Claude Fable 5.1 vs GLM-5.2: affittare il vertice dell'indice o possedere l'ultima ammiraglia aperta

La domanda alla base di ogni confronto tra modelli chiusi e aperti non è realmente "quale modello ottiene un punteggio più alto" — è chi controlla la cosa su cui stai costruendo. Claude Fable 5.1, il modello di punta di Anthropic rilasciato il 1° settembre 2026, è attualmente in cima all'Artificial Analysis Intelligence Index con 66 punti, e puoi solo noleggiarlo: pesi chiusi, API chiusa, sicurezza e prezzi entrambi controllati da Anthropic. GLM-5.2, il modello di punta di Zhipu con pesi aperti, rilasciato il 16 giugno 2026 con pesi su licenza MIT su Hugging Face, è il modello più potente che puoi davvero possedere — scarica il file, eseguilo sulle tue GPU, mettilo a punto, mettilo dietro il tuo firewall e non pensare mai più al tariffario del fornitore. Tutto il resto in questo confronto — il divario di quindici punti, il divario di prezzo di sette volte, il divario multimodale — è un dettaglio rispetto a quell'unico fatto contrattuale.

La licenza è la specifica.

Inizia da ciò che ogni modello ti permette di fare, perché determina ogni altro numero. {{1}}I pesi di GLM-5.2 sono concessi in licenza MIT, che rappresenta l'estremità permissiva dello spettro degli open-weights: nessuna restrizione sull'uso commerciale, nessuna restrizione sulla modifica, nessun obbligo di condividere le tue modifiche.{{/1}} È un modello mixture-of-experts di circa 753 miliardi di parametri con circa 40 miliardi di parametri attivi, il che in pratica significa un impegno infrastrutturale serio ma contenuto — circa 1,5 TB in BF16, eseguibile su un nodo multi-GPU. Puoi anche semplicemente utilizzarlo in modalità hosted, tramite l'API di Zhipu e OrcaRouter, e saltare del tutto l'hardware.

Claude Fable 5.1 non offre nulla di tutto ciò. È un servizio con un involucro di sicurezza — Anthropic lo distribuisce come volto ampiamente disponibile dei suoi pesi di classe Mythos, lo stesso modello sottostante che alimenta il Claude Mythos 5.1 riservato a organizzazioni certificate nei settori cyber e scienze della vita. Ottieni le capacità, le garanzie e i miglioramenti continui, e rinunci al file. Per una startup che vuole muoversi in fretta, questo compromesso va bene. Per una banca, un appaltatore della difesa o chiunque i cui dati non possano lasciare la propria VPC, l'opzione chiusa può essere squalificata prima ancora di discutere dei benchmark.

Il divario di capacità, misurato

Sull'indice indipendente il divario è inequivocabile. Claude Fable 5.1 è in testa con 66 (massimo sforzo) — il punteggio più alto mai registrato da Artificial Analysis — mentre GLM-5.2 si attesta a 51, che lo rendeva il miglior modello open-weights al momento del rilascio. Il divario si riduce nelle configurazioni predefinite di AA, dove l'impostazione predefinita di fallback di Claude Fable 5.1 riporta 53 contro i 51 di GLM-5.2, quindi la lettura onesta è un ampio divario di tetto e un divario servito ristretto. Sui benchmark agentici riportati da Anthropic il margine si allarga in un'altra lega: 52.6% su Terminal-Bench-Science 0.1 e 55.8% su Terminal-Bench 4.0 non sono numeri a cui qualsiasi modello open-weights si stia attualmente avvicinando.

I punti di forza reali di GLM-5.2 sono più circoscritti e concreti. È stato il primo modello open-weights a raggiungere la vetta di un'importante arena di design e frontend, classificandosi #1 nella Design Arena con un Elo di 1.360 che ha superato di poco Claude Fable 5 — un risultato da vendor-arena, ma concreto in una disciplina in cui i modelli open raramente sono in testa. Zhipu riporta 62.1 su SWE-bench Pro, il miglior punteggio open-weights al rilascio, e GLM-5.2 regge bene nella programmazione quotidiana e nella generazione strutturata. Il riassunto onesto: GLM-5.2 è un modello open-weights di coding e generazione molto forte, che ha colmato gran parte del divario con la precedente generazione di Claude, mentre Claude Fable 5.1 è un gradino sopra nei ragionamenti più difficili e nel lavoro agente a lungo orizzonte.

La scheda tecnica, fianco a fianco.

• Prezzo — Claude Fable 5.1 $10.00 / $50.00 per 1M vs GLM-5.2 $1.40 / $4.40 per 1M su Z.AI (lettura in cache $0.26). Circa 7 volte più economico in input e 11 volte in output.

• Licenza — Claude Fable 5.1 chiuso, solo API vs GLM-5.2 pesi open MIT su Hugging Face, auto-ospitabile.

• Scala — Claude Fable 5.1 con pesi non divulgati vs GLM-5.2 con 753B totali / ~40B attivi MoE, ~1,5TB in BF16.

Contesto / output massimo — sia contesto da 1M di token che output massimo di ~128K.

• Input — Claude Fable 5.1 accetta testo e immagini; GLM-5.2 è solo testo.

• Punteggio indipendente — Claude Fable 5.1 totalizza 66 sull'AA Intelligence Index (massimo), contro GLM-5.2 che si ferma a 51, il punteggio più alto tra i modelli open-weights al momento del rilascio.

Il costo reale di ogni scelta

Un esempio con bolletta mensile rende concreto il confronto tra affitto e acquisto. Prendi 100 milioni di token in ingresso e 20 milioni di token in uscita in un mese: un carico di lavoro di coding intenso, ma niente di eccezionale. Al prezzo di listino di Claude Fable 5.1, questo significa $1.000 per l'ingresso e $1.000 per l'uscita: $2.000. Con la tariffa hosted di GLM-5.2, invece, sono $140 per l'ingresso e $88 per l'uscita: circa $228 — una differenza di quasi nove volte sugli stessi volumi di token, prima ancora di considerare gli sconti cache da entrambe le parti. Moltiplica per un anno e la differenza finanzia un bel po' di infrastruttura.

Possedere il modello cambia quali costi vedi, ma non li elimina. Un GLM-5.2 self-hosted sostituisce il conto per token con GPU, energia elettrica e un team di inferenza, e per un modello di queste dimensioni la voce hardware è concreta — ma è un costo fisso che si ammortizza, non scala linearmente con il tuo utilizzo, e offre un controllo dei dati che nessuna API può eguagliare. Le due opzioni non sono "Anthropic costosa contro Zhipu economica"; sono una decisione opex e una decisione capex con un'etichetta di prezzo.

Quando l'opzione aperta vince davvero.

Scegli GLM-5.2 quando il volume è alto e il compito è ben compreso — assistenza alla codifica su larga scala, estrazione strutturata, pipeline di generazione in cui il modello è un lavoratore instancabile piuttosto che un pensatore. Sceglilo quando la sovranità dei dati esclude del tutto l'API, quando devi fare fine-tuning su codice proprietario, o quando vuoi un modello i cui pesi nessun fornitore può revocare. Il risultato della design arena è un promemoria che, in ambiti specifici e ben delimitati, un modello aperto può primeggiare, e la licenza MIT significa che qualsiasi vantaggio trovi è tuo da tenere.

Quando non lo fa.

Scegli Claude Fable 5.1 quando il compito si colloca al limite massimo del ragionamento — ricerca autonoma, agenti a lungo orizzonte, quei lavori in cui un modello che si arrende presto fa fallire l'intera esecuzione — o quando hai bisogno di input di immagini, che GLM-5.2 non accetta. Sceglilo quando vuoi il perimetro di sicurezza e la cadenza di aggiornamento di un fornitore che migliora attivamente il suo prodotto di punta, e quando preferisci pagare a token piuttosto che gestire GPU. E se non sei sicuro, il pattern di routing risolve la questione senza una scelta permanente: GLM-5.2 e Claude Fable 5.1 sono entrambi su OrcaRouter ai prezzi di listino dei rispettivi fornitori con zero ricarichi, quindi puoi inviare il lavoro ad alto volume a GLM-5.2, escalare i compiti difficili a Claude Fable 5.1 e calibrare la suddivisione man mano che arrivano le tue valutazioni — mantenendo al contempo l'opzione di self-hostare GLM-5.2 in seguito se il volume giustificasse mai l'hardware.