GLM-5 di Z.ai: Il modello MoE Open-Weight da 744B che colma il divario nella codifica agentica

Lisa Ernst · 21.02.2026 · Intelligenza Artificiale · 9 min

I rilasci di IA sono costanti, ma solo pochi spostano significativamente la linea del "cosa possiamo effettivamente spedire con questo?". GLM-5 da Z.ai (Zhipu AI / Knowledge Atlas Technology) è uno di quei rilasci: un modello sotto licenza MIT con un obiettivo chiaro: ingegneria agentica , ovvero attività a lungo raggio come il debug, il refactoring, l'orchestrazione di strumenti e la ricerca su scala web. È anche una pietra miliare strategica: Zhipu AI è diventata pubblica a Hong Kong all'inizio del 2026 e GLM-5 è stato annunciato proprio nel mezzo di un intenso ciclo competitivo tra i laboratori IA cinesi.

Fonte: GLM-5 si posiziona come un modello di "ingegneria agentica": contesto lungo, uso di strumenti e lavoro software, piuttosto che solo qualità della chat.

Riepilogo rapido: perché GLM-5 è importante (e cosa non è)

• Open-weight sotto MIT: pesi rilasciati per uso commerciale (raro a questo livello di prestazione).
• Progettazione orientata all'agente: ottimizzato per attività a lungo raggio (agenti, chiamata di strumenti, lavoro su repository).
• Massiccia scala MoE: 744 miliardi di parametri totali 40 miliardi attivi per token.
• Dettagli sul routing degli esperti: 256 esperti totali , con 8 esperti indirizzati per token (più esperti condivisi), ottimizzati per ridurre l'overhead di comunicazione.
• Contesto lungo: supporta fino a 200.000 token, abilitato da DeepSeek Sparse Attention (DSA).
• Potente codifica + agenti: i punteggi principali includono 77.8 su SWE-bench Verified e 56.2 / 60.7 su Terminal-Bench 2.0 (versione verificata).
• Cambio di affidabilità: Artificial Analysis riporta -1 su AA-Omniscience (allucinazioni ridotte), ottenuto in gran parte da un migliore comportamento di astensione. 2.0 (versione verificata).
• Limitazione importante: GLM-5 è solo testuale (nessun input immagine nativo).
• Controllo di realtà: i pesi BF16 nativi sono enormi (~1,49 TB di spazio di memoria); la maggior parte delle persone utilizzerà FP8 o API.

Perché GLM-5 è importante: Capacità, Apertura e Strategia Hardware

La maggior parte delle prestazioni "di frontiera" si trova dietro API proprietarie. GLM-5 è interessante perché cerca di combinare tre cose: (1) prestazioni agentiche di alto livello su benchmark pubblici, (2) disponibilità aperta sotto licenza permissiva, e (3) prontezza per ecosistemi non NVIDIA (Z.ai dichiara ottimizzazione full-stack su più piattaforme chip domestiche; Reuters ha anche notato inferenza su chip fabbricati in Cina, inclusi Huawei Ascend e altri).

Se sei uno sviluppatore o un team che crea strumenti, il valore è ovvio: i modelli open-weight sono l'unica via pratica per la personalizzazione profonda, la distribuzione on-premise e la valutazione ripetibile. Ma la storia "aperta" di GLM-5 ha un prezzo: è open-weight, ma estremamente grande, il che significa che le economie di distribuzione decidono chi può usarlo effettivamente localmente.

Scorecard Benchmark: I numeri che le persone citano (con contesto)

Di seguito è riportato uno scorecard compatto basato sui benchmark ufficiali della scheda modello GLM-5 (stessa tabella che confronta con DeepSeek-V3.2, Kimi K2.5, Claude Opus 4.5, Gemini 3 Pro e varianti GPT-5.2). La chiave: guarda quali benchmark corrispondono al tuo carico di lavoro.

Principali Risultati Benchmark (GLM-5 vs. peer di frontiera selezionati)

Perché le configurazioni dei benchmark contano (e cosa rivelano gli autori di GLM-5)

Un dettaglio utile: la scheda modello GLM-5 include note di valutazione (framework, timeout, dimensioni del contesto). Ad esempio, SWE-bench utilizza OpenHands con un prompt personalizzato, e Terminal-Bench viene eseguito tramite Terminus sotto limiti di CPU/RAM. Pubblicano anche un dataset "verificato" Terminal-Bench 2.0 per affrontare istruzioni ambigue e problemi ambientali, che è esattamente il tipo di trasparenza che rende i risultati più attuabili.

Architettura: MoE da 744B + DSA Contesto Lungo (200K token)

GLM-5 è un modello Mixture-of-Experts (MoE): enorme capacità totale, ma solo una fetta è attiva per token. Il rapporto tecnico descrive GLM-5 come 744 miliardi di parametri totali con 40 miliardi attivati. Lo stesso rapporto elenca 256 esperti totali, con 8 esperti indirizzati per token, e un'architettura ottimizzata per ridurre l'overhead del parallelismo degli esperti (ad es. meno livelli rispetto alle varianti precedenti).

Il contesto lungo non è solo "più token": richiede modifiche architetturali e ai dati per evitare il collasso della qualità dell'attenzione. GLM-5 integra DeepSeek Sparse Attention (DSA) per preservare la capacità del contesto lungo riducendo i costi computazionali. Nel quadro tecnico, DSA aggiunge un indicizzatore che recupera le voci chiave-valore top-k e calcola l'attenzione in modo sparso su quel sottoinsieme, un design che migliora sia l'efficienza dell'addestramento che dell'inferenza senza rinunciare alla comprensione a lungo raggio.

"Slime": Infrastruttura Post-Training per Scalare l'Agente RL

Fonte: thudm.github.io

Slime è descritto come un'infrastruttura di apprendimento per rinforzo asincrono che disaccoppia la generazione di roll-out dall'addestramento, mirando a scalare l'agente RL senza colli di bottiglia di sincronizzazione.

Il titolo di marketing è "RL asincrono", ma il punto più profondo è l'infrastruttura: scalare il post-training dell'agente è tipicamente rallentato dalla sincronizzazione e dal throughput di roll-out. Il rapporto GLM-5 descrive una pipeline che disaccoppia la generazione dall'addestramento, migliorando l'utilizzo della GPU e consentendo un'esplorazione molto più ampia delle traiettorie degli agenti. Inoltre, propongono algoritmi di RL agenti asincroni intesi a migliorare la pianificazione e l'autocorrezione nelle interazioni a lungo raggio.

Questa è la differenza tra un modello che scrive codice pulito in isolamento e un modello che sopravvive alla caotica realtà dei sistemi reali: l'output dello strumento è rumoroso, i passaggi intermedi falliscono e l'agente deve mantenere lo stato attraverso molti turni. Gli autori di GLM-5 misurano esplicitamente questo utilizzando valutazioni a lungo raggio come Vending Bench 2.

Affidabilità: Allucinazioni ridotte grazie a una migliore astensione

Le allucinazioni sono il killer silenzioso della "produttività agentica". Se un agente inventa con sicurezza firme di funzioni o comportamenti API, si creano costosi cicli di debug e automazione fragile. Artificial Analysis riporta che GLM-5 raggiunge -1 sul suo Indice AA-Omniscience, descritto come un miglioramento significativo rispetto a GLM-4.7. La sfumatura importante: questo miglioramento sembra arrivare con una maggiore astensione (il modello è più disposto a dire "non lo so" piuttosto che indovinare).

Costo e Accessibilità: Pesi Aperti, Realtà Costosa

GLM-5 è "aperto" in termini di licenza, ma è ancora un modello su scala di frontiera. Artificial Analysis stima che la memorizzazione dei pesi in BF16 nativo richieda circa 1.490 GB di memoria, limitando di fatto l'auto-ospitazione vera e propria solo a organizzazioni con cluster GPU seri. Ecco perché l'attenzione dell'ecosistema è rivolta alle varianti FP8 e ai provider di inferenza di terze parti.

Se stai valutando GLM-5 per la produzione, ci sono tre percorsi realistici:

1. API-first (provider di prima parte o terze parti di Z.ai): tempo di valore più rapido, scalabilità più semplice.
2. Auto-ospitazione FP8 (per team con infrastruttura GPU): forte compromesso tra costo e prestazioni.
3. Auto-ospitazione BF16 (raro): massima fedeltà, massima fatica hardware.

Servire GLM-5 localmente (puntatori minimi e pratici)

La scheda modello ufficiale elenca gli stack di inferenza supportati tra cui vLLM e SGLang. Se desideri un rapido controllo di sanità "funziona nel mio ambiente?", inizia con i pesi FP8 e un endpoint single OpenAI-compatible.

# Esempio: vLLM (notturno) + Transformers più recenti (secondo le indicazioni della scheda modello)
pip install -U vllm --pre --index-url https://pypi.org/simple --extra-index-url https://wheels.vllm.ai/nightly
pip install git+https://github.com/huggingface/transformers.git

# Esempio: SGLang tramite Docker (controllare la scheda modello per tag e note hardware)
docker pull lmsysorg/sglang:glm5-hopper

Come si confronta GLM-5 in "Qualità di Chat" (Chatbot Arena)

Benchmark come SWE-bench o Terminal-Bench ti dicono sulla capacità ingegneristica. Ma che dire delle preferenze puramente conversazionali? Su GLM-5 punteggi 1455±8 e si posiziona tra i primi ~15 modelli in generale. La vetta della classifica è ancora dominata da sistemi proprietari come Claude Opus 4.6.

Traduzione: GLM-5 non è solo un "modello da numeri". È anche forte in chat generale, ma il suo vantaggio distintivo rimane l'ingegneria agentica + apertura, non essere il singolo miglior modello di chat per Elo. ma il suo vantaggio distintivo rimane l'ingegneria agentica + apertura, non essere il singolo miglior modello di chat per Elo.

Chi dovrebbe usare GLM-5 (e chi no)

GLM-5 è una buona scelta se...

• crei strumenti per sviluppatori, agenti di codifica o automazione interna che funziona per molti passaggi.
• hai bisogno di pesi aperti sotto licenza permissiva per personalizzazione o vincoli on-premise.
• ti interessano i flussi di lavoro a contesto lungo (basi di codice multi-file, documenti di grandi dimensioni, trascrizioni lunghe).
• desideri un modello più propenso ad astenersi piuttosto che allucinare in domini ad alto rischio.

GLM-5 non è ideale se...

• hai bisogno di input multimodale nativo (immagini) - GLM-5 è solo testuale.
• desideri una facile installazione locale su hardware consumer (il modello BF16 è enorme).
• hai bisogno solo di chat casuali; modelli più piccoli o endpoint più economici potrebbero essere più convenienti.

Conclusione

GLM-5 è uno dei segnali più chiari che i modelli "open-weight" possono essere contendenti credibili nell'ingegneria agentica, non eguagliando ogni modello di frontiera su ogni metrica, ma concentrandosi sui compiti che contano per i sistemi reali: comportamento a lungo raggio, orchestrazione di strumenti e lavoro sul software. L'argomentazione più forte non è una singola linea di benchmark, ma la combinazione di scala MoE, DSA per contesto lungo e infrastruttura di agent RL progettata per produrre un comportamento agente stabile. non eguagliando ogni modello di frontiera su ogni metrica, ma concentrandosi sui compiti che contano per i sistemi reali: comportamento a lungo raggio, orchestrazione di strumenti e lavoro sul software. L'argomentazione più forte non è una singola linea di benchmark, ma la combinazione di scala MoE, DSA per contesto lungo e infrastruttura di agent RL progettata per produrre un comportamento agente stabile.

Se stai scegliendo un modello per costruire prodotti piuttosto che demo, GLM-5 merita una seria valutazione, specialmente se licenze aperte e flussi di lavoro agentici sono centrali nella tua roadmap.

Domande frequenti (FAQ)