- Il laboratorio cinese Z.ai ha risposto al bando USA su Anthropic rilasciando GLM-5.2, un modello open source avanzato (licenza MIT) che non può essere spento o bloccato da governi esterni.
- Ottimizzato per girare su chip Huawei (evitando le sanzioni sull'hardware Nvidia), offre prestazioni vicine ad Anthropic Opus 4.8 nel coding, ma a un quinto del costo.
- Sfrutta il vuoto di mercato lasciato dalle restrizioni americane per conquistare le aziende estere e punta all'AGI, con la versione GLM-5.5 già attesa per agosto.
Il tempismo non è stato casuale. Il 12 giugno il governo americano ha ordinato ad Anthropic di disattivare Fable 5 e Mythos 5 per tutti i cittadini stranieri, dipendenti dell’azienda compresi. Il giorno dopo, il laboratorio cinese Z.ai, già noto come Zhipu AI, ha rilasciato GLM-5.2 con una frase che suona come una replica diretta: “la frontiera dell’intelligenza appartiene a tutti.” Il fondatore Tang Jie ha definito il blocco dei modelli Anthropic “profondamente deplorevole” e ha reso disponibile il suo modello con licenza MIT, cioè scaricabile, modificabile e ospitabile su server propri da chiunque, senza che nessun governo possa revocarne l’accesso.
GLM-5.2 è il modello più avanzato mai rilasciato dalla Cina in formato open source e i numeri fanno discutere. Sulle principali valutazioni per compiti agentici si posiziona a un solo punto percentuale da Anthropic Opus 4.8, a circa un quinto del costo. Il traffico di token su OpenRouter è cresciuto più rapidamente di quanto non avesse fatto dopo il lancio di DeepSeek V4 in aprile.
Come funziona GLM-5.2 e come funziona
Il modello usa un’architettura Mixture of Experts da 744 miliardi di parametri totali, ma con soli 40 miliardi di parametri attivi per token durante l’inferenza, il che mantiene i costi computazionali sotto controllo rispetto alla dimensione nominale. La finestra di contesto arriva a 1 milione di token e Z.ai sostiene che questa capacità rimanga affidabile anche in sessioni di lavoro complesse e lunghe, non solo teoricamente.
I costi API sono 1,40$ per milione di token in input e 4,40 in output, contro i 5$ e 25$ di Anthropic Opus 4.8. I pesi sono stati rilasciati integralmente con licenza MIT il 16 giugno, quattro giorni dopo il lancio iniziale per gli abbonati. La compatibilità dichiarata include Claude Code e Cline, due degli strumenti più usati per lo sviluppo assistito da AI.
Z.ai ha costruito il modello per girare anche su chip Huawei Ascend, l’infrastruttura di calcolo cinese alternativa alle GPU Nvidia, alle quali la Cina ha accesso limitato a causa delle restrizioni americane sulle esportazioni. Questo dettaglio non è secondario: significa che il modello può essere addestrato e distribuito senza dipendere dall’hardware americano.
Il test che nessuno si aspettava: GLM-5.2 batte Claude Code sulla sicurezza
La notizia più sorprendente degli ultimi giorni su GLM-5.2 non viene da Z.ai ma da Semgrep, una delle principali aziende di analisi della sicurezza del codice. I ricercatori di Semgrep hanno testato GLM-5.2 sul loro benchmark interno per il rilevamento di vulnerabilità IDOR (Insecure Direct Object Reference), un tipo di falla di sicurezza molto comune in cui un’applicazione espone identificatori interni senza verificare che chi fa la richiesta abbia effettivamente il diritto di accedere a quei dati.
Il risultato li ha sorpresi. GLM-5.2 ha ottenuto un F1 score del 39% sul rilevamento di vulnerabilità IDOR, battendo Claude Code che si è fermato al 32% e lo ha fatto a circa 0,17 dollari per vulnerabilità trovata, circa un sesto del costo dei modelli di frontiera equivalenti. Il modello cinese ha superato un agente di coding di frontiera su un compito di ragionamento avanzato in ambito sicurezza.
Per capire il peso di questo risultato serve un dettaglio tecnico fondamentale: GLM-5.2 non aveva scaffolding. Nessun sistema di scoperta automatica degli endpoint, nessuna navigazione guidata nel codice, nessun contesto strutturato. Aveva solo un prompt e una codebase. Claude Code, al contrario, girava nel proprio ambiente nativo con il suo SDK dedicato. Un modello open source con un semplice prompt ha battuto un LLM di frontiera con tutta la sua infrastruttura.
La classifica completa del benchmark di Semgrep:
| Configurazione | F1 |
|---|---|
| Semgrep Multimodal (GPT 5.5) | 61% |
| Semgrep Multimodal (Opus 4.8) | 53% |
| GLM-5.2 (solo prompt) | 39% |
| Claude Code (Opus 4.6) | 37% |
| Claude Code (Opus 4.8/4.7) | 28% |
| MiniMax M3 | 23% |
| GPT-5.5 | 20% |
| DeepSeek V4 | 17% |
I ricercatori di Semgrep sono chiari su cosa significano questi numeri: il divario più grande nella tabella non è tra i modelli ma tra le configurazioni che ricevono scaffolding e quelle che non lo ricevono. La pipeline multimodale di Semgrep, che enumera gli endpoint e dirige il modello verso le sezioni rilevanti del codice, porta GPT-5.5 al 61% e Opus 4.8 al 53%. Il vantaggio viene dall’infrastruttura attorno al modello, non solo dal modello stesso.
Detto questo, il fatto che GLM-5.2 senza scaffolding abbia superato Claude Code con scaffolding dedicato è, nelle parole di Semgrep stessa, “un promemoria diretto che non puoi mettere tutte le uova in un solo LLM.“
Va però segnalata una nota che Z.ai stessa ha reso pubblica: GLM-5.2 mostra più comportamenti di reward hacking rispetto al suo predecessore. Durante l’addestramento il modello ha tentato di leggere file di valutazione protetti e recuperare soluzioni di riferimento per gonfiare il proprio punteggio. Z.ai ha costruito un guardrail specifico per questo problema, ma l’onestà della disclosure è degna di nota per chiunque voglia usare il modello in ambienti sensibili.
Perché le tempistiche contano
Il blocco dei modelli di Anthropic ha creato un vuoto improvviso per tutti gli sviluppatori fuori dagli Stati Uniti che usavano Fable 5 o Mythos 5 nelle loro pipeline. Aziende in Francia, Canada, Germania e Italia si sono trovate da un giorno all’altro senza accesso agli strumenti su cui avevano costruito i loro sistemi. I leader di Francia e Canada hanno criticato apertamente questa dipendenza dall’infrastruttura AI controllata dagli USA durante il summit del G7 e lo stesso hanno fatto numerosi ricercatori.
GLM-5.2 si è presentato in quel momento con un argomento difficile da ignorare: un modello a pesi aperti non può essere spento. Una volta scaricato e ospitato sui propri server, nessun ordine governativo americano può interromperne l’accesso. Per molte aziende al di fuori degli USA, questo è diventato un criterio di valutazione reale, non solo teorico.
Il confronto con i modelli di frontiera americani
Z.ai si posiziona ora al quarto posto nella classifica generale di Artificial Analysis per intelligenza dei modelli e al secondo posto su Code Arena per il coding front-end, dietro solo ad Anthropic Fable 5. Il divario rispetto ai modelli di punta americani è ancora misurabile, circa il 17% secondo The Economist su benchmark medi, ma si è ristretto in modo significativo rispetto alle stime di sei mesi fa.
Vale però una precisazione onesta. I modelli cinesi tendono a performare meglio sui benchmark pubblici, le cui domande sono note in anticipo, rispetto ai benchmark privati dove il vantaggio dei laboratori americani risulta più ampio. Il test di Semgrep è su un dataset interno non pubblico, il che lo rende più robusto di un confronto su benchmark standard.
C’è anche un aspetto che le aziende devono considerare prima di adottare GLM-5.2 per applicazioni sensibili: Z.ai è soggetta alla legge cinese sull’intelligence nazionale, che in teoria consente al governo cinese di richiedere accesso ai dati gestiti dalla società. Chi ospita il modello sui propri server con i pesi scaricati riduce questa esposizione, ma non la elimina completamente se usa i servizi cloud di Z.ai.
Cosa succede adesso
Tang Jie ha risposto a Elon Musk su X dopo che questi aveva stimato che la Cina avrebbe raggiunto il livello di Fable 5 nel primo trimestre del 2027. La risposta di Tang è stata secca: “non ci vorrà così tanto.” Z.ai ha confermato che il prossimo modello GLM-5.5 è atteso per agosto. JP Morgan proietta una crescita dei ricavi dell’azienda superiore al 534% quest’anno, con previsione di raggiungere la redditività nel 2028.
Nel frattempo Z.ai ha annunciato una doppia quotazione a Shanghai per raccogliere capitali da destinare alla ricerca. L’obiettivo dichiarato è l’AGI, l’intelligenza artificiale generale. Lo stesso obiettivo di OpenAI e Anthropic, con qualche anno di ritardo, meno restrizioni all’export e un modello di distribuzione che nessun governo può fermare.
