GLM 5.3 Flash: cinque punti sotto Fable al 3% del costo per attività — e il titolo dei 100.000 miliardi ha cambiato verbo per strada

Un modello a pesi aperti ha segnato 57 nell'indice di intelligenza di Artificial Analysis dove Claude Fable 5 ha segnato 62, e ha chiesto 0,09 USD per l'attività per cui Fable ne ha chiesti 3,14. I quattro numeri vengono da un misuratore esterno, non dal produttore, e li ho riverificati oggi, uno a uno, sulle pagine di ciascun modello.

Il titolo che ha circolato non era questo. Era che Z.ai stesse servendo centomila miliardi di token al giorno su chip cinesi. Sono andato a cercare la frase originale: esiste, è di un'altra azienda, è al tempo verbale sbagliato e parlava di una promozione. Il costo torna; il titolo no. Questo articolo separa una cosa dall'altra.

Nota metodologica — da leggere prima di citare qualsiasi numero di qui. L'Intelligence Index ("indice di intelligenza") di Artificial Analysis è una media di vari test normalizzati. Tre avvertenze valide per l'intero confronto: (1) la pagina di Claude Fable 5 misura la configurazione "Adaptive Reasoning, Max Effort, Opus 4.8 Fallback" ("ragionamento adattivo, sforzo massimo, con ripiego sull'Opus 4.8") e quella di GLM-5.3-Flash misura l'unica variante di ragionamento che pubblica — non è lo stesso metro di sforzo; (2) l'indice di un modello di pochi giorni è provvisorio, e il prezzo che alimenta il costo per attività è quello di listino, che oggi è in promozione; (3) dividere 57 per 62 e annunciare "il 92% dell'intelligenza" è il tipo di conto che questo articolo esiste per non fare — i cinque punti che mancano sono le attività più difficili dell'insieme, e un indice composito non autorizza rapporti. Qui i due assi camminano separati: differenza di punti da un lato, rapporto di costo dall'altro.

Il tabellone, prima del corpo

Il corpo lo dimostra riga per riga, nell'ordine in cui una persona che non ha mai sentito parlare di niente di tutto questo riesce a seguirlo.

Quanto costa un'attività, senza una sola parola tecnica

Due auto vanno allo stesso indirizzo. La prima conosce una scorciatoia e fa pagare caro al chilometro. La seconda fa un giro molto più lungo e chiede una miseria al chilometro. Entrambe arrivano. La domanda che conta non è chi ha percorso meno: è quanto segnava il tassametro quando si è aperta la portiera.

Guardi l'inversione della figura: la barra più lunga è nella riga in basso e il conto più alto è in quella in alto. È tutto qui. Chiamare questo "costo per attività" è solo dare un nome al tassametro — quel che si paga non è il percorso, è l'arrivo. Quando qualcuno confronta due modelli di intelligenza artificiale per il prezzo del token (i pezzettini di testo che il modello produce, e l'unità con cui viene fatturato), sta confrontando il prezzo del chilometro. È il confronto sbagliato, ed è proprio per questo che ho misurato 43 mila chiamate reali per scoprire chi paga la rilettura in un articolo precedente.

Le stesse due auto, con i nomi veri

Ora la stessa figura, con i dati misurati. L'auto cara è Claude Fable 5. L'auto economica è GLM-5.3-Flash, lanciato dalla cinese Z.ai il 26 agosto 2026 con licenza MIT — 320 miliardi di parametri in totale, 18 miliardi attivi a ogni token.

Intelligence Index 57 contro 62 (Artificial Analysis, 02/09/2026); 0,09 USD contro 3,14 USD per attività sullo stesso insieme, nella stessa data. Le due linee dell'articolo partono da lì, e chiunque può riaprire le due pagine e verificare. Noti ciò che la figura non dice: non dice che il Flash abbia il 92% dell'intelligenza del Fable. Dice che resta cinque punti sotto in un indice composito, e che l'attività costa il 2,9% del prezzo. Sono affermazioni di natura diversa, e mescolarle è il primo passo di ogni titolo storto.

Consuma quasi il doppio dei token — ed è per questo che il conto scende

L'obiezione ovvia è che il prezzo per token inganna: un modello chiacchierone può essere più economico a listino e più caro in fattura. È una buona obiezione, e in questo caso è già risolta dentro il numero — perché il Flash è il chiacchierone dei due.

Il filo quasi invisibile della riga in basso è tutto l'argomento: 0,50 USD contro 50,00 USD per lo stesso milione di token in uscita — cento volte meno. Il Flash ha bruciato 150 milioni di token contro gli 83 milioni del Fable, 1,8 volte in più, e nonostante ciò il conto chiuso della valutazione è stato di 138,02 USD contro 5.455,22 USD — trentanove volte più basso. L'ingordigia esiste, è misurata, ed è inghiottita dalla differenza di tariffa prima di arrivare in fattura.

Questo risponde all'obiezione del prezzo per token, e solo a quella. Non risponde se le attività concluse siano le stesse — ed è una domanda a cui nessun indice aggregato risponde per lei.

La frase dei 100.000 miliardi ha cambiato verbo e padrone in nove giorni

Ora la parte che mi ha fatto scrivere l'articolo. L'affermazione che ha viaggiato più lontano in questo lancio è stata che il modello venisse servito a centomila miliardi di token al giorno su chip cinesi. Sono andato a cercare la prima occorrenza della frase. Esiste, ha un link, e non è di Z.ai.

A scriverla è stata OpenCode — non un laboratorio di IA, ma il programma da terminale con cui molta gente parla con questi modelli. E il messaggio non annunciava un'impresa ingegneristica: annunciava una promozione di una settimana con un modello ancora anonimo, soprannominato "Ox Alpha", di cui nessuno sapeva il proprietario.

"Ox Alpha (stealth model) is free for the next week — 1M Context — Multi-modal — Zero Data Retention. Generous rate limits, near unlimited usage. We have capacity for 100T tokens per day, lets see what you can do"

In italiano: "Ox Alpha (modello furtivo) è gratuito per la prossima settimana — 1 milione di token di contesto — multimodale — zero conservazione dei dati. Limiti d'uso generosi, uso quasi illimitato. Abbiamo capacità per 100.000 miliardi di token al giorno, vediamo cosa riuscite a fare." — @opencode su X, 20 agosto 2026

Tenga a mente due parole: "abbiamo" e "capacità". È OpenCode che parla della propria infrastruttura, ed è un'offerta, non una misurazione. Il 22 agosto Techmeme ripeteva già la frase con la qualifica intatta — "a stealth model from an unknown AI lab ... and capacity for 100T tokens/day" ("un modello furtivo di un laboratorio di IA sconosciuto... e capacità per 100.000 miliardi di token al giorno"). Nessuno sapeva ancora chi avesse costruito il modello.

Nei nove giorni successivi, la frase ha perso una qualifica alla volta.

Legga la figura dall'alto in basso e noti che cambiano due cose, non una. Cambia il verbo — da "abbiamo capacità per" (un'offerta) a "sta servendo" (una misurazione). E cambia il soggetto — da OpenCode, un'applicazione da terminale, a Z.ai, un laboratorio che quel numero non l'ha mai detto. Gli anelli intermedi sono pubblicati e si possono leggere: SemiAnalysis ha scritto "the 100T tokens per day is served on Chinese chip" ("i 100.000 miliardi di token al giorno sono serviti su chip cinese") nel proprio thread; Wccftech ha trasformato la cosa in un titolo con il verbo al gerundio; e the-decoder ha scritto già il 27 agosto che è stata Z.ai a "servire 100.000 miliardi di token al giorno".

L'annuncio ufficiale di Z.ai non contiene il numero. Ciò che l'azienda ha affermato, nel post di lancio, è un'altra cosa — e quest'altra cosa è notevole di per sé: "Previously previewed as Ox Alpha, running entirely on Chinese AI chips" ("presentato in anteprima come Ox Alpha, eseguito interamente su chip di IA cinesi"). Far girare un modello di frontiera senza hardware americano è il vero titolo di questo lancio, e non aveva bisogno del numero gonfiato.

Che cosa si può dire sulla plausibilità, con le premesse sul tavolo

Non posso dimostrare che i centomila miliardi non siano avvenuti — nessuno può dimostrare una negativa del genere dall'esterno. Due cose oneste si possono fare.

La prima è guardare l'unica misurazione pubblica che esiste, dichiarando che cos'è. OpenRouter, che è uno dei vari canali di distribuzione, ha pubblicato che Ox Alpha è stato "the biggest model ever on OpenRouter, processing over 20 trillion tokens in 6 days" ("il più grande modello di sempre su OpenRouter, con oltre 20.000 miliardi di token elaborati in 6 giorni") — circa 3.300 miliardi al giorno. Non è il totale di Z.ai, è quello di un canale, e per questo non serve a dire "misurato X contro dichiarato Y". Serve a dire che il volume più alto mai registrato da quel canale, su un modello che era l'argomento della settimana ed era gratuito, è rimasto un ordine di grandezza sotto il numero che ha circolato.

La seconda è dimensionare. Centomila miliardi di token al giorno, da un solo laboratorio, sono dell'ordine di ciò che elabora Google intera (circa 107.000 miliardi al giorno, secondo la cifra di 3,2 milioni di miliardi al mese diffusa a maggio 2026) e qualcosa tra il 55% e il 70% di quanto consuma tutta la Cina — le due stime pubbliche del consumo cinese sono 180.000 e 140.000 miliardi al giorno. Non è impossibile — è straordinario, e un'affermazione straordinaria chiede prove della stessa taglia. implicator.ai ha registrato il buco a chiare lettere: "none of the serving results has been independently audited" ("nessuno dei risultati di servizio è stato verificato in modo indipendente"). E c'è un'ambiguità che da sola sposta il conto da dieci a cento volte: nessuna delle fonti dice se i "token" siano quelli in entrata o in uscita — leggere testo è economico e parallelizzabile, scrivere testo è caro e seriale. Senza quella parola, il numero non è verificabile nemmeno in linea di principio.

Il costo per attività non è l'unico asse, e il Flash perde sugli altri

Qui torna la figura dell'analogia, con la stessa geometria e più dati: ora sono i sei modelli che sono riuscito a verificare uno a uno su Artificial Analysis. La barra resta ciò che si spende; il numero resta ciò che si porta a casa.

La barra più corta della figura non è quella del Flash: è quella del GPT-5.6 Luna, che chiede cinque centesimi per attività. Il Flash consegna cinque punti in più di indice a quasi il doppio del prezzo per attività — il che è uno scambio difendibile, ma è uno scambio, non una vittoria. E nella colonna di destra la cosa peggiora: il Flash produce 42,5 token al secondo, contro i 279,4 del Gemini 3.7 Flash. Più di sei volte più lento per un punto in più di indice.

Non è un'osservazione mia: è la critica che Hacker News ha mosso per primo, e meritava di stare nella copertura. Un lettore l'ha riassunta così — "Gemini 3.7 flash 56 intel / 0.40 cost / 338 speed. GLM 5.3 flash 57 / 0.09 / 49. I have both ... and see no reason for choosing GLM 5.3 Flash" ("Gemini 3.7 flash: 56 di intelligenza, 0,40 di costo, 338 di velocità. GLM 5.3 flash: 57, 0,09, 49. Ho entrambi... e non vedo motivo per scegliere il GLM 5.3 Flash"). I suoi numeri non coincidono esattamente con quelli che ho misurato oggi — la velocità varia per fornitore e per giorno — ma la direzione sì, ed è la direzione che interessa.

Gli stessi sei, ora nel grafico:

La tabella completa, con il Kimi K3 che non è entrato nel grafico:

La riga del GLM-5.3 merita un paragrafo a sé, perché è il confronto che quasi nessuno ha fatto: il fratello maggiore, di cui ho scritto il 14 agosto, fa 60 punti a 0,68 USD l'attività. Il Flash fa 57 a 0,09 USD. Tre punti di indice costano sette volte e mezzo di più dentro la stessa casa. È la decisione di instradamento più concreta che questo lancio offra, e non dipende dal credere a nessun titolo.

Dove il Flash si rompe, secondo il secondo misuratore

Artificial Analysis non è l'unico metro indipendente. Anche LiveBench ha già elencato il modello, e il suo ritratto è più specifico — e più utile:

In programmazione il Flash pareggia in pieno con il fratello maggiore — 79,0 contro 79,0 — e l'intero buco sta nel seguire istruzioni: 52,8 contro 69,3. Se il suo uso è scrivere codice dentro un'impalcatura che dice già cosa fare, quello economico consegna lo stesso. Se il suo uso è un agente libero che deve obbedire a un contratto lungo, quei 16,5 punti di differenza sono il conto che pagherà in rilavorazione. È la stessa lezione già emersa qui quando ho mostrato che il voto di sicurezza è della coppia, non del modello.

E c'è un numero del produttore che vale la pena verificare con cura: la scheda ufficiale annuncia 63,4 su Deep-SWE, è circolata una voce di ~80%, e l'unica esecuzione completa e indipendente delle 113 attività che ho trovato — fatta da Henry Zhang — ha dato 58,4%: "The Rumored ~80% pass rate is completely incorrect. Actual benchmark result is 58.4%" ("Il tasso di successo di ~80% di cui si vociferava è completamente sbagliato. Il risultato reale è 58,4%"). Tre numeri per lo stesso test, e il più basso è l'unico con procedura dichiarata.

Aperto di diritto, chiuso di fatto: 328 gigabyte

La licenza è MIT — la più permissiva che esista, senza registrazione e senza cancello. È una virtù reale e merita di essere detta. Ciò che "aperto" non vuol dire è "sta nella sua macchina".

Ho scaricato l'elenco dei file del repository tramite l'API di Hugging Face e ho sommato: 62 file di pesi, 328,3 gigabyte. Non è una stima a occhio, è la somma dei blob. La comunità ha già pubblicato versioni compresse — il processo si chiama quantizzazione, ed è l'equivalente di registrare la stessa musica con meno bit: occupa meno, perde un po' di fedeltà.

La lettura onesta di questa figura ha due metà, e la copertura ne ha data una sola. È falso che giri "sul suo computer" se il suo computer è un portatile comune: solo la compressione più aggressiva, a 1 bit, entra in 128 GB. Ed è vero che gira su una workstation da 128 a 256 GB — c'è gente che racconta esattamente questo su Hacker News, uno dei quali dice che è "the first local model that feels good enough to me to be a 'main' model" ("il primo modello locale che mi sembra abbastanza buono da essere il modello principale"). Dire solo la prima metà sarebbe commettere lo stesso peccato di inquadratura che questo articolo denuncia.

E in ogni conto qui sopra manca una quota. I numeri della figura sono solo i pesi. Quando ho mostrato come sapere se un modello gira sulla sua scheda, l'errore che decideva l'intera tabella era esattamente questo: la scheda metteva a bilancio i pesi e dimenticava la cache del contesto, che cresce mentre lei conversa. Per il Flash, quella quota nessuno l'ha pubblicata. Quindi il metro corretto è: i numeri della figura sono il pavimento, e il pavimento già non ci sta.

Il prezzo è una campagna, e ha una data di fine

L'ultimo gradino è il più facile da dimenticare e quello che più cambia la decisione di chi sta per adottare.

La pagina dei prezzi di Z.ai dice, oggi, in una riga: "GLM-5.3-Flash is available at a 50% discount ... The promotion ends at 24:00 on September 9, 2026 (UTC+8, Singapore time)" ("Il GLM-5.3-Flash è disponibile con uno sconto del 50%... La promozione termina alle 24:00 del 9 settembre 2026, ora di Singapore"). Entrata a 0,075 USD e uscita a 0,25 USD oggi; 0,15 USD e 0,50 USD dopo.

Due avvertenze che la copertura ha mescolato, e che avevo mescolato anch'io prima di verificare oggi:

1. Il costo per attività di questo articolo non dipende dalla promozione. Gli 0,09 USD escono dal listino pieno, che è quello usato da Artificial Analysis. Se la promozione finisce, il numero non cambia. È chi oggi paga la metà che vedrà il conto raddoppiare.
2. Non esiste un "piano gratuito" del GLM-5.3-Flash su Z.ai. Quel che la tabella dei prezzi segna come "Limited-time Free" ("gratuito a tempo limitato") è la colonna dell'archiviazione della cache, non l'uso del modello. L'uso gratuito che molti hanno visto è stata la settimana promozionale di "Ox Alpha" su OpenCode e OpenRouter, con il modello ancora anonimo — la stessa promozione da cui è uscita la frase dei centomila miliardi.

Che cosa la verifica non ha raggiunto

Questo è il pezzo che di solito sparisce dai testi di lancio, ed è quello che vale di più.

• Non ho provato il modello in produzione. Ha meno di una settimana di vita; qualsiasi mia affermazione su "come si comporta nel suo codice" sarebbe invenzione.
• Il post ufficiale di lancio di Z.ai resta illeggibile per me. L'indirizzo risponde, ma restituisce solo il guscio del sito; il lettore di testo che ho provato ha restituito il contenuto di un documento completamente diverso. Nulla che dipenda esclusivamente da quel post è entrato qui.
• Non ho trovato fonte per il "primo posto in GDPval con ampio margine". Ho cercato; non esiste in nessun posto che io sia riuscito a raggiungere. Resta registrato come affermazione non verificata.
• Non sono riuscito a citare r/LocalLLaMA. Le risposte sono arrivate senza autore e senza data attribuibili, e una citazione senza provenienza non entra.
• Non ho verificato quanti chip abbia usato Z.ai. Il numero dei "100 mila chip nazionali" che appare negli aggregatori non ha una dichiarazione primaria che io abbia localizzato.
• L'indice è di adesso. Un modello di pochi giorni tende a cambiare posizione quando il misuratore rielabora. I numeri qui hanno una data perché la data è parte del numero.
• Un settimo modello è apparso dopo la chiusura delle figure. Riverificando tutto il 02/09/2026, il GPT-5.6 Terra ha iniziato a rispondere su Artificial Analysis: lo stesso indice 57 del Flash, a 0,53 USD l'attività — quasi sei volte più caro per lo stesso numero, e 2,4 volte più veloce. Non ho rifatto le figure, chiuse sui sei che avevo misurato uno a uno; lo registro qui perché il dato rafforza il conto invece di contraddirlo, e omettere una scoperta perché è arrivata tardi sarebbe il peccato che questo articolo passa l'intero testo a denunciare. Il GPT-5.6 Soul, citato dal video, resta senza pagina sul misuratore.

Che cosa ne farei

Instradare per attività, non per abbonamento. Il dato più azionabile del lancio non è lo scontro con il Fable 5: è lo scontro con il fratello di casa. Tre punti di indice costano sette volte e mezzo di più tra il GLM-5.3 e il Flash. Se il suo lavoro è ciò che LiveBench chiama programmazione, i due pareggiano a 79,0 — e lei sta pagando la differenza per nulla.

Misurare il proprio "seguire istruzioni" prima di cambiare. Il buco di 52,8 contro 69,3 è l'avvertimento più specifico che esista su questo modello. Prenda venti attività reali dal suo arretrato con istruzioni lunghe, le esegua su entrambi, e conti quante sono tornate chiedendo correzione. È quel conto, non l'indice, a decidere.

Contare la velocità insieme al prezzo. Più di sei volte più lento del Gemini 3.7 Flash è gente che aspetta. Per un lotto notturno non costa niente; per qualcuno che digita e aspetta, costa tutto.

Segnare il 9 settembre sul calendario. Se costruisce il budget con il prezzo di oggi, raddoppia tra una settimana.

E diffidare di ogni frase che guadagna un verbo per strada. La regola che resta di questo articolo non riguarda Z.ai: è che "abbiamo capacità per" e "sta servendo" sono affermazioni diverse, e che la distanza fra le due sta in nove giorni di riproduzione. Quando un numero straordinario arriva fino a lei, cerchi la sua prima occorrenza. Di solito è a tre clic, e di solito dice un'altra cosa.

Rifaccia il conto

Niente qui dipende dal credermi. I quattro numeri del titolo escono da due pagine pubbliche — artificialanalysis.ai/models/glm-5-3-flash e artificialanalysis.ai/models/claude-fable-5 — e la dimensione del repository esce da una riga di terminale:

curl -s 'https://huggingface.co/api/models/zai-org/GLM-5.3-Flash?blobs=true' \
  | python3 -c "import json,sys; d=json.load(sys.stdin); \
    print(sum(f['size'] for f in d['siblings'] if f['rfilename'].endswith('.safetensors'))/1e9, 'GB')"

In italiano: il comando chiede a Hugging Face l'elenco dei file del repository e somma la dimensione di tutti quelli che contengono pesi. Il risultato esce in gigabyte.

Se le viene diverso da quanto è scritto qui, mi mandi il risultato con la data: correggo l'articolo e do credito a chi l'ha segnalato.

Fonti

• Indice indipendente: Artificial Analysis — pagine di glm-5-3-flash, claude-fable-5, glm-5-3, kimi-k3, gemini-3-7-flash e gpt-5-6-luna
• Secondo metro indipendente: LiveBench
• Pesi e scheda ufficiale: huggingface.co/zai-org/GLM-5.3-Flash
• Prezzi: docs.z.ai/guides/overview/pricing
• Annuncio di Z.ai: @Zai_org su X
• La frase originale dei 100.000 miliardi: @opencode su X · Techmeme, 22/08/2026 · SemiAnalysis · the-decoder · implicator.ai
• Misurazione di un canale: @OpenRouter su X
• Esecuzione indipendente del Deep-SWE: Henry Zhang su X
• Confronto fra i due GLM: Together AI
• Quantizzazioni: Unsloth
• Ricezione: thread di Hacker News

Tutti i numeri di indice, costo per attività, velocità e prezzo sono stati verificati da me il 01/09/2026 e riverificati il 02/09/2026, sulle pagine dal vivo di Artificial Analysis e di Z.ai; la dimensione del repository è stata sommata tramite l'API di Hugging Face in entrambe le date, con risultato identico. Fra una verifica e l'altra si sono mosse solo le velocità — sono media mobile del misuratore —, ed è la lettura del 02/09/2026 quella pubblicata qui. Le citazioni della comunità sono state raccolte il 30/08/2026 e il 01/09/2026 e trascritte dai post originali, con link su ciascuna; traduzioni mie. Le date dei post della catena dei 100.000 miliardi non sono state lette dallo schermo: ciascuna è stata derivata dall'identificatore del post stesso, che porta la marca temporale — e le cinque coincidono con quanto ha registrato la raccolta. La data dell'articolo di Wccftech (26/08/2026, 16:01 UTC) è stata letta dall'intestazione della pagina stessa il 02/09/2026. I numeri di LiveBench e delle quantizzazioni di Unsloth sono stati letti dalle pagine pubbliche il 01/09/2026 e riverificati il 02/09/2026, senza variazioni. Il post ufficiale di lancio di Z.ai non è stato accessibile in nessun tentativo, e nulla in questo articolo dipende da esso.