contesto: dichiarata a circa un milione di token (1.048.576) nei documenti ufficiali di Z.ai, viene indicata a 300.000 token in alcune configurazioni di valutazione presenti su Hugging Face. Per l'auto-hosting dei pesi, distribuiti in FP8 nativo (circa 306 GiB), l'azienda consiglia l'uso di nodi con otto GPU NVIDIA Hopper o successive.

La tesi più rilevante riguarda l'infrastruttura di calcolo. Z.ai sostiene che l'intero carico di lavoro della fase anonima sia stato gestito esclusivamente da chip di produzione cinese, sfruttando un motore di inferenza proprietario basato su SGLang. Il South China Morning Post, in un articolo del 27 agosto 2026, ha riportato una dichiarazione di Zhipu AI secondo cui il modello avrebbe girato su un cluster di 100.000 chip cinesi. La stessa testata indica 62.000 miliardi di token elaborati prima del rilascio ufficiale e oltre 11.000 miliardi su OpenRouter nei primi tre giorni. La medesima testata ha riferito che il titolo di Zhipu AI ha chiuso in rialzo del 12% a 1.160 dollari di Hong Kong giovedì 27 agosto 2026. Al momento, né il produttore né il modello esatto dei chip sono stati resi noti, e il dato azionario non trova riscontro su listini ufficiali indipendenti oltre alla singola fonte giornalistica.

Anche le metriche prestazionali richiedono cautela. I punteggi dichiarati da Z.ai — 84,3 su Terminal-Bench 2.1, 63,4 su DeepSWE v1.1 e 48,8 su AutomationBench — non sono ancora stati replicati in modo indipendente. Lo stesso vale per il punteggio di 57 sull'Artificial Analysis Intelligence Index citato dal fondatore dell'azienda, così come per il claim commerciale di un costo pari a un centesimo rispetto ai modelli di frontiera occidentali, che è un confronto scelto dall'azienda e non una misura standardizzata. Il listino Z.ai indica 0,15 dollari per milione di token in input e 0,50 in output (0,03 per l'input in cache), con una promozione al 50% dichiarata attiva fino al 9 settembre 2026. Inoltre, i volumi complessivi dei token restano non consolidati: a fronte delle cifre del South China Morning Post, su X è circolata un'analisi di terze parti che parla di 100.000 miliardi di token al giorno, cifra non riscontrata in fonti ufficiali.

— Olya: Al di là del successo di traffico registrato su OpenRouter, la partita di GLM-5.3-Flash si gioca sulla trasparenza dell'hardware. Se l'efficienza dichiarata su silicio cinese venisse confermata da verifiche indipendenti, la dipendenza dai chip occidentali per l'inferenza su larga scala potrebbe rivelarsi meno assoluta del previsto. Fino ad allora restano i pesi, aperti con licenza MIT e verificabili da chiunque abbia l'hardware, e un'affermazione sull'hardware che nessuno fuori da Z.ai può ancora controllare.