Muse Wonder vs GLM 5.5: solo uno di questi modelli ha un listino prezzi

Non esiste alcun GLM 5.5. Non esiste una scheda modello, un identificatore API, una riga di prezzo, un repository Hugging Face né una pagina sul sito di Z.ai che porti quel nome, e non è mai esistita: è un'abbreviazione della community che il fornitore non ha adottato. Meta Muse Wonder, al contrario, è stato rilasciato il 12 ottobre 2026 con un endpoint, un prezzo per token pubblicato e due checkpoint, e puoi chiamarlo oggi stesso. Quindi un confronto letterale tra Meta Muse Wonder e GLM 5.5 è un confronto con una voce infondata. Il confronto che può davvero orientare una decisione è Meta Muse Wonder contro GLM-5.3, l'ammiraglia che Z.ai ha effettivamente rilasciato in agosto, e questo abbinamento si scopre avere una risposta più netta della maggior parte dei confronti diretti: un divario di intelligenza di sette punti contro circa la metà del costo per attività completata.

Ciò che esiste, e ciò che è soltanto un nome

La disciplina che questo pezzo richiede è una linea netta tra i due.

• Meta Muse Wonder — in disponibilità generale dal 12 ottobre 2026 sull'API Model di Meta come muse-wonder-1.0. 4,00 $ per milione di token di input, 0,20 $ per input in cache, 20,00 $ per milione di output. Una finestra di contesto di 1.048.576 token. Ragionamento sempre attivo, con livelli di impegno da massimo a minimo, con valore predefinito medio.

• Meta Muse Wonder Full — un secondo checkpoint nello stesso lancio, muse-wonder-full-1.0, con un punteggio più alto e venduto solo all'interno di un abbonamento Muse Code anziché per token.

• GLM-5.3 — generalmente disponibile da agosto 2026. Annunciato il 14 agosto, API attiva intorno al 18 agosto, pesi aperti pubblicati il 28 agosto. $1,40 per milione di token di input, $0,234 in cache, $4,40 per milione di output. Una finestra da 1.000.000 di token con 128.000 token di output massimo. Testo in ingresso, testo in uscita. Il ragionamento è controllato da reasoning_effort su low, high o max, e il thinking non può essere disabilitato.

• GLM 5.5 — niente. Nessun annuncio del fornitore, nessun identificatore, nessun peso, nessuna licenza, nessun punteggio.

Quell'ultimo punto non è pedanteria. L'interesse di ricerca per "GLM 5.5" è reale, il nome circola in screenshot di benchmark e thread di forum, e le pagine che rispondono alla query stampando una scheda tecnica stanno inventando le specifiche. L'organizzazione dei modelli di Z.ai arriva al massimo alla serie GLM-5.3, inclusi GLM-5.3-Flash e il livello FlashX; GLM-5.4, GLM-5.5 e GLM-6 sono stati tutti ipotizzati e l'azienda non ne ha confermato nessuno.

Da dove viene il nome e quando potrebbe diventare realtà

L'etichetta 5.5 risale a una data, non a un documento. Una previsione di analista rilanciata il 25 giugno 2026 collocava il prossimo modello di punta di Z.ai ad agosto; quella era una finestra di osservazione, non un impegno del fornitore, e agosto si è chiuso con il rilascio di GLM-5.3. Leggendo la cadenza effettiva di Z.ai — all'incirca un modello di punta ogni 54-70 giorni — gli stessi analisti ora proiettano il prossimo rilascio in una finestra che va dall'8 ottobre al 9 novembre 2026, e la maggior parte si aspetta che sia numerato GLM-5.4 invece di GLM-5.5. Oggi è il 13 ottobre e quella finestra è aperta, il che è la cosa più concreta che si possa dire sul nome.

Se arriva davvero, le cose da controllare sono quelle che determinano se si tratta dell'avversario di questo articolo:

• Un identificatore API sulla piattaforma di Z.ai stessa, non solo una voce in classifica

• Un prezzo pubblicato per milione di token sia sulla riga di input sia su quella di output

• Una finestra di contesto e un valore massimo di output

• Un repository Hugging Face o una dichiarazione esplicita che non ce ne sarà uno

• Una scheda Artificial Analysis datata, dato che gli elenchi degli aggregatori arrivano con giorni di ritardo rispetto ai rilasci dei fornitori

Finché non ne esistono tre di quei cinque, "GLM 5.5" è un termine di ricerca e GLM-5.3 è un modello.

Il vero confronto, sui numeri che lo decidono

Metti i due modelli in distribuzione fianco a fianco e il quadro che ne emerge è uno scambio diretto, non una sorpresa. Tieni presente che i dati di benchmark e di costo riportati di seguito sono di Artificial Analysis, ottenuti con il suo harness al massimo sforzo, non materiale di nessuno dei due fornitori.

• Indice di Intelligenza — Muse Wonder (max) 52; GLM-5.3 (max) 45

• Costo per attività dell'Intelligence Index — Muse Wonder circa $4,52; GLM-5.3 circa $2,01

• Prezzo di input — Muse Wonder $4,00 per milione; GLM-5.3 $1,40, quindi GLM-5.3 costa circa un terzo del prezzo

• Prezzo di output — Muse Wonder $20,00 per milione; GLM-5.3 $4,40, quindi GLM-5.3 è meno di un quarto del prezzo

• Token di output consumati durante l'esecuzione dell'indice — Muse Wonder circa 130M; GLM-5.3 circa 210M, rispetto a una mediana della board vicina a 140M per la sua classe di confronto

• Velocità sulla stessa esecuzione — Muse Wonder non è documentato dal valutatore in questo abbinamento; GLM-5.3 è misurato a circa 66 token al secondo, descritto come più veloce della media

• Pesi — quelli di GLM-5.3 sono pubblicati con licenza propria di Z.ai; quelli di Muse Wonder non sono pubblicati affatto

• Superficie di input — Muse Wonder elenca testo, immagine, parlato e video; GLM-5.3 è solo testo

• Contesto — 1.048.576 token su Muse Wonder contro 1.000.000 su GLM-5.3, che in pratica è una differenza di arrotondamento

Due cose emergono. La prima è che GLM-5.3 è il modello più economico sia sul listino prezzi che sulla fattura per attività completate — circa 2,25 volte più economico per attività — il che è insolito in questa categoria e vale la pena verificare anziché dare per scontato: i laboratori open-weight hanno ridotto il divario di efficienza dei token, e con 210M token di output contro i 130M di Muse Wonder, GLM-5.3 è il più loquace dei due ma si attesta comunque a meno della metà del costo, semplicemente perché il suo listino prezzi è molto al di sotto di quello di Meta.

Il secondo è quanto il divario di sette punti ti costa nella direzione opposta. Su un composite che copre un campo la cui mediana si colloca vicino a 27, 45 e 52 sono classi di modello diverse, e la differenza emerge per prima sul lavoro a lungo orizzonte più difficile: attività agentiche multi-step, uso continuativo di strumenti e i benchmark per compiti professionali in cui la tabella di Meta stessa mostra i suoi due checkpoint distanti 44 punti. Se il tuo compito è di quelli in cui il modello o completa il lavoro o non lo completa, sette punti non sono una differenza di arrotondamento e il modello più economico è un falso risparmio. Se il tuo compito è di quelli in cui entrambi i modelli riescono e stai pagando per il volume — classificazione, estrazione, riepilogo, triage di primo passaggio — il divario di prezzo è di 2,25x e il divario di indice è invisibile.

I pesi aperti cambiano completamente la questione

I pesi di GLM-5.3 sono arrivati il 28 agosto con la licenza di Z.ai, e questo è l'unico asse su questa tabella in cui Muse Wonder non può competere a nessuna condizione. Muse Wonder è un modello proprietario con esattamente una via commerciale — l'API di Meta e Muse Code — e il checkpoint Full, quello con il punteggio più alto, non viene affatto venduto per token.

I pesi pubblicati significano un checkpoint che puoi verificare, quantizzare, sottoporre a fine-tuning, auto-ospitare o congelare a una versione che controlli. Non significano un modello eseguibile localmente: un checkpoint MoE di scala frontier è un artefatto da datacenter, non qualcosa che sta su una workstation, e i termini della licenza decidono cosa puoi poi farne. Ma per un team la cui postura di conformità vieta di inviare dati a un endpoint di terze parti, la scelta tra questi due modelli non è affatto equilibrata — uno dei due ha una via d'uscita.

Il solo testo è il prezzo da pagare per questo. Se il tuo carico di lavoro comprende screenshot, video o audio, GLM-5.3 è fuori gioco prima ancora che il prezzo entri nella conversazione, e l'input vocale e video pubblicizzato di Muse Wonder è la capacità che fa il lavoro.

Eseguire il pattern cheap-first senza puntare l'intera pipeline su di esso

La risposta pratica per la maggior parte dei team che leggono un divario di costo di 2,25x accanto a un divario di punteggio di sette punti non è scegliere l'uno o l'altro, ma metterli in sequenza, e questo è un problema di routing piuttosto che un problema di modello.

GLM-5.3 è su OrcaRouter al prezzo di listino di Z.ai — 1,40 $ per milione di token in input e 4,40 $ per milione in output, con le letture dalla cache a 0,234 $, la finestra completa da un milione di token e lo sforzo di ragionamento selezionabile per ogni richiesta. Non applichiamo alcun ricarico, quindi una variazione di prezzo di Z.ai compare qui lo stesso giorno in cui viene annunciata, non al prossimo rinnovo contrattuale. Muse Wonder non è nel nostro catalogo e non faremo finta del contrario; se lo vuoi, la Model API di Meta è la strada.

Il pattern che il divario invita è una cascata cheap-first: inviare il traffico di volume a GLM-5.3, escalare a un modello di frontiera solo quando il passaggio a basso costo non è sufficientemente sicuro, e lasciare che il DSL di routing componga tutto questo come una sola chiamata anziché come tre integrazioni nel tuo codice. Il failover automatico conta più del solito in una configurazione del genere, perché l'intero design dipende dalla disponibilità del percorso di escalation nel momento in cui il primo passaggio si arena — un'interruzione del provider su uno dei due rami trasforma un'ottimizzazione dei costi in un incidente. Muse Spark 1.2, il checkpoint di ragionamento multimodale di Meta a $1.25 in input e $4.25 in output, è l'altro ramo economico che vale la pena collegare se le tue escalation sono multimodali anziché testuali.

Cosa fare questa settimana

Se stai scegliendo tra questi due modelli anziché tra i modelli menzionati in questo titolo: scegli GLM-5.3 quando il lavoro è ad alto volume, solo testuale e entrambi i modelli avrebbero successo; scegli Muse Wonder quando il lavoro è multimodale o quando un divario di sette punti nell'indice è la differenza tra un lavoro completato e uno fallito; scegli i pesi di GLM-5.3 rispetto a entrambi se l'auto-hosting o l'auditabilità è un requisito imprescindibile.

Se ciò che ti ha portato qui è stato il nome GLM 5.5, l'istruzione onesta è aspettare l'identificatore. Tieni d'occhio la finestra dall'8 ottobre al 9 novembre e giudica l'arrivo dal fatto che compaiano una riga di prezzo e un ID modello API sulle superfici di Z.ai stessa. Uno screenshot di una classifica non è un rilascio, e finché non c'è un tariffario non c'è nulla da confrontare — una risposta più breve e più utile di una scheda tecnica che qualcuno ha digitato a memoria.