Un economico modello di AI cinese sta facendo ripensare ai programmer i loro costi

Punti chiave

• Z.ai ha rilasciato GLM 5.2 il 16 giugno 2025, un modello di linguaggio di grandi dimensioni con 753 miliardi di parametri totali ma solo 40 miliardi attivi contemporaneamente, rendendolo più veloce nella risposta.
• Z.ai addebita $4,40 per milione di token in output (i frammenti di testo che il modello genera), meno di un quinto del prezzo comparabile del Claude Opus 4.8 di Anthropic.
• GLM 5.2 è open-weights, il che significa che qualsiasi organizzazione con il proprio hardware può scaricarlo ed eseguirlo senza pagare Z.ai.
• L'AI Index di Stanford ha rilevato che i laboratori cinesi hanno prodotto poco più della metà dei notevoli modelli di AI nel 2025 rispetto ai laboratori statunitensi, in aumento da circa un terzo nel 2023.
• Nei propri benchmark, GLM 5.2 ha completato solo il 13 percento dei compiti in SWE-Marathon, un difficile test di programmazione a lunga durata, mentre il Claude Opus 4.8 di Anthropic ha raddoppiato quel punteggio.

Zain Hasan è un ingegnere di AI presso Together AI e una persona che tiene traccia esatta di ciò che spende per gli strumenti di AI. I problemi difficili vanno a un modello di prim'ordine, i problemi facili vanno a qualcosa di più economico. La sua scelta più economica in questo momento è GLM 5.2.

GLM 5.2 proviene da Z.ai, un laboratorio di AI con sede a Pechino. Il modello costa $4,40 per milione di token in output tramite l'API di Z.ai (un'interfaccia di programmazione che consente alla tua app di comunicare con il loro modello). È meno di un quinto del prezzo del Claude Opus 4.8 di Anthropic, e circa un decimo del modello di programmazione Fable di Anthropic. Il rilascio, riportato per la prima volta da IEEE Spectrum AI, è avvenuto il 16 giugno 2025.

È anche open-weights: Z.ai ha pubblicato i dati sottostanti del modello in modo che chiunque abbia un hardware di calcolo sufficiente possa scaricarlo ed eseguirlo personalmente, gratuitamente.

GLM 5.2 è effettivamente abbastanza buono da fidarsi?

Per molti compiti, sì, ma con limiti chiari. David Nix, un principal software engineer presso MetaRouter con sede a Denver, dice che GLM 5.2 si avvicina abbastanza ai migliori modelli statunitensi da gestire dal 10 al 20 percento del suo carico di lavoro quotidiano di AI. Il lavoro di progettazione front-end è dove lo utilizza per primo.

Hasan dice che il modello mantiene una coerente continuità di pensiero nel corso di ore di conversazione botta e risposta. I modelli più economici precedenti spesso perdevamo il filo dopo solo cinque o quindici scambi.

Non tutti hanno avuto risultati fluidi. Sai Kiran Myadaram, un ingegnere software presso Indhic AI con sede a Bengaluru, ha esaurito la sua quota settimanale di token Z.ai in meno di tre giorni. Ha incontrato allucinazioni (dove un'IA produce con sicurezza risposte sbagliate o inventate) e una pianificazione eccessiva su correzioni semplici, e da allora è tornato al Codex di OpenAI.

La questione della privacy è reale. GLM 5.2 proviene dalla Cina, e alcune aziende statunitensi si preoccupano che codice sensibile passi attraverso server collegati alla Cina. L'opzione open-weights è la risposta pratica: ospita il modello sul tuo hardware e i tuoi dati non lasciano mai il tuo edificio. Questo è qualcosa che la maggior parte dei migliori modelli statunitensi non può offrire; si trovano dietro un'API senza possibilità di self-hosting. Il nostro articolo del 14 luglio su Grok Build che caricava silenziosamente intere basi di codice nel cloud ha mostrato quanto poca visibilità i tecnici hanno tipicamente su dove va il loro codice.

I benchmark dipingono un quadro misto. Il report di ricerca di Z.ai mostra GLM 5.2 in ritardo rispetto all'Opus 4.8 di Anthropic sulla maggior parte dei test di programmazione, anche se si avvicina quasi all'Opus 4.8 su alcuni benchmark di programmazione agentica più brevi (test in cui il software di AI completa compiti di programmazione multi-step autonomamente).

Dovresti preoccuparti del costo di ignorare tutto questo?

Il problema più grande, sostiene Hasan, è che la maggior parte dei team di software non sa quali costi hanno i loro strumenti di AI per progetto. Quando l'azienda paga, i tecnici scelgono per impostazione predefinita il modello più potente. GLM 5.2 non sostituirà i migliori modelli statunitensi per i lavori più difficili. Ma per il lavoro di routine, il divario di prezzo è reale e abbastanza ampio da rendere ignorarlo un'opzione, non una negligenza.