GPT-6.1 Terra vs GLM-5.5: il modello mancante e quello che puoi scaricare

La ricerca di GPT-6.1 Terra rispetto a GLM-5.5 restituisce molte tabelle piene di sicurezza su un modello che non esiste. Z.ai non ha pubblicato alcuna model card, alcun identificatore API, alcun prezzo e alcun peso con il nome GLM-5.5; il suo catalogo arriva ancora al massimo a GLM-5.3, rilasciato a metà agosto 2026, con i pesi aperti resi disponibili più avanti nel mese. Terra, al contrario, è uscito il 26 ottobre ed è utilizzabile oggi. Quindi il vero confronto è Terra contro GLM-5.3 — e su quel confronto i due modelli costano quasi esattamente lo stesso per token, mentre Terra costa circa un quinto per attività completata. Il motivo non è un trucco di prezzo. È la verbosità.

Vale la pena precisare lo stato di GLM-5.5, perché la macchina delle voci è stata produttiva. Le indiscrezioni di fine ottobre indicano una finestra di lancio tra la fine di ottobre e l'inizio di novembre 2026. Note leaked suggeriscono da 2,5 a 3,5 trilioni di parametri totali, in aumento rispetto alle precedenti affermazioni di 1T e 1,6T, e un obiettivo di prestazioni di "classe Fable". Z.ai stessa ha dichiarato solo che GLM-5.4 e GLM-5.5 saranno della classe dei trilioni di parametri, e ha menzionato GLM-6.0 durante la call sugli utili del 31 agosto senza una data. Niente di tutto ciò è un prodotto. Il test in quattro parti — un ID API richiamabile, prezzi pubblicati con tariffe per la cache, una presenza indipendente in una classifica e pesi scaricabili — attualmente fallisce su tutti e quattro.

Il modello che si trova effettivamente dall'altra parte di questo confronto

• GLM-5.3 — rilasciato a metà agosto 2026; pesi aperti con licenza GLM-5.3; circa 750B parametri totali con circa 40B attivi per token; contesto da 1M token; output da 128K; solo testo; thinking attivo per impostazione predefinita; prezzo di listino $1,40/$4,40 per 1M di input/output, oppure $1,26/$3,96 tramite OrcaRouter.

• GPT-6.1 Terra — rilasciato il 26 ottobre 2026; pesi chiusi; contesto di 1,05M di token; output di 128K; input testuale e immagini; sei livelli di ragionamento; 1,00 $/5,00 $ per 1M di token in input/output, che salgono a 2,00 $/7,50 $ oltre 272K token in input; input in cache 0,05 $.

• Indice di Intelligenza Indipendente — Terra 48, GLM-5.3 45, sulla scala attuale di Artificial Analysis.

Sul tariffario sono quasi gemelli. Al prezzo pass-through di OrcaRouter, GLM-5.3 costa $1,26/$3,96 contro $1,00/$5,00 di Terra. GLM costa il 26% in meno sull'input e il 21% in meno sull'output. Un team che scegliesse in base a questi due numeri prenderebbe GLM-5.3 e passerebbe oltre.

Per token costano lo stesso; per compito no.

Artificial Analysis misura il costo per attività dell'Intelligence Index, che include quanti token un modello spende effettivamente per arrivare a una risposta. Terra si attesta a circa $0,40. GLM-5.3 si attesta a circa $2,01 — cinque volte tanto, nonostante le tariffe per token più convenienti. La causa è visibile nella valutazione stessa: Terra ha consumato circa 130M token di output nell'intera suite, GLM-5.3 circa 210M. GLM-5.3 riflette più a lungo, ripete di più e lo paga al contatore.

Questa è la cosa più utile in assoluto da capire sul confronto, ed è quella che la copertura del lancio di entrambi i modelli tende a tralasciare. I prezzi dei token sono un input del costo, non una sua misura. Un modello che costa il 20% in meno per token ed è il 60% più verboso costa il 33% in più per risposta. Per estrazione, classificazione o generazione di risposte brevi ad alto volume, quell'inversione decide la fattura.

Significa anche che il confronto si inverte in base alla forma del carico di lavoro. La verbosità di GLM-5.3 pesa soprattutto sugli output brevi, dove il sovraccarico del ragionamento domina. Nella generazione long-form, dove entrambi i modelli producono comunque migliaia di token, la differenza di prezzo per token si riafferma e lo sconto del 21% sull'output di GLM diventa denaro reale.

Dove GLM-5.3 è comunque l'acquisto migliore

I pesi aperti sono la risposta ovvia, e non sono cosa da poco. GLM-5.3 può essere scaricato, ospitato autonomamente, sottoposto a fine-tuning e mantenuto all’interno di un perimetro di conformità. Terra no. Per un settore regolamentato, un deployment air-gapped o un team che ha bisogno che un modello smetta di cambiare sotto i propri piedi, questo chiude la questione prima ancora di consultare i benchmark.

GLM-5.3 presenta anche un solido profilo tecnico in rapporto al prezzo. Guida il campo dei modelli a pesi aperti nell'indice di Artificial Analysis, più o meno alla pari con Kimi K3, ed è insolitamente forte nella ricerca su cybersecurity e vulnerabilità: sia le valutazioni informatiche di Zhipu sia i test red-team di Anthropic lo collocano vicino ai modelli di frontiera nella scoperta di exploit. Su SciCode ha ottenuto 59,0, davanti al 54,2 di GPT-6.1 Sol, anche se Terra non era elencato in quella prova. Supporta un contesto di 1M token e uno sconto sulla cache di circa l'81%, il che rende i prompt lunghi ripetuti più economici di quanto suggerisca il prezzo di listino.

I suoi limiti sono altrettanto chiari. È solo testo: niente immagini, niente audio, niente PDF. Il ragionamento è sempre attivo, con più livelli di sforzo ma nessun vero interruttore per disattivarlo. E la verbosità è un vero costo operativo, non solo un artefatto di benchmark — si manifesta come latenze più lunghe, bollette più salate e più token da filtrare nelle pipeline a valle.

Dove Terra vince

Il vantaggio di tre punti di Terra nell'indice è modesto, e le suite indipendenti lo fanno sembrare ancora più esiguo. Nel Vals Index, Terra ottiene il 60,17% contro il 59,73% di GLM-5.3 — un divario di 0,44 punti che rientra nel rumore, a un costo per test più alto di 2,92 $. Nel benchmark contabile di DualEntry, GLM-5.3 ha ottenuto un punteggio più alto e a un costo inferiore rispetto al 78,2% di Terra. Se la domanda è «quale modello è più intelligente», la risposta onesta è che sono così vicini che il benchmark che scegli determina il vincitore.

I vantaggi di Terra stanno altrove. Accetta immagini; GLM-5.3 no. Offre sei livelli di ragionamento, così il traffico semplice può essere indirizzato a uno sforzo basso, cosa che il pensiero sempre attivo di GLM non consente. Il suo limite delle conoscenze è giugno 2026, contro la precedente finestra di addestramento di GLM-5.3. Ed è veloce: 90,9 token di output al secondo su Artificial Analysis, nella stessa fascia di GLM-5.3, la cui velocità effettiva misurata è variata tra i 60 alti e i 90 medi a seconda del provider e dello snapshot. Velocità più costo inferiore per attività è una combinazione davvero forte per i prodotti interattivi.

Il sovrapprezzo per 272K gioca a sfavore. Oltre quella soglia di input, i prezzi di Terra salgono a $2.00/$7.50, il che annulla del tutto il suo vantaggio sull'input rispetto a GLM-5.3 e rende l'output più costoso dell'89%. I flussi di lavoro con documenti lunghi dovrebbero essere valutati al prezzo con sovrapprezzo, non a quello di copertina.

Se GLM-5.5 arriva davvero

Il modo utile di pensare al modello mancante non è "che punteggio otterrà" ma "cosa dovrebbe essere vero perché possa cambiare questa decisione". Tre cose:

• Dovrebbe essere drasticamente meno prolisso. Un modello da 2,5T parametri che ragiona persino più a lungo di GLM-5.3 perderebbe sul costo per attività, per quanto buono possa sembrare il suo prezzo per token. I rumor sui parametri vanno nella direzione sbagliata su questo.

• Servirebbero pesi aperti al lancio, non settimane dopo. I pesi di GLM-5.3 sono arrivati circa dieci giorni dopo l'API; quel ritardo basta a rompere un ciclo di approvvigionamento.

• Dovrebbe avere un prezzo inferiore a quello di GLM-5.3, oppure un salto di capacità abbastanza grande da giustificare un sovrapprezzo. Un modello da un trilione di parametri servito a tariffe di frontiera non batterebbe i 0,40 $ per attività di Terra.

Niente di tutto ciò è una previsione. È la lista di controllo da eseguire il giorno in cui compare una scheda. Fino ad allora, GLM-5.5 è un motivo per tenere d'occhio le note di rilascio di Z.ai, non un motivo per rimandare una decisione.

Eseguo entrambi oggi

GLM-5.3 è nel catalogo di OrcaRouter a $1,26/$3,96 per milione di token, il prezzo di listino del provider applicato con 0% di ricarico, insieme a oltre 200 altri modelli su un'unica chiave con failover automatico. Terra non è nel catalogo alla data di pubblicazione — è disponibile tramite l'API di OpenAI e diverse piattaforme di terze parti — quindi l'esperimento pratico consiste nel chiamare GLM-5.3 tramite OrcaRouter e Terra tramite OpenAI, per poi confrontarli sul proprio traffico anziché su una classifica.

Quando lo farai, misura i token per attività completata, non il prezzo per token. È questo il numero che separa i due modelli, ed è il numero che nessuno dei due post di lancio ha messo nel titolo. Se Terra completa il tuo carico di lavoro con un terzo in meno di token in output, il suo svantaggio del 21% sul prezzo dell'output scompare e la sua tariffa di input più economica inizia a fare la differenza. Se il reasoning di GLM-5.3 si ripaga con meno tentativi e meno revisione umana, il conto per attività si ribalta. Le medie dei benchmark dicono che i modelli sono a pochi punti di distanza. I tuoi conteggi di token diranno quale dei due costa meno.

La domanda sull’attesa ha una risposta semplice. GLM-5.5 potrebbe arrivare entro poche settimane; GLM-5.3 è scaricabile ora, e Terra è utilizzabile ora. Un team che ha bisogno di pesi aperti ha una sola opzione reale oggi, e un team che ha bisogno del costo più basso per attività completata ne ha un’altra. Nessuna di queste opzioni migliora aspettando un modello senza endpoint.