GLM 5.2: l'AI a un quinto del costo, senza svendere qualità né dati

È uscito un modello open-weight che su molti compiti regge il confronto con i modelli di punta e costa una frazione. Non è una notizia da addetti ai lavori: è il costo per portare a termine un task con l'AI che crolla, e cambia il conto di ogni automazione.

Per la prima volta una PMI può spostare gran parte del suo lavoro di AI, ricerca, bozze, prime versioni di interfacce, automazioni ad alto volume, su un modello che costa circa un quinto, tenendo quello di punta solo dove serve davvero ragionare. La bolletta scende, la qualità sui compiti giusti no. Il modello si chiama GLM 5.2, ed è open-weight.

Il prima: un solo modello premium per tutto

Molte aziende oggi pagano un unico modello di fascia alta per qualsiasi cosa, anche per ricerca, prime bozze e automazioni dove il top non serve. Due conseguenze: una bolletta gonfiata e la dipendenza da un solo fornitore, che può alzare i prezzi o togliere una funzione quando vuole. E può sparire anche per cause fuori dal suo controllo: poche settimane fa un modello di punta è stato staccato dall'oggi al domani per una direttiva. Quello che affitti può non esserci più, senza che tu abbia sbagliato niente.

Cosa è GLM 5.2, in breve

È un modello open-weight uscito a giugno con licenza MIT: puoi usarlo, ospitarlo dove vuoi e tenere i dati in casa. Sotto il cofano è grande (architettura a esperti, 753 miliardi di parametri totali, contesto fino a un milione di token), ma il dato che conta per chi fa impresa è un altro: su molti compiti pratici, dal frontend al lavoro di conoscenza alle automazioni, regge il confronto con i modelli chiusi di punta.

La parte che cambia il bilancio: il prezzo

I numeri parlano da soli. GLM 5.2 costa intorno a 1,40 e 4,40 dollari per milione di token, input e output. Un modello di punta come Opus 4.8 ne costa 5 e 25. Sull'output significa circa un quinto del costo, sull'input ancora meno. Quanto risparmi davvero dipende dal mix del tuo carico, ma l'ordine di grandezza è quello: una frazione. Se metà del lavoro che oggi paghi a tariffa premium può girare qui con la stessa resa, il margine delle tue automazioni cambia di segno.

Il limite onesto

Non vince ovunque, e chi te lo vende come "sostituisci tutto" ti sta vendendo fumo. Sul ragionamento puro, sul debugging complesso e sui casi limite più sottili un modello come Opus resta più preciso. Per questo la risposta giusta non è "passa al modello economico", è "usa ogni modello dove rende".

Come si fa, in pratica

Si instrada ogni compito al modello giusto. La parte ad alto volume e a bassa criticità va su un modello economico come GLM, i passaggi che richiedono giudizio restano su Opus. Per chi sviluppa è un dettaglio tecnico (si cambia un'impostazione e il modello gira dentro lo stesso ambiente, senza ricostruire niente); per l'imprenditore è solo la bolletta che scende. È così che è costruita Aima, il sistema che uso per me e per i clienti: model-agnostic, il modello è una scelta che puoi cambiare, non una gabbia. E con un modello open-weight c'è un bonus che un imprenditore sente: niente lock-in, e i dati possono restare tuoi.

Io sto già testando GLM dentro i miei agenti, sui passaggi dove la qualità basta e il volume è alto, tenendo Opus dove serve ragionamento. Se vuoi capire dove, nella tua azienda, puoi tagliare il costo dell'AI senza perdere in resa, in una consulenza mappiamo i tuoi task, definiamo la regola di instradamento e stimiamo il risparmio sulla tua spesa attuale.