GLM-5.3 vs GLM-5.2 per il coding

Il confronto GLM-5.3 vs GLM-5.2 per il coding riguarda soprattutto il post-training, non due base model differenti. Z.ai afferma che le due versioni usano la stessa base. GLM-5.3 aggiunge training in ambienti di engineering eseguibili e di lungo periodo, riportando progressi in coding, agent e sicurezza.

La risposta pratica è oggi più chiara rispetto al giorno del lancio. Per attività difficili e lunghe GLM-5.3 è il primo candidato da valutare, e API, open weights e route OmniaKey sono disponibili. Non è però un cambio di model ID privo di rischi: il reasoning è sempre attivo, thinking.type: "disabled" viene rifiutato e il test di regressione deve usare lo stesso harness e le stesse autorizzazioni di 5.2.

GLM-5.3 vs GLM-5.2 in breve

Separiamo due domande.

1. GLM-5.3 merita una valutazione? Sì, soprattutto per coding di lungo orizzonte.
2. Bisogna spostare oggi tutto il traffico di produzione? No. Misura prima compatibilità client, effort, latenza e costo per task accettato.

Le pagine GLM-5.3 e GLM-5.2 mantengono prezzi, esempi di richiesta e disponibilità OmniaKey. Il calcolo dettagliato di 5.2 è nel guida ai prezzi API di GLM-5.2 (English); questo articolo copre la decisione di upgrade.

Cosa è cambiato davvero in GLM-5.3

Secondo Z.ai, GLM-5.3 utilizza esattamente lo stesso base model di GLM-5.2. Il miglioramento riportato deriva dall'ampliamento del post-training su task lunghi.

Un nuovo numero di versione non implica automaticamente contesto più grande, nuova architettura o corpus di pretraining diverso. In questa release il vantaggio dichiarato è un comportamento migliore dopo training su più ambienti, task più vari e workflow professionali più lunghi.

I task descritti da Z.ai assomigliano a unità complete di lavoro engineering, non a esercizi isolati. Il modello può dover leggere codice e documentazione, usare sistemi di calcolo e storage, diagnosticare un collo di bottiglia, implementare una modifica, eseguire esperimenti e mantenere la correttezza fino alla consegna.

Il test giusto non è soltanto scrivere una funzione, ma mantenere l'intera catena:

capire l'obiettivo
  -> ispezionare l'ambiente
  -> pianificare e modificare
  -> eseguire tool e test
  -> diagnosticare gli errori
  -> verificare il risultato

Un breve prompt di autocomplete non mostra la differenza principale dichiarata da Z.ai.

Confronto dei benchmark ufficiali di coding

Il report di lancio pubblica questi valori:

Z.ai riporta anche una 50% improvement rispetto a GLM-5.2 nello Z.ai Code Bench privato. Con Max effort, il grafico indica 34.5% con circa 75K output tokens per task per 5.3, contro 23.4% con 96K per 5.2.

Questi dati giustificano una valutazione, ma non dimostrano un miglioramento del 50% per ogni team. Il benchmark privato non è riproducibile dal post di lancio e quelli pubblici usano harness, timeout, limiti token, sampling e regole di scoring specifici.

Per Terminal-Bench 3.0 Z.ai cita Claude Code 2.1.207, reasoning_effort=max, contesto 400K, output fino a 128K, fino a 600 agent turns, timeout di dieci ore e tre rollout per task. Uno smoke test locale di cinque minuti è un altro esperimento.

La capacità di sicurezza cambia il confine operativo

Z.ai ha aggiunto dati e ambienti di vulnerability discovery al post-training e riporta:

È una prova utile per una revisione difensiva autorizzata, ma richiede controlli più severi: permessi minimi sul repository, esecuzione isolata, rete limitata, log delle attività tool e revisione umana delle modifiche sensibili. Testa solo sistemi per cui hai autorizzazione.

La capacità di benchmark non è un'autorizzazione. Un possibile exploit non autorizza test su sistemi di terzi.

La migrazione API cambia il thinking

GLM-5.3 offre tre livelli di reasoning:

{
  "model": "glm-5.3",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "max"
}

I valori consentiti sono low, high e max; il default è max, raccomandato per il coding.

GLM-5.3 non supporta più:

"thinking": { "type": "disabled" }

La richiesta fallisce. Prima di cambiare model ID, usa:

{
  "thinking": { "type": "enabled" },
  "reasoning_effort": "low"
}

Usa low come sostituto iniziale del vecchio percorso senza thinking, poi confronta high e max su task reali. Non cambiare modello e policy effort senza misurare latenza, output e tasso di accettazione.

API, Coding Plan e open weights sono percorsi diversi

Le tempistiche erano diverse, ma al 18 settembre 2026 sono disponibili tutti e tre i percorsi:

• GLM Coding Plan: Z.ai dichiara la disponibilità per gli utenti del piano.
• Developer API: la pagina ufficiale documenta glm-5.3 per OpenAI Chat Completions, OpenAI Responses e Anthropic Messages.
• Open weights: Z.ai ha pubblicato la model card zai-org/GLM-5.3 e le indicazioni di deployment.

Non sono intercambiabili. Abbonamento, API a consumo e self-hosting hanno fatturazione, quota, operazioni e supporto diversi.

Il catalogo modelli OmniaKey elenca ora glm-5.3 e glm-5.2 come ID separati. OmniaKey non sostituisce silenziosamente i modelli: l'ID richiesto resta visibile in usage e billing.

GLM-5.3 e GLM-5.2 hanno lo stesso prezzo API ufficiale

La tabella Z.ai indica per entrambi $1.40 per milione di token input non cached, $0.26 di cached input e $4.40 di output. Il cached-input storage è indicato come gratuito per un periodo limitato.

Lo stesso prezzo non rende uguale il costo per task. Possono cambiare reasoning/output tokens, retry e correzione umana. Coding Plan points, API diretta e gateway sono relazioni di billing diverse.

Prima di una migrazione misura sulla route reale:

1. input, cached input e output tokens per task accettato;
2. comportamento e condizioni di storage della cache;
3. disponibilità e latenza nella regione target;
4. rate limit e concorrenza;
5. retry, tool failure e correzione umana per ogni effort.

OmniaKey applica oggi la stessa relazione di prezzo Z.ai ai due modelli. Per l'importo corrente consulta ogni pagina; il calcolo cache del 5.2 è nel guida ai prezzi (English).

Conviene fare upgrade da GLM-5.2?

Valuta GLM-5.3 quando

• il task attraversa molti file, sistemi o verifiche;
• GLM-5.2 perde il piano in una lunga sequenza di tool;
• debugging difficile o modifiche a livello repository dominano il lavoro;
• è presente una security review autorizzata;
• puoi riprodurre le stesse condizioni per un test comparativo.

Mantieni GLM-5.2 quando

• il workflow dipende da thinking.type: "disabled";
• il lavoro è breve, deterministico e già affidabile;
• non puoi ancora riprodurre su 5.3 permessi, tool e criteri di accettazione;
• rollback e audit non sono pronti.

Il numero di versione non decide. Fai upgrade quando il costo o l'affidabilità del task accettato migliorano nel tuo contesto.

Come testare GLM-5.3 e GLM-5.2 in modo equo

Se entrambi sono disponibili tramite route comparabili, mantieni costanti:

Registra pass rate, durata, input, cached input, output, retry, tool failure, correzione umana e costo finale. Ripeti la prova: i risultati degli agenti di lungo orizzonte variano.

La guida ai modelli di coding (English) spiega il routing per tipo di task, non un vincitore universale.

Verdetto

GLM-5.3 è un rilascio di coding sostanziale, non un semplice cambio di numero. L'ampiezza dei miglioramenti riportati da Z.ai giustifica una valutazione prioritaria sui lavori di repository difficili.

Non è però un sostituto universale plug-and-play di GLM-5.2. API, prezzo, weights e route OmniaKey sono disponibili, ma la configurazione thinking va migrata e il comportamento production va confrontato.

Per nuove valutazioni di coding a lungo orizzonte parti da GLM-5.3. Mantieni 5.2 dove serve thinking opzionale o le prove di non-regressione non sono ancora sufficienti.

Domande frequenti

GLM-5.3 è migliore di GLM-5.2 per programmare?

Z.ai riporta risultati superiori nel Code Bench privato e in diversi benchmark pubblici. È il candidato prioritario per una valutazione, non una garanzia universale.

GLM-5.3 usa un nuovo base model?

No. Z.ai dice che la base è la stessa di GLM-5.2 e che il miglioramento viene dal post-training aggiuntivo.

L'API GLM-5.3 è disponibile?

Sì. La pagina developer documenta endpoint ed esempi per glm-5.3. Coding Plan, API a consumo e self-hosting restano percorsi distinti.

Quanto costa l'API GLM-5.3?

Z.ai elenca $1.40 per milione di input non cached, $0.26 di cached input e $4.40 di output, gli stessi prezzi ufficiali di GLM-5.2 alla verifica.

Cosa si rompe nella migrazione?

thinking.type: "disabled" non è supportato. Abilita thinking e imposta reasoning_effort su low prima di cambiare l'ID.

Posso usare GLM-5.3 tramite OmniaKey?

Sì. OmniaKey offre glm-5.3 e glm-5.2 come ID Z.ai separati. Controlla il catalogo live prima di spostare traffico production.

Fonti verificate

• Z.ai: GLM-5.3 launch report
• Z.ai: GLM-5.3 developer model page
• Z.ai: developer API pricing
• Z.ai: GLM-5.2 model page
• Z.ai: official GLM-5.3 model card
• OmniaKey live model catalog

Fatti verificati il 18 settembre 2026. Accesso API, disponibilità, prezzi, documentazione dei benchmark e supporto client possono cambiare. Ricontrolla le fonti primarie prima di migrare la produzione.