Scheda di stato generata che contrappone MAI Code 2, disponibile dal 17 novembre 2026 a 0,50 $ per l'input e 2,50 $ per l'output per milione di token, a GLM-5.5, che non ha scheda del modello, identificatore API né prezzo, mostrato accanto al modello che Z.ai vende effettivamente, GLM-5.3.
Guides & Insights

MAI Code 2 vs GLM-5.5: Uno di questi modelli ha un tariffario

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

MAI Code 2 è stato rilasciato il 17 novembre 2026 con una model card di 24 pagine, una tariffa promozionale pubblicata di 0,50 $ per milione di token in input e 2,50 $ per milione in output, e una distribuzione in GitHub Copilot. GLM-5.5 non ha nessuna di queste cose. La piattaforma API di Z.ai arriva al massimo a GLM-5.3 e GLM-5.3-Flash; l'organizzazione Hugging Face del laboratorio non ha alcun checkpoint che riporti il numero 5.5; non esiste una riga di listino, né un identificatore API né una model card. Quindi il confronto promesso dal titolo non può essere eseguito, e fingere il contrario significherebbe inventare una specifica. Ciò che si può eseguire è MAI Code 2 contro GLM-5.3, il modello che Z.ai vende davvero — oltre a un resoconto preciso di ciò che dovrebbe comparire prima che «GLM-5.5» diventi qualcosa che si possa chiamare, e del perché chi arriva su questa pagina dovrebbe interessarsi alla differenza tra una roadmap e un prodotto.

Cosa esiste su ciascun lato, verificato questa settimana

• MAI Code 2 — rilasciato il 17 novembre 2026, model card pubblicata, pesi non distribuiti, accesso API solo all'interno di GitHub Copilot

• GLM-5.5 — nessun rilascio, nessuna model card, nessun identificatore, nessun prezzo, nessun peso, nessuna pagina del fornitore che utilizzi il nome

• GLM-5.3 — rilasciato ad agosto 2026, pesi aperti su Hugging Face all'interno dell'organizzazione di Z.ai, API attiva sulla piattaforma di Z.ai

• GLM-5.3-Flash — rilasciato il 26 agosto 2026, il fratello ad alto volume, anch'esso con pesi aperti

L'assenza non è un dettaglio tecnico. Un modello esiste quando un laboratorio accetta il tuo denaro o ti consegna i pesi. Z.ai fa entrambe le cose per GLM-5.3 e nessuna delle due per qualunque cosa numerata 5.5. Ogni affermazione che circola su GLM-5.5 poggia su una previsione della finestra di rilascio anziché su una dichiarazione del fornitore, e in questa linea le finestre sono già slittate in passato — dalla finestra di agosto che ha prodotto GLM-5.3 ci si aspettava ampiamente che producesse un modello chiamato GLM-5.4.

Il confronto che puoi davvero eseguire: MAI Code 2 vs GLM-5.3

Two-column card contrasting MAI Code 2, released 17 November 2026 at $0.50 and $2.50 per million tokens with 1,050,000-token context and no distributed weights, against GLM-5.3, released August 2026 with open weights, a $1.26 and $3.96 rate row and an Artificial Analysis Intelligence Index of 32.

Questi due sono più vicini nello spirito che nel prezzo. Entrambi sono pensati per il lavoro software su scala di repository. Entrambi sono chiusi nel caso di MAI Code 2 e aperti in quello di GLM-5.3, che è la differenza strutturale più netta tra loro.

• Prezzo di input — MAI Code 2 a 0,50 $ per milione di token (promozionale, fino al 17 maggio 2027) rispetto a GLM-5.3 a 1,26 $ secondo la riga tariffaria strutturata di OrcaRouter, 1,40 $ secondo il testo descrittivo del fornitore stesso

• Prezzo di output — $2,50 vs $3,96 secondo la riga strutturata, $4,40 secondo il testo descrittivo

• Dopo la finestra promozionale — MAI Code 2 passa a 1,00 $ e 5,00 $ il 17 maggio 2027; GLM-5.3 non ha modifiche annunciate

• Contesto — GLM-5.3 ha una finestra di 1.000.000 di token; MAI Code 2 ne ha 1.050.000, quindi i 50.000 in più sono l'unico punto in cui il modello Microsoft è avanti su questo fronte

• Output massimo — 128.000 token su entrambi

• Cosa accetterà — GLM-5.3 è testo in input, testo in output; MAI Code 2 accetta anche immagini in input, il che conta solo se i tuoi ticket contengono screenshot

• Pesi — MAI Code 2 non ne distribuisce alcuno; GLM-5.3 è scaricabile, quindi puoi eseguirlo tu stesso

• Punteggio indipendente — MAI Code 2 non ne dispone; GLM-5.3 registra 32 sull'Artificial Analysis Intelligence Index v5.0.1 a 5,01 $ per attività dell'indice

La discrepanza di prezzo sul fronte GLM merita di essere segnalata anziché attenuata: la cifra strutturata del catalogo e il testo in prosa della pagina del fornitore non concordano, e quale delle due paghi dipende da come viene applicato il tariffario. È un motivo per verificare il numero nel momento in cui ti impegni, non un motivo per sceglierne uno e considerarlo definitivo.

Cosa ti dice il punteggio indipendente di GLM-5.3 che i numeri del fornitore di MAI Code 2 non ti dicono

Screenshot of the Artificial Analysis page for GLM-5.3 showing an Intelligence Index of 32, an August 2026 release, open weights and a $1.40 per million input token rate.

Il 32 di GLM-5.3 non è impressionante di per sé. Si colloca sotto Claude Opus 5.5 a 59, Gemini 4 Carbon a 60 e GPT-6.1 Sol a 55, e servono 22 minuti e 5,01 $ per attività di indicizzazione per arrivarci. Ma è un numero prodotto da qualcuno senza interessi nel marketing di Z.ai, sulla stessa base di nove valutazioni di tutti gli altri, e questo lo rende comparabile al resto della classifica in un modo in cui non lo è la dichiarazione di Microsoft del 96% di Opus.

Le cifre di Microsoft — 73,2% su DeepSWE 1.1, 84,6% su TerminalBench 2.1, 43,1% su SWE Atlas, tutte con il massimo sforzo di ragionamento — provengono da MSBench, l'harness interno di Microsoft, tramite la GitHub Copilot CLI. La scheda del modello è insolitamente trasparente sul metodo e insolitamente silenziosa sulla conferma indipendente. Quando un lato di un confronto ha un punteggio di terze parti e l'altro ha un tasso di successo di prima parte, la lettura onesta è che sai dove si colloca GLM-5.3 e sai cosa dice Microsoft di MAI Code 2.

La questione dei pesi aperti decide più di quanto non faccia il punteggio.

Screenshot of the Hugging Face model card for zai-org/GLM-5.3, showing an openly published repository under Z.ai's own organisation with a TextGeneration pipeline tag, and the model card's statement that GLM-5.3 uses the same base model as GLM-5.2 and takes its gains from post-training.

Questa è la differenza che cambia davvero l'architettura, non l'approvvigionamento. GLM-5.3 è scaricabile. Puoi installarlo sul tuo hardware, eseguire il fine-tuning sulla cronologia del tuo repository, mantenere il traffico all'interno della tua rete e smettere di pagare per token nel momento in cui il tuo volume supera il costo di una GPU. Z.ai offre anche un percorso di personalizzazione — l'equivalente di Microsoft è MAI Licensed Weights, annunciato lo stesso giorno di MAI Code 2, che consente a un'organizzazione di eseguire un modello MAI personalizzato all'interno del proprio ambiente Azure. Le due non sono la stessa offerta. Una è un file che puoi scaricare ed eseguire ovunque tu voglia; l'altra è un accordo commerciale che tiene il modello all'interno di un cloud Microsoft e mantiene i pesi nelle mani di Microsoft.

Per un team il cui vincolo è la residenza dei dati, GLM-5.3 risponde direttamente alla domanda. Per un team il cui vincolo è che opera già su Azure e desidera un modello supportato con un fornitore alle spalle, MAI Licensed Weights è la soluzione più adatta — ed è un acquisto separato dall'abbonamento Copilot che dà accesso a MAI Code 2 a consumo.

Dove MAI Code 2 è disponibile e dove non lo è

Dal lato Copilot la superficie è ampia ma la porta è stretta: cinque livelli di abbonamento, da Pro fino a Enterprise, e ogni editor per cui GitHub distribuisce un'estensione. Quello che manca è ciò di cui un'applicazione ha bisogno: un ID modello e un URL. MAI Code 2 Flash ha un'anteprima Foundry ad accesso limitato su un'API Responses compatibile con OpenAI; il modello di grandi dimensioni non ha alcuna distribuzione Foundry, nessun endpoint pubblicato e nessuna data per averne uno, e Microsoft dice solo che una disponibilità più ampia è in arrivo.

GLM-5.3, al contrario, è sull'API proprietaria di Z.ai ed è disponibile come pesi, il che significa che esistono una dozzina di soluzioni di hosting che nessuno dei due fornitori controlla. Questa è la differenza pratica tra un modello con un ecosistema e un modello con un lancio.

Se GLM-5.5 dovesse apparire, cosa cambierebbe?

Tre cose dovrebbero essere vere prima che diventi un vero confronto. Una model card o un annuncio del fornitore, perché un nome in un thread di indiscrezioni non è un rilascio. Un tariffario, perché l'unica decisione che un acquirente prende è il costo per token rispetto al costo per attività. E dei pesi o un endpoint, perché un modello che non puoi chiamare è un comunicato stampa. La forma probabile, se Z.ai segue il proprio schema, è un modello testuale di classe GLM-5.3 con un punteggio di indice più alto e pesi aperti — il che lo renderebbe un'alternativa genuina a MAI Code 2 per chiunque abbia bisogno di eseguire il modello anziché noleggiarlo, e nessuna alternativa per chiunque lavori dentro Copilot.

Eseguire entrambi i lati su un'unica chiave

GLM-5.3 è nel catalogo di OrcaRouter al tasso di pass-through, con uno 0% di ricarico, insieme a Claude Opus 5.5, Gemini 4 Carbon e GPT-6.1 Sol — così il lato open-weights di questo confronto può essere misurato contro la frontiera chiusa con un'unica chiave, senza un secondo contratto. È questa la capacità utile in un confronto in cui un modello è una promessa: puoi dare un prezzo alle alternative che hai davvero, oggi, e vedere cosa dovrebbe battere il modello che non esiste. MAI Code 2 non è nel nostro catalogo; la via pubblicata è GitHub Copilot.

Per un lettore arrivato qui per scegliere: se volete un modello che esista, abbia pesi aperti e un prezzo pubblicato, GLM-5.3 è la risposta sul fronte Z.ai. Se volete il modello di coding più economico per token, con un percorso di supporto Microsoft, e lavorate in Copilot, MAI Code 2 è quello disponibile oggi. GLM-5.5 non è né l'uno né l'altro, e la cosa onesta da fare con un nome che non ha alcun modello dietro è aspettare la model card invece di pianificare in base al nome.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno