GLM 5.3: il miglior LLM open source è arrivato in cima senza cambiare nulla

Il modello AI più importante di agosto non ha ricevuto un cervello nuovo. GLM 5.3 è il miglior LLM open source che puoi noleggiare oggi, e non è nemmeno un modello nuovo.

Punti chiave

Nel mio lavoro costruisco sistemi di marketing basati su AI, e il coding agent che vive nel mio terminale gira su GLM 5.3. Costruisce landing page, fa refactoring di codice di tracking e muove oggetti 3D in Blender attraverso un agent bridge mentre io bevo il caffè. Un anno fa era un demo reel. Oggi è un martedì.

Ecco la parte che nessuno mette nel titolo. GLM 5.3 non è un modello nuovo. È lo stesso modello di GLM 5.2, addestrato più a lungo. Stessa architettura. Stessi layer di attention. Stessi 744 miliardi di parametri. Z.ai non ha inventato nulla per arrivare qui. Si è rifiutata di smettere di addestrare.

Questo dettaglio è tutta la storia di questo momento nella corsa all’AI. Ti guido attraverso cosa è successo, verificato sulle fonti primarie, e cosa significa per il panorama dell’AI open source se ci costruisci sopra come faccio io.

Cosa è davvero GLM 5.3

Il 14 agosto 2026 Z.ai (l’azienda dietro Zhipu AI) ha rilasciato GLM 5.3, il suo nuovo modello frontier per il coding. Le dichiarazioni, in gran parte confermate da analisi indipendenti:

• Il modello open-weights più capace per il coding, con un miglioramento del 50% rispetto a GLM 5.2 sul Code Bench interno di Z.ai.
• Batte Kimi K3 su molti benchmark e, secondo l’analisi di Interconnects, supera Claude Fable 5 o GPT-5.6-Sol su alcuni, posizionandosi al livello della frontier del coding agentico.
• È veloce: Artificial Analysis misura GLM 5.3 a circa 93 token al secondo contro i 39 di Kimi K3.
• È economico: 1.40 dollari per milione di token in input e 4.40 per milione in output sull’API di Z.ai. Claude Fable 5 sta a 10 e 50 dollari per gli stessi volumi.

Rileggi questi prezzi, perché sono la bomba silenziosa. Qualità in output vicina alla frontier a un input circa 7 volte più economico e un output 11 volte più economico del modello di punta di Anthropic.

Se fai girare workflow agentici in cui un singolo job brucia un milione di token, quello non è uno sconto. È un modello di business diverso.

Una nota di onestà, perché queste cose le verifico. I pesi di GLM 5.3 erano ancora in attesa su Hugging Face al momento della scrittura, con i repository più recenti di zai-org fermi a versioni precedenti di GLM. Z.ai lo posiziona come linea open-weights, e il rilascio era annunciato per circa due settimane dopo il lancio. Considera “open” come la direzione, e verifica i pesi prima di costruirci sopra un piano di self-hosting.

GLM 5.3 contro Fable 5: i numeri onesti

Non devi prendere il marketing di Z.ai sulla fiducia. Together AI ha fatto correre entrambi i modelli su DeepSWE, un benchmark di software engineering del mondo reale: 904 rollout agentici, 452 per modello. È la cosa più vicina a una fotografia di dove sta davvero la frontier.

Pass@1, il punteggio ufficiale al primo tentativo: GLM 5.3 risolve il 69.0% dei task, Fable 5 il 69.7%. Il divario sta dentro la banda del rumore statistico. Sul lavoro reale è un pareggio.

Dai a ogni modello più tentativi e GLM passa in vantaggio: Pass@2 è 81.1% contro 77.1%, Pass@4 è 87.6% contro 84.1%.

Poi la riga dei soldi. Costo per rollout: 3.99 contro 21.63 dollari. Per ogni 100 dollari spesi, GLM 5.3 consegna 17 task risolti. Fable 5 ne consegna 3.

Dove vince ancora Fable 5? I benchmark da frontier harness: 39.5% contro 34.5% sul Code Bench di Z.ai stessa a sforzo massimo, e un chiaro vantaggio sui task di sicurezza a lungo orizzonte di ExploitGym. Rust, dove Fable guida 85% contro 70%. Se il tuo carico di lavoro è Rust e serializzazione intensiva, paga la frontier.

L’intuizione sul routing è la gemma pratica in tutti questi dati. Instrada prima su GLM, scala a Fable solo quando fallisce, e ottieni 81.1% di accuratezza a 10.74 dollari per task. Batte Fable da solo, che si ferma al 69.7% di accuratezza per 21.63 dollari. Meglio su entrambi gli assi, a metà costo. La maggior parte dei team che usano modelli frontier non ha mai fatto questo conto.

Stesso cervello, più training: l’ammissione che conta

La frase più interessante di questo rilascio non sta su nessun grafico di benchmark. Sta nella descrizione che Z.ai stessa dà del modello:

«Scaling post-training is all we did for GLM-5.3.»

Fermati un attimo su questa. Il modello mentale del progresso nell’industria funziona così: nuova architettura, modello più grande, modello più intelligente. Ogni salto di capacità dovrebbe arrivare con un numero nuovo sulla scatola e un paper fresco.

GLM 5.3 dice no. Il base model è identico a quello di GLM 5.2. Il numero di parametri non si è mosso: circa 744B di parametri totali, uno schema Mixture-of-Experts con circa 40B attivi per token, ereditato dalla base GLM-5. Ciò che è cambiato è il post-training: più ambienti, task più diversi, e molto compute speso a fare pratica su compiti reali. Il tipo che non puoi fingere copiando le risposte di un modello più grande.

In parole povere: hanno preso lo stesso cervello e gli hanno dato anni di pratica deliberata invece di un cranio più grande.

E la pratica si misura, perché i confronti del lancio pubblicano entrambe le versioni sugli stessi benchmark:

• Terminal-Bench 3.0: da 4.6 a 28.3.
• SWE-Marathon v1.1: da 19.4 a 42.5.
• DeepSWE v1.1: da 46.2 a 66.9.

Nessuna nuova architettura ha prodotto quei numeri. Li ha prodotti la pratica deliberata.

Il risultato è quello che Interconnects ha definito un aumento dei punteggi quasi sbalorditivo. E il ritmo conta quanto i punteggi. Mentre i lab occidentali passano il tempo tra un rilascio e l’altro a testare in privato, i lab cinesi spediscono in giorni, non mesi, e usano ognuno di quei giorni per salire.

Il paradosso delle dimensioni: 744B che battono 2.8T

Qui mi metto il cappello da analista, perché i numeri raccontano una storia scomoda.

Un modello da 744B che batte un modello da 2.8 mila miliardi di parametri non è un errore di arrotondamento. È una diagnosi.

Prima la precisazione: Kimi K3 spende capacità in lavoro multimodale nativo che i benchmark di coding non valutano. Anche tenendone conto, il segnale è difficile da ignorare. Se un modello quasi quattro volte più piccolo vince sui benchmark in cui entrambi gareggiano, il modello più grande era sotto-addestrato. La mia lettura: Kimi K3 non è stupido. È incompleto.

La sua architettura ha più capacità grezza di quella di GLM 5.3. Il divario nei benchmark misura quanta post-training è ancora sul tavolo, non spesa. La mia scommessa: quando Moonshot completerà una run seria di post-training su quella stessa base, le classifiche si ribalteranno di nuovo.

Questo riformula tutta la conversazione su “chi è avanti”. La domanda non è mai stata “quale architettura vince?”. È “chi ha estratto più capacità per parametro?”. Adesso, sui modelli aperti, la risposta è Z.ai, e non di poco.

È successo due volte: DeepSeek ha fatto la stessa giocata

Se GLM 5.3 fosse l’unico dato, lo chiamerei un caso isolato. Non lo è. Leggi il changelog ufficiale dell’API di DeepSeek per V4-Flash-0731, rilasciato due settimane prima:

«DeepSeek-V4-Flash-0731 keeps the same model architecture and size as DeepSeek-V4-Flash-Preview, and was only re-post-trained.»

Stessa frase. Stessa scommessa. Due lab diversi, a due settimane di distanza, sono arrivati alla stessa conclusione: l’architettura è decisa, l’addestramento no.

DeepSeek ha tenuto il modello 284B identico, 13B attivi, e lo ha ri-post-addestrato. I guadagni sono stati significativi. The New Stack lo ha raccontato come il modello più piccolo che supera il proprio flagship.

Questo è il playbook dei lab cinesi, come lo leggo io. Scegli una volta l’architettura più efficiente per parametro, poi scala le prestazioni su due manopole: più post-training sul modello che hai, o un modello più grande che riceve subito lo stesso trattamento.

Una manopola è economica e veloce. L’altra è lenta e costosa. Loro girano entrambe.

Cosa significa la corsa al miglior LLM open source se usi davvero l’AI

Ecco come GLM 5.3 atterra sulla mia scrivania, come chi pianifica sistemi di marketing sopra questi modelli.

Il tuo costo per task è crollato

I workflow agentici mangiano token. Una pipeline di contenuti con ricerca, bozza, QA e pubblicazione può bruciare milioni di token a settimana. Ai prezzi di Fable 5 sono soldi veri.

A 1.40/4.40 dollari, la stessa pipeline costa una frazione, con una qualità che per molti task è ormai intercambiabile. Rifai i conti. Il workflow che lo scorso trimestre era “troppo costoso da automatizzare” potrebbe essere il tuo margine in questo. (Se vuoi il framework completo, ho scritto perché i progetti di AI marketing falliscono, e il divario è raramente colpa del modello.)

Smettila di sposare i vendor e fai benchmark sui tuoi task

Quando i salti di capacità arrivano per post-training ogni poche settimane, il vincitore di oggi è la baseline del mese prossimo. L’unico benchmark che paga le tue bollette è quello che fai girare sul tuo carico di lavoro reale.

Costruisci un piccolo eval set: venti task reali della tua pipeline, valutati da un umano. Fai girare ogni nuovo modello contro di esso. Richiede un pomeriggio, e trasforma l’hype in un foglio di calcolo.

I pesi open sono un argomento di procurement, non una religione

Non farai girare in self-hosting un MoE da 744B su un server di scorta. Ma i modelli aperti cambiano la negoziazione. L’opzione di andartene, fare fine-tuning o girare dietro il tuo firewall è ciò che tira giù i prezzi dei modelli chiusi.

L’onda dell’AI open source, pesi di Qwen3.8-Max inclusi, è il motivo per cui le API frontier continuano a costare meno. Benefici dell’opzione anche se non la eserciti mai.

Il ritmo delle capacità ormai è settimanale, quindi costruisci a strati

Ho scritto di recente di OpenAI che frena per motivi di sicurezza. Metti le due storie fianco a fianco e il pattern è chiaro: i lab frontier occidentali rallentano per testare, i lab cinesi spediscono.

Quindi smetti di costruire la strategia intorno a un singolo prossimo rilascio. Strutturala in tre strati: uno stabile (un modello di cui ti fidi oggi), uno economico (classe open-weights per il lavoro di massa), uno sperimentale (qualsiasi cosa sia uscita questa settimana). Lascia che i livelli si muovano in modo indipendente.

Domande frequenti

GLM 5.3 è davvero open source?

Z.ai posiziona GLM 5.3 come propria linea open-weights, e i pesi della famiglia GLM storicamente sono arrivati su Hugging Face. Al momento della scrittura, i pesi di GLM 5.3 erano ancora in attesa, annunciati per circa due settimane dopo il lancio del 14 agosto. “Open” è la direzione dichiarata dall’azienda per questo modello. Controlla Hugging Face prima di pianificare self-hosting.

Come si compara GLM 5.3 a Claude?

Sui benchmark di coding agentico, GLM 5.3 supera Claude Fable 5 su alcuni test e lo segue su altri. Sul prezzo è drasticamente più economico: 1.40/4.40 dollari per milione di token contro i 10/50 di Fable 5. La mia regola di lavoro: modelli frontier chiusi per il 10% più difficile dei task, modelli classe GLM per il lavoro di volume, dove la differenza di qualità è invisibile e quella di costo no.

Cos’è il post-training negli LLM?

Tutto ciò che succede dopo che il base model finisce il pre-training: fine-tuning supervisionato, reinforcement learning da feedback umano, e RL su task verificabili come codice e matematica. GLM 5.3 ha tenuto il base model identico a quello di GLM 5.2 e ha scalato aggressivamente questa fase. Costa meno che addestrare una nuova architettura da zero, ed è da lì che arrivano la maggior parte dei guadagni misurabili di capacità in questo momento.

Il mio verdetto: l’allenamento batte l’architettura

Il miglior LLM open source del momento è stato costruito non cambiando nulla. Nessuna nuova architettura. Nessun modello più grande. Solo la disciplina di continuare ad addestrare quello che avevano mentre tutti gli altri ripartivano da zero.

Lo trovo genuinamente incoraggiante, e non solo per la ricerca sull’AI. Dice che la frontier non è riservata esclusivamente a chi ha il cluster di addestramento più grande. La pratica deliberata funziona anche sulle macchine. Dice anche che i giganti che davamo per finiti, Kimi K3 incluso, stanno seduti su capacità non spesa, e i lab che continuano con la post-training continueranno a raccoglierla.

Per chi costruisce business su questi modelli, le azioni sono noiose e redditizie. Rifai la tua economia dei token. Costruisci il tuo eval set. Progetta per un mondo in cui ogni settimana arriva un modello vicino alla frontier a una frazione del prezzo.

I team che interiorizzano questo ritmo tratteranno ogni rilascio come GLM 5.3 come faccio io: un martedì.

Se vuoi una mano a mappare tutto questo sul tuo stack di marketing, scrivimi. Niente hype. Solo ciò che dicono i numeri.