GLM-5.3 e GLM-5.3-Flash: benchmark, capacità cyber, Ox Alpha, open weights e confronto con Kimi K3, Hy4, Claude e GPT-5.6 Sol

La fine di agosto 2026 ha portato due modelli Z.ai molto diversi.

GLM-5.3 è il grande modello text-only con reasoning orientato a long-horizon engineering, coding agents e cybersecurity. Z.ai lo ha annunciato il 14 agosto; i pesi pubblici sono arrivati su Hugging Face il 28 agosto dopo il periodo di safety evaluation e hardening annunciato al lancio.^[1][17]

GLM-5.3-Flash è invece un modello molto più economico, nativamente multimodale e basato su un nuovo pre-training. Ha 320B parametri totali, 18B attivi per token, contesto 1M, input text/image/video/file e pesi pubblici con licenza MIT.^[6][8][11]

Prima del lancio ufficiale Flash è stato testato anonimamente come:

Ox Alpha

su OpenCode e OpenRouter. Z.ai afferma che sia diventato rapidamente il modello più popolare della settimana e che il traffico sia stato servito su acceleratori AI cinesi; questa popolarità è una dichiarazione vendor.^[6][7][19]

GLM-5.3 e Flash non sono semplicemente una variante grande e una piccola dello stesso modello.

GLM-5.3:

~753B total secondo metadata HF/AA attuali
~40B active
text-only
1M context
128K max output
reasoning sempre attivo
custom GLM-5.3 License

Flash:

320B total
18B active
native multimodal
1M context
128K max output
sparse + linear attention
MIT

^{[2][6][10][11]}

I benchmark di lancio sono soprattutto Z.ai-reported e i risultati agentici dipendono fortemente da harness, tools, budget e configurazione inference.

Stato delle informazioni: 31 agosto 2026.

TL;DR

Cosa è successo ad agosto?

Z.ai ha annunciato GLM-5.3 il 14 agosto.^[1]

Il punto particolare è che usa lo stesso base model di GLM-5.2: secondo Z.ai tutti i guadagni derivano dal post-training.^[1][15]

L'API era disponibile subito, mentre i pesi sarebbero arrivati dopo ulteriori controlli safety. Hugging Face segnava il 28 agosto e oggi i pesi sono pubblici.^[17][5]

Flash segue una strada diversa con nuova base, nuova architettura e multimodalità nativa.^[6][8]

GLM-5.3 non è semplicemente un Flash più grande

GLM-5.3 privilegia massima qualità coding, long-horizon agents, terminal e cyber reasoning.

Flash privilegia costo, multimodalità, inference efficiency, visual coding, office workflows e long context.

Z.ai dice che Flash parte da una nuova base, non da una semplice distillation del flagship.^[6][8]

Quanti parametri ha GLM-5.3?

L'architettura GLM-5 originale era descritta come:

744B total
40B active

^[16]

Metadata attuali Hugging Face e Artificial Analysis:

753B total
40B active

^[5][10]

Dato che GLM-5.3 condivide la base di GLM-5.2, trattiamo 744B vs 753B come differenza di conteggio/implementazione e usiamo 753B/40B per deployment attuali.^[1][15]

Flash: 320B total, 18B attivi

Z.ai specifica:

320B total
18B active
45 layers

^[6][8]

GLM-4.5 viene confrontato con 355B total, 32B active e 92 layers.^[6]

Flash riduce quindi drasticamente compute attivo e depth.

1M context e 128K output

Docs ufficiali Z.ai:

Context Length: 1M
Maximum Output: 128K

per entrambi.^[2][6]

Utile per grandi repository, agent session lunghe e analisi multi-file.

Ma 1M context non equivale a memoria perfetta: retrieval e instruction retention vanno testati.

Text-only contro multimodal

GLM-5.3:

Input: Text
Output: Text

^[2]

Flash:

Input: Text, Image, Video, File
Output: Text

^[6]

Flash è quindi più adatto a screenshot, GUI, documenti, PDF, presentazioni e visual coding. Artificial Analysis standardizza oggi text+image nel proprio profilo indipendente.^[11]

Sparse + linear attention

Flash combina sparse attention e linear attention.^[6][8]

Linear attention gestisce dipendenze locali tramite state modeling, sparse attention recupera elementi globali con un indexer.

Obiettivo: ridurre il costo dei contesti lunghi.

IndexPool

Flash introduce:

IndexPool

^[6]

Comprime quattro key vectors cacheati in uno tramite weighted pooling.

Z.ai dichiara rispetto a GLM-5.3:

3.01× meno attention compute
4.44× meno KV cache

^[6]

Sono misure vendor.

mHC

Flash usa anche:

Manifold-Constrained Hyper-Connections

^[6][8]

La tecnica mira a migliorare information flow e scaling efficiency, cercando di mantenere molta capacità con 18B parametri attivi.

30T token multimodali

Z.ai dichiara:

30T-token multimodal corpus

^[6][8]

GLM-5.3 mantiene la base GLM-5.2 e cresce tramite post-training; Flash riceve nuovo pre-training multimodale.

Ox Alpha era Flash

Prima del nome ufficiale:

ox-alpha

era testato su OpenCode e OpenRouter.^[6][19]

Z.ai conferma che era GLM-5.3-Flash. La frase "più popolare della settimana" resta vendor claim.^[7]

Perché il test stealth è interessante?

L'anonimato riduce parte del brand bias.

Non era però un esperimento scientifico controllato: utilizzo e popolarità possono dipendere da price, promo, routing, UI e availability.

Quindi è un segnale di interesse reale, non prova di superiorità.

Il salto viene dal post-training

Z.ai mantiene la stessa base GLM-5.2.^[1][15]

Ha scalato:

• environments,
• task diversity,
• post-training compute,
• long-horizon tasks,
• verifiers,
• reinforcement learning,
• environment generation.

Il framework open-source slime collega training, rollout e data generation.^[1]

Cosa significa +50% coding?

Z.ai comunica:

+50% vs GLM-5.2

^[1][2]

È il risultato del benchmark privato Z.ai Code Bench.

Max effort:

GLM-5.3: 34.5%, ~75K output tokens
GLM-5.2: 23.4%, ~96K output tokens

^[1]

Non significa 50% meglio su ogni task di programmazione.

Benchmark pubblici

Z.ai riporta:^[3]

Tutti valori Z.ai-reported.

Terminal-Bench 3.0

GLM-5.2: 4.6
GLM-5.3: 28.3

^[1][3]

È un salto enorme, non "6× più intelligente".

Il setup usa Claude Code 2.1.207, max effort, grande context, fino a 600 agent turns e timeout lungo.^[3]

DeepSWE

GLM-5.2: 46.2
GLM-5.3: 66.9
Kimi K3: 67.5
GPT-5.6 Sol: 72.7

^[3]

GLM migliora molto ma non domina questa tabella.

Terminal-Bench 2.1

GLM-5.3: 88.2
Kimi K3: 88.3
GPT-5.6 Sol: 88.8
Fable 5: 88.0

^[3]

Differenze minime.

Agents' Last Exam

GLM-5.3: 28.5
GPT-5.6 Sol: 28.6
Kimi K3: 27.6

^[3]

Anche qui quasi parità.

CyberGym: 84.5%

Z.ai:

GLM-5.3: 84.5%
GPT-5.6 Sol: 83.6%
Fable 5: 83.8%
Kimi K3: 80.0%
GLM-5.2: 77.2%

^[1][3]

CyberGym parte da source code white-box e verifica vulnerability discovery. Non misura direttamente attacchi arbitrari a sistemi reali.

ExploitBench

GLM-5.3: 54.4%
GLM-5.2: 24.4%
Kimi K3: 32.2%
Opus 4.8: 40.0%
Fable 5: 78.0%
GPT-5.6 Sol: 76.5%

^[1][3]

Il salto è enorme, ma il closed frontier resta avanti.

ExploitGym

Task completati 2h/6h:

GLM-5.3: 105 / 130
Kimi K3: 36 / 70
Fable 5: 181 / 247
GPT-5.6 Sol: 216 / 293

^[3]

Z.ai normalizza il tempo sul throughput di ciascun modello, quindi la metodologia è specifica.

2.436 vulnerabilità

Z.ai dichiara dopo review e deduplication:

2,436 findings
269 projects
1,097 critical + high

^[1][2]

Ledger:

53 pubbliche
2,383 embargo
107 critical
990 high
1,286 medium
53 low

^[1]

Sono dati vendor, non un database CVE indipendente.

Cyber capability richiede governance

Use case difensivi:

• secure code review,
• vulnerability triage,
• bug reproduction,
• SAST augmentation,
• patch analysis,
• fuzzing,
• threat modeling.

Servono sandbox, network isolation, logging, approval gates, secrets separati e privilegi minimi.

Benchmark Flash

Z.ai:^[7][8]

Il punto è il trade-off qualità/prezzo, non l'uguaglianza con GLM-5.3.

Flash vs Opus 4.8 nel benchmark privato

Z.ai Code Bench Max:

Flash 29.0
Opus 4.8 29.5

^[6]

Non prova che Flash equivalga a Claude in generale.

Artificial Analysis: 60 vs 57

Indice v4.1.1:

GLM-5.3 max: 60
Flash: 57

^[10][11][12]

Misure API first-party:

GLM-5.3 ~66.5 tokens/s, ~1.6s TTFT
Flash ~45–49 tokens/s, ~1.5s TTFT

^[10][11][20]

"Flash" non significa automaticamente più throughput token. Il vantaggio è costo, compute attivo e multimodalità.

Prezzi API

Z.ai:^[9]

GLM-5.3

Input $1.40
Cached $0.26
Output $4.40

Flash list

Input $0.15
Cached $0.03
Output $0.50

Promo fino 9 settembre

Input $0.075
Cached $0.015
Output $0.25

per 1M token.

OpenRouter offre entrambi ma prezzi e routing possono differire.^[18][19]

"One-tenth the price"

Flash è circa:

9.3× più economico input
8.8× più economico output

a list price.^[9]

"Circa un decimo" è quindi ragionevole, ma cost per task dipende anche da reasoning e tools.

GLM-5.3 vs Kimi K3

TB2.1 88.2 vs 88.3
DeepSWE 66.9 vs 67.5
TB3.0 28.3 vs 17.4
AutomationBench 48.2 vs 46.7
ExploitBench 54.4 vs 32.2

^[3]

Nessun vincitore universale.

GLM-5.3 vs Hy4

Tencent: 163 esperti, 203 task.^[13][14]

Hy4 2.99
Kimi K3 2.94
GLM-5.3 2.92

Hy4 vs GLM:

46.8% wins
12.8% ties
40.4% losses

^[14]

È un test interno Tencent.

GLM-5.3 vs GPT-5.6 Sol

Z.ai:^[3]

TB3.0 28.3 vs 34.6
DeepSWE 66.9 vs 72.7
ExploitBench 54.4 vs 76.5
ExploitGym 6h 130 vs 293
HLE+Tools 62.5 vs 64.5

GLM è leggermente sopra in CyberGym e AutomationBench. Quadro misto.

E Claude Opus 5?

La tabella launch Z.ai usa soprattutto Opus 4.8 e Fable 5, non Opus 5.^[3]

Quindi non dimostra:

GLM-5.3 > Claude Opus 5

Open weights e licenze

Flash:

MIT

^[8][11]

GLM-5.3:

custom GLM-5.3 License

^[4]

La licenza consente uso, modifica, distribuzione, fine-tuning e vendita, ma per operatori Model as a Service oltre $10B di ricavi aggregati in 12 mesi consecutivi richiede una security review Z.ai prima dell'uso commerciale.^[4]

Self-hosting

Supporto ufficiale:

vLLM
SGLang
Transformers
Docker Model Runner

e altri framework.^[3][8]

Repo GLM-5.3:

~756 GB
141 safetensors shards

^[5]

Flash è più leggero in compute attivo, ma resta grande.

Chip AI cinesi e 3× serving

Z.ai dice che il traffic Flash/Ox Alpha è stato servito su acceleratori cinesi.^[6][7]

Stack include:

Tensor Parallelism
ReplaySSM
W8A8
INT8/FP8/BF16 cache
Layer Split
Encode–Prefill–Decode disaggregation

Claim Z.ai:

3× end-to-end serving
vs initial baseline sullo stesso hardware

^[6][7]

Da verificare indipendentemente.

Quale modello scegliere?

GLM-5.3 per massima qualità coding GLM, terminal agents, reasoning testuale e security analysis.

Flash per costo, vision, screenshots, documenti, video/file, 1M context e MIT.

Kimi, Hy4, GPT o Claude se un POC interno offre migliore:

cost per successful task

Checklist POC

Qualità

• Task reali.
• Stesso harness.
• Test pass rate.
• Task completion.
• Regressioni.
• Out-of-scope changes.
• Sessioni lunghe.
• Recovery.
• Tool calling.
• Structured output.

Reasoning

• Confrontare low, high, max.
• Reasoning non disattivabile.
• Misurare reasoning tokens.
• Misurare output totale.
• Misurare latency.
• Non usare max ovunque.

Long context

• Test 32K.
• Test 128K.
• Test 256K.
• Test 1M.
• Retrieval accuracy.
• Instruction loss.
• Grandi repo.
• Cross-file dependencies.
• KV cache/concurrency.
• 1M non è memoria perfetta.

Flash multimodal

• Screenshot.
• Documenti.
• Chart.
• OCR-like workflow.
• GUI verification.
• Video reale.

Security

• Sandbox cyber.
• Limitare network.
• Log tool calls.
• Approval gates.
• Separare production secrets.
• Limitare credentials.
• Validare patch prima del merge.
• Non trattare il modello come autorità autonoma.

Licenza e operazioni

• Leggere GLM-5.3 License.
• Verificare clausola MaaS >$10B.
• Verificare MIT Flash.
• Data policy provider.
• Processing region.
• Retention.
• Cache hit rate.
• Cost per successful task.
• Fallback model.
• Prezzo Flash dopo promo.

Verdetto POLPROG

GLM-5.3 è una delle release coding più interessanti di agosto 2026 perché porta molto più avanti la stessa base di GLM-5.2 tramite post-training.^[1][15]

Terminal-Bench 3.0: 4.6 → 28.3
DeepSWE: 46.2 → 66.9
ExploitBench: 24.4 → 54.4

^[1][3]

Flash segue un'altra strategia:

320B total
18B active
multimodal
1M context
MIT
API molto economica

e ottiene 57 in Artificial Analysis contro 60 di GLM-5.3 max.^[10][11][12]

Per molti prodotti Flash può essere più interessante del flagship.

La domanda corretta è:

quale modello offre il miglior cost per successful task con qualità, sicurezza e latency sufficienti?