Dots vs GLM-5.2: I due estremi della catena di fornitura degli agenti

Dots and GLM-5.2 sit at opposite ends of the same supply chain, and neither one is the other's rival. Dots is the agent surface the company announced at DevDay on September 29, 2026 — an always-on worker with its own cloud computer and browser, connections to more than 4,000 apps, reachable in ChatGPT, Slack and Teams, powered by GPT-6 Astra and included with Pro and Business Premium at no extra cost. GLM-5.2 is Z.ai's open-weight flagship text model, released June 16, 2026, with a one-million-token context window, up to 128,000 tokens of output and a published rate of $1.40 per million input tokens and $4.40 per million output tokens. One is the layer you rent and cannot see inside; the other is the layer you can download, inspect and price to the token. If you are deciding how to run agents this quarter, that is the pair of decisions in front of you.

Che cos'è ciascuno, in un'unica passata

• Cos'è — un agente ospitato sempre attivo, privo di un identificatore di modello proprio (Dots), rispetto a un modello testuale scaricabile con pesi pubblicati (GLM-5.2)

• Chi lo realizza — OpenAI, annunciato al DevDay il 2026-09-29, contro Z.ai (Zhipu AI), rilasciato il 2026-06-16

• Dove viene eseguito — il computer cloud e il browser di OpenAI, isolati dalla tua macchina a meno che tu non li colleghi, rispetto a ovunque tu lo distribuisca: il tuo hardware, un cloud di tua scelta o il nostro endpoint

• Modello sottostante — GPT-6 Astra, denominato da OpenAI nei suoi materiali di lancio (dichiarato dal fornitore), contro GLM-5.2 stesso, un modello mixture-of-experts che Z.ai ha rilasciato con pesi aperti

• Modalità — messaggi, dati delle app e un browser da un lato, rispetto a solo testo in ingresso e in uscita, senza input di immagini o audio

• Capacità — limiti di risposta non documentati per un punto, rispetto a 1.000.000 di token di contesto e 128.000 token di output massimo

• Prezzo — il primo punto incluso con Pro o Business Premium, quota non pubblicata, contro $1,40 per milione di input e $4,40 per milione di output come indicato nel nostro catalogo

• Prove — demo dei fornitori, nessun benchmark indipendente per dots, a fronte di un Artificial Analysis Intelligence Index di 33,7 e di un 99,1 dichiarato dal fornitore su τ²-Bench, entrambi riportati con le relative fonti nel nostro catalogo

La metà open-weights e l'inghippo del primo giorno

La proposta di GLM-5.2 è quella familiare dei pesi aperti, e in questo caso è più forte del solito perché il modello è economico sotto ogni punto di vista e i pesi significano che la decisione sul deployment spetta a te. I risultati pubblicati da Z.ai stessa mettono in primo piano l'uso agentico degli strumenti — 99,1 su τ²-Bench, 76,8 su MCP-Atlas e 74,4 su FrontierSWE — e sono cifre del fornitore, cosa che vale la pena dire chiaramente perché sono i numeri che fanno sembrare il modello un affare. La misurazione indipendente è più equilibrata: un Artificial Analysis Intelligence Index di 33,7 lo colloca a metà classifica in quella graduatoria, una sezione τ-banking di 34,6 è modesta, e 78,3 sul recall su contesto lungo resta dietro ai leader attuali. Il nostro catalogo registra 123,2 milioni di token di traffico su questo modello negli ultimi sette giorni, il che è il segno più chiaro disponibile che le persone lo stiano effettivamente usando.

Ecco il punto, ed è il motivo per cui questo articolo esiste invece di essere un semplice confronto di specifiche. Artificial Analysis contrassegna GLM-5.2 come deprecato a favore di una versione più recente, GLM-5.3, e la sua pagina live lo dichiara in cima: il modello è ancora instradabile e ancora generalmente disponibile, ma la roadmap del fornitore è andata avanti e i valori dell'indice associati a GLM-5.2 sono un'istantanea anziché una misurazione continuativa. Le sue altre metriche indipendenti restano statiche per lo stesso motivo — l'avviso di AA spiega che dopo la deprecazione continua a eseguire benchmark solo sul carico di lavoro predefinito per il modello, e i risultati per tutto il resto diventano storici.

Da ciò derivano due lezioni, ed entrambe valgono ben oltre questo modello. Primo, un prezzo e una licenza sono fatti durevoli di un rilascio a pesi aperti; una posizione in classifica è un fatto mutevole, e un modello può essere economico, scaricabile e comunque superato. Secondo, il successore è già qui: Z.ai ha rilasciato GLM-5.3 come suo attuale modello di punta, a un prezzo inferiore a quello di GLM-5.2: $1.26 per l'input e $3.96 per l'output per milione, con un Intelligence Index indipendente di 44,8 contro il 33,7 di GLM-5.2. Chi sviluppa oggi dovrebbe considerare per primo il prezzo del modello più nuovo e trattare GLM-5.2 come la base più economica sotto di esso, non come la frontiera della famiglia.

Quanto costa un punto, e perché nessuno di voi due può preventivarlo

OpenAI ha pubblicato un unico prezzo per i dots — il primo è incluso con Pro e Business Premium, con limiti estesi nel primo mese e conversazioni che non intaccano i limiti di utilizzo di ChatGPT. Nessuna cifra relativa alla quota, nessun prezzo per un secondo dot, nessuna tariffa per velocità o capacità aggiuntive, nessun costo per attività completata e nessun prezzo enterprise per i dot specializzati attualmente in test interni. La copertura del keynote di CNBC vede la direttrice finanziaria Sarah Friar fissare il prezzo del nuovo livello Pro 500 da 500 $ come quota di utilizzo più la modalità Ultrafast, anziché come tariffa per dot; neanche il piano più costoso nel listino di OpenAI si traduce in un costo per unità di lavoro dell'agente.

GLM-5.2 ha il problema opposto, che è il problema migliore: troppi numeri, tutti verificabili. Il listino è di 1,40 $ e 4,40 $ per milione di token, con letture in cache a 0,26 $, e il modello è scaricabile, quindi il costo marginale di una richiesta eseguita da te è hardware ed elettricità anziché la fattura di un fornitore. Questo è il compromesso in una frase. Un dot ti dà un lavoratore e nessun contatore; GLM-5.2 ti dà un contatore e nessun lavoratore.

Mettere un modello a consumo sotto un agente che noleggi

Il modo utile per gestirli entrambi è dare a ciascuno la metà del lavoro che sa fare bene. Un dot si occupa del coordinamento: monitorare un progetto, inseguire le persone e i sistemi coinvolti, tornare con qualcosa di finito. GLM-5.2 — o il successore che hai valutato in termini di costo rispetto a esso — gestisce il ragionamento che devi padroneggiare: la passata di estrazione su un archivio da un milione di token, la generazione lunga, la coda di classificazione, la parte in cui una risposta sbagliata costa più dei token che ha fatto risparmiare.

Questa separazione richiede che la metà del ragionamento sia portabile, il che è un problema di routing più che di modello. OrcaRouter serve GLM-5.2 come z-ai/glm-5.2 al prezzo di listino del provider, trasferito con 0% di ricarico — nulla aggiunto in più, così un taglio delle tariffe di Z.ai arriva sul tuo account lo stesso giorno — in un catalogo di oltre 200 modelli dietro un'unica chiave, con gli strumenti di failover e routing che permettono a un job di passare al modello più recente o più economico senza modificare il codice. Ciò che non offre è un punto: non esiste un endpoint dots, nessun identificatore di modello per l'agente e nessun modo per scambiare l'intelligenza che gira al suo interno. Il confine è reale, e fingere il contrario sarebbe l'unica diapositiva disonesta in questo confronto.

La raccomandazione, espressa una volta

Se vuoi che il lavoro avvenga senza che sia tu a guidarlo, compra il dot — non costa nulla oltre a un abbonamento che potresti già avere, e il suo limite è che non puoi ancora dimostrare quanto ti abbia fatto risparmiare. Se vuoi sapere quanto costa il tuo ragionamento e poterlo spostare in seguito, metti GLM-5.2 o il suo successore dietro il tuo endpoint e misurane l'utilizzo. I team che ci stanno riuscendo bene alla fine del 2026 fanno entrambe le cose, e la disciplina che le fa funzionare è rifiutarsi di lasciare che lo strato noleggiato possieda qualcosa che non sarebbero in grado di sostituire.