In questo articolo Indice dei contenuti 3 sezioni
Il modello GLM-5.3 di Zhipu è arrivato in una settimana già affollatissima di annunci, dove si erano fatti spazio Muse Glimmer di Meta, Nemotron 3.5 Lightning di NVIDIA, V4 Pro di DeepSeek e Gemini 3.7 Flash di Google. Eppure il laboratorio cinese ha trovato il modo di prendersi la scena, e non con un colpo di scena architetturale ma con qualcosa di più sottile, ovvero un lavoro di rifinitura che ha trasformato le prestazioni su coding e cybersecurity senza toccare la dimensione del modello.
Il punto interessante sta proprio qui. GLM-5.3 conserva gli stessi 743 miliardi di parametri del modello che lo precede, e tutti i miglioramenti arrivano dal post-training, cioè dalla fase successiva all’addestramento di base. Un guadagno di circa 1,5 volte su DeepSWE, uno di 6 volte su Terminal Bench 3.0 e la vetta su CyberGym, il tutto senza aggiungere un solo parametro. Nel mondo dei modelli linguistici, dove la corsa si è spesso ridotta a chi mette più muscoli, è un risultato che dice molto sulla qualità dei protocolli usati.
I numeri di GLM-5.3 sui benchmark di programmazione
Su DeepSWE il modello segna 66,9 contro i 46,2 di GLM 5.2, mentre Fable 5 di Anthropic, della classe Mythos, si ferma a 69,7. Il divario esiste ancora, ma è ormai una questione di pochi punti. Su Terminal Bench 3.0 il salto è ancora più vistoso, con 28,3 punti contro i 4,6 della versione precedente, un balzo che avvicina il modello cinese ai 33,7 di Fable 5.
Dove invece GLM-5.3 passa davanti a tutti è CyberGym, il terreno della sicurezza informatica. Qui il punteggio è 84,5, sopra gli 83,8 di Fable 5 e gli 83,6 di GPT-5.6 Sol. Un margine ristretto, certo, ma sufficiente a mettere un modello aperto in testa a una classifica dominata fino a poco tempo fa dai laboratori occidentali. E vale la pena ripeterlo, perché è il dettaglio che rende il tutto notevole, questi progressi non arrivano da un nuovo modello base ma da come quello esistente è stato addestrato nella fase finale.
Una vulnerabilità nascosta dal 1981
Zhipu ha accompagnato il lancio con un registro pubblico delle scoperte, e i numeri fanno impressione. Si parla di 2.436 vulnerabilità individuate in 269 progetti open source, di cui 1.097 classificate come critiche o di gravità alta. Il dato che ha catturato l’attenzione della comunità, però, riguarda l’età di alcune di queste falle. La più antica risale al 1981, e in media i problemi individuati erano rimasti invisibili per 26,6 anni.
È il tipo di risultato che cambia il modo in cui si guarda a questi strumenti. Non si tratta soltanto di scrivere codice più velocemente, ma di rileggere decenni di software che nessuno aveva più esaminato con attenzione, trovando errori sopravvissuti a generazioni di revisori umani. Per il settore della sicurezza è una prospettiva concreta, con tutte le implicazioni che comporta.
Il prossimo passo di Zhipu punta più in alto
L’annuncio è stato diffuso dall’account Z.ai il 14 agosto 2026, e i pesi del modello saranno resi pubblici entro pochi giorni, coerentemente con l’approccio aperto che il laboratorio ha mantenuto finora. Ma la parte più significativa riguarda ciò che verrà dopo, perché il prossimo modello di Zhipu abbandonerà l’attuale impostazione per passare a una nuova architettura con il doppio dei parametri.
Un cambio di scala che dice chiaramente dove sta guardando l’azienda. Se già con il solo post-training GLM-5.3 arriva a giocarsela punto a punto con Fable 5, raddoppiare i parametri e ridisegnare l’architettura significa mettere nel mirino il primato di Anthropic. Il laboratorio cinese non nasconde le ambizioni, e la sequenza di rilasci di queste settimane suggerisce che la competizione tra i modelli aperti orientali e quelli proprietari americani si stia stringendo su un margine sempre più sottile.
