GLM-5.3 Prime vs GLM-5.3: vale la pena pagare il doppio per la velocità?

GLM-5.3 Prime non è un nuovo modello. Utilizza gli stessi pesi di GLM-5.3, ma in una modalità di serving più veloce: la modalità Prime di Alibaba Cloud Model Studio, che promette una velocità di generazione da 1,5 a 2 volte superiore a quella dell’API standard. La qualità delle risposte dovrebbe essere la stessa. Il sovrapprezzo si paga per i token al secondo.

Su AIHubMix, glm-5.3-prime costa $2.35 per milione di token in input e $8.23 per milione di token in output, circa 2,1 volte il prezzo attuale di GLM-5.3. In breve:

• Ne vale la pena quando una persona o un ciclo di agenti resta in attesa di risposte lunghe: coding interattivo, generazione di codice in streaming, agenti con più passaggi.
• Non ne vale la pena per i processi batch, le risposte brevi o le pipeline attente ai costi. GLM-5.3 standard svolge lo stesso lavoro a metà prezzo.
• Misura prima. Finora tutte le misurazioni indipendenti mostrano un aumento di velocità inferiore a quello dichiarato, da 1,5 a 2 volte, e il primo token non arriva prima.
• Abbinalo a un livello di ragionamento inferiore. Nel test di AIHubMix, Prime da solo non ha risposto più rapidamente di GLM-5.3. Prime con reasoning_effort: "low", invece, sì: circa 71 secondi per risposta, contro circa 100.

Cos’è GLM-5.3 Prime e cosa non è

La documentazione di Alibaba Cloud descrive la modalità Prime in tre punti: più TPS per i carichi di lavoro sensibili alla velocità di generazione, fatturazione secondo la logica dell’API standard e «nessun parametro aggiuntivo»: basta cambiare l’ID del modello. La stessa pagina afferma che le capacità e i limiti di utilizzo del modello Prime sono gli stessi del modello originale. La modalità Prime è disponibile anche per glm-5.2-fast-preview (la modalità veloce di GLM-5.2, che ha mantenuto il vecchio nome) e per un modello video.

La documentazione di GLM-5.3 di Zhipu elenca solo glm-5.3. Su Z.ai non ci sono né un ID modello Prime né una voce di prezzo, e Alibaba Cloud è l’unico provider upstream che offre Prime. È facile confonderlo con due modelli dal nome simile:

FlashX velocizza il modello Flash più piccolo, accetta immagini e video in input e dichiara una velocità massima di 200 token al secondo. HighSpeed è la modalità veloce di Zhipu per il suo modello di punta. È comparsa in un test a fasi all’interno di ZCode, l’app di coding di Zhipu, dove un blogger ha riportato una velocità superiore a 490 token al secondo (Zhidongxi, 12 ottobre 2026). Non ha ancora un’API pubblica né un prezzo.

Poiché i pesi non cambiano, Prime eredita i risultati dei benchmark di GLM-5.3 anziché aggiungerne di propri. Secondo i dati dichiarati da Zhipu, GLM-5.3 è passato da 4.6 a 28.3 su Terminal-Bench 3.0 rispetto a GLM-5.2, da 46.2 a 66.9 su DeepSWE v1.1 e ha ottenuto l’84.5% su CyberGym. Nessuno ha pubblicato benchmark specifici per Prime.

Prezzo: il doppio, voce per voce

Prezzi di AIHubMix per milione di token, verificati il 21 ottobre 2026:

Tutti i provider applicano a Prime un prezzo circa doppio. Per la regione di Pechino, Alibaba Cloud elenca glm-5.3-prime a ¥16 per l’input e ¥56 per l’output per milione di token, esattamente il doppio della tariffa standard di glm-5.3, pari a ¥8 e ¥28. OpenRouter propone Prime a $2.80 e $8.80, contro $1.40 e $4.40 per GLM-5.3. Anche le letture della cache costano il doppio, quindi nemmeno una lunga sessione di agenti con un’ampia cache evita il sovrapprezzo.

Quanto è più veloce? I dati disponibili

I dati di questa sezione provengono dalle pagine dei modelli di AIHubMix, da un test condotto da AIHubMix il 21 ottobre 2026, da OpenRouter, ZenMux e Artificial Analysis (come riportato da Codersera) e da DataLLM Lab. Nessuna delle misurazioni di terze parti è stata effettuata nelle stesse condizioni: considerale quindi come intervalli, non come una classifica.

Nel test di AIHubMix è stato inviato tre volte a ciascun modello, alternandoli, un prompt di coding (un limitatore di frequenza a token bucket thread-safe più cinque test pytest), con reasoning_effort: "high" e lo streaming attivato. I token al secondo si calcolano dividendo i token generati per il tempo trascorso tra il primo e l’ultimo token trasmessi in streaming. La riga relativa ai dati di terze parti riunisce misurazioni effettuate con servizi diversi e in giornate diverse: circa 61 per GLM-5.3 (OrcaRouter) e 71.9 (Artificial Analysis); da 60 a 75 per Prime su OpenRouter e da 72 a 80 su ZenMux.

Nel test di AIHubMix, Prime ha decodificato i token circa il 16% più velocemente, ma le risposte non sono arrivate prima. Una richiesta ha richiesto in media 102.1 secondi con Prime e 99.9 secondi con GLM-5.3, perché Prime ha generato più testo: 9,404 token in output per risposta contro 8,147, quasi tutti di ragionamento. Anche il primo token non è arrivato prima: la mediana è stata di 3.2 secondi con Prime e 3.0 con GLM-5.3, e una richiesta con Prime ha atteso 12 secondi. Tre esecuzioni per modello sono un campione ridotto, e AIHubMix instrada GLM-5.3 verso diversi provider: prendilo quindi come un’istantanea di un singolo pomeriggio.

DataLLM Lab ha eseguito nove attività di coding in Python tramite OpenRouter, misurando la durata delle risposte complete anziché i token al secondo. Il tempo medio per risposta di Prime è stato di 14.2 secondi, esattamente come quello di GLM-5.3 standard, perché Prime ha usato la velocità extra per ragionare di più: 1,215 token di ragionamento per chiamata contro 631. Prime ha ottenuto anche 7/9, contro il 9/9 di GLM-5.3 standard. Si è trattato di esecuzioni singole, misurate in date diverse, quindi non dimostrano una differenza di qualità. Mostrano però che una decodifica più veloce non significa automaticamente una risposta più rapida.

La spiegazione è una semplice questione di aritmetica. Il tempo di attesa è all’incirca pari al tempo prima del primo token, più (token di ragionamento + token della risposta) ÷ token al secondo, più il tempo impiegato dagli strumenti. Prime cambia solo il fattore della velocità. Il livello di ragionamento cambia il numero di token e, nelle attività lunghe, può incidere altrettanto sul risultato. Nel Code Bench interno di Zhipu, GLM-5.3 con max ha usato circa 75K token in output per attività, ottenendo il 34.5%. Con high ha usato circa 50K token, ottenendo il 31.4%. Scendere di un livello riduce l’output di un terzo, con un risparmio di tempo simile a quello dato da una velocità 1,5 volte superiore, e abbassa la fattura invece di raddoppiarla.

Però l’impostazione del livello di ragionamento deve arrivare al modello. Nel test di AIHubMix, è evidente che con Prime è successo:

Medie per risposta con lo stesso prompt; il costo è calcolato ai prezzi di listino di AIHubMix.

Con Prime, low ha ridotto l’output del 38% ed è stata l’unica configurazione a rispondere più velocemente di GLM-5.3, con un costo per risposta pari a 1,5 volte quello di GLM-5.3 anziché 2 volte. AIHubMix serve GLM-5.3 tramite diversi provider e, su alcuni percorsi, l’impostazione del livello di ragionamento e il vecchio flag per disattivare il ragionamento potrebbero non comportarsi come indicato nella documentazione. Qualunque modello tu usi, controlla reasoning_tokens nel blocco d’uso e verifica che content contenga solo la risposta.

Il costo di un’attività di coding

Una lunga sessione di coding con agenti su GLM-5.3, con le seguenti ipotesi:

• 75K token in output, il dato per attività del Code Bench di Zhipu con livello max;
• 1.2M token in input nell’intera sessione (circa 40 turni, con una media di 30K token di contesto), di cui il 90% fornito dalla cache;
• velocità di decodifica basata sulle due misurazioni di AIHubMix riportate sopra, considerando solo il tempo di decodifica (senza il tempo degli strumenti né quello prima del primo token).

Prime aggiunge circa $0.80 al costo di questa attività. Alle velocità misurate da AIHubMix, fa risparmiare circa 2 minuti, pari a circa $0.40 per ogni minuto risparmiato. Alle velocità indicate nella pagina del modello, fa risparmiare circa 12 minuti, pari a circa $0.07 per minuto. Se un ingegnere sta osservando l’agente, anche la stima più prudente costa meno del suo tempo. Se nessuno lo sta guardando, gli $0.80 non portano alcun vantaggio. Un’altra avvertenza emersa dal test: a parità di prompt, Prime ha generato circa il 15% di token in più e, se succede anche con le tue attività, annulla gran parte del tempo risparmiato.

Passare a Prime: cosa cambia nel codice

Solo l’ID del modello. Su AIHubMix, Prime è disponibile tramite l’endpoint OpenAI Chat Completions; consulta la guida rapida di AIHubMix per le chiavi e gli URL di base.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])

stream = client.chat.completions.create(
    model="glm-5.3-prime",          # was "glm-5.3"
    reasoning_effort="high",        # low | high | max (default max)
    messages=[{"role": "user", "content": "Refactor this function to remove the global state: ..."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Cosa controllare quando lo sostituisci:

• Il ragionamento è sempre attivo. GLM-5.3 non può funzionare senza ragionamento, e Prime si comporta allo stesso modo. La documentazione di Zhipu dice che una richiesta che invia ancora thinking.type: "disabled" non va a buon fine sull’API di Z.ai; Alibaba Cloud afferma invece che enable_thinking=false non ha effetto. Tramite AIHubMix, Prime rifiuta il flag con HTTP 400: InternalError.Algo.InvalidParameter: The value of the enable_thinking parameter is restricted to True. Rimuovi il flag e usa invece reasoning_effort: "low".
• Tre livelli di ragionamento. reasoning_effort accetta low, high o max; il valore predefinito è max, il più costoso. Nel test di AIHubMix, con Prime low ha ridotto l’output del 38%.
• Arrivi da glm-5.2-fast-preview? Quel modello poteva disattivare il ragionamento e accettava sette livelli, da none a max. GLM-5.3 Prime ne mantiene solo tre, quindi occorre aggiornare le richieste che inviano none, minimal, medium o xhigh; Alibaba Cloud restituisce invalid_parameter_error per i valori non supportati.
• La finestra di contesto è leggermente più piccola. Prime indica una finestra di contesto di 1,000,000 token, mentre GLM-5.3 su AIHubMix ne indica 1,048,576. Un prompt che rientra appena nei limiti di GLM-5.3 potrebbe superare quelli di Prime. L’output massimo è identico: 131,072 token.
• Vale la pena testare le chiamate parallele agli strumenti. L’endpoint Prime di OpenRouter non include parallel_tool_calls tra i parametri supportati e alcuni utenti di Cursor hanno segnalato che le chiamate agli strumenti di GLM-5.3 arrivano con argomenti vuoti quando più chiamate vengono eseguite in un solo passaggio. Se il tuo agente avvia chiamate agli strumenti in parallelo, provane alcune con Prime prima di farci affidamento.
• Un solo provider upstream. Alibaba Cloud è l’unico provider di Prime. Su AIHubMix GLM-5.3 è disponibile tramite diversi provider, quindi mantieni glm-5.3 come alternativa per le attività che non possono fermarsi.
• Strumenti di coding. AIHubMix offre Prime solo tramite Chat Completions, quindi Claude Code (Anthropic Messages) e Codex (Responses API) non possono usarlo direttamente. Possono farlo, per esempio, gli strumenti che accettano un endpoint compatibile con OpenAI, come OpenCode. Per una verifica rapida, affida la stessa piccola correzione di bug a glm-5.3 e glm-5.3-prime con lo stesso livello di impegno e confronta il tempo effettivo e le modifiche al codice.

Quando Prime non è la scelta giusta

• Processi batch e notturni. Nessuno è in attesa, quindi la velocità non vale nulla e il prezzo raddoppia comunque.
• Risposte brevi. Con una risposta di 200 token, domina il ritardo del primo token e, in nessuna delle misurazioni precedenti, Prime ha generato il primo token più velocemente.
• Quando il vero problema è il ragionamento prolungato e l'impostazione del livello di impegno funziona sulla tua route. Un valore più basso di reasoning_effort riduce i tempi di attesa e il costo. Leggi reasoning_tokens nella risposta per verificare che l'impostazione abbia avuto effetto.
• Quando la velocità conta più del modello di punta. GLM-5.3-FlashX dichiara una velocità fino a 200 token al secondo a circa un ottavo del prezzo di output di Prime. La versione base Flash ha ottenuto 41.8 nell'indice di Artificial Analysis, contro 44.8 di GLM-5.3: provala sul tuo compito prima di pagare per Prime.

Chi dovrebbe passare a Prime

• Usa Prime da subito se esegui GLM-5.3 in uno strumento di coding interattivo o in un agente in tempo reale, le risposte raggiungono regolarmente migliaia di token e le tue misurazioni confermano che l'aumento di velocità si mantiene con i tuoi prompt. Inizia con il livello di impegno low e aumentalo solo quando serve per la qualità.
• Fai prima una prova se usi agenti con chiamate agli strumenti in parallelo o prompt vicini al limite di 1M token.
• Resta su GLM-5.3 per i processi batch, le risposte brevi e tutti i casi in cui una fattura doppia pesa più di un'attesa più breve.
• Tieni d'occhio HighSpeed di Zhipu se il tuo obiettivo è la velocità pura. Se raggiunge l'API alle velocità dichiarate, sarebbe diverse volte più veloce di entrambe le opzioni qui considerate.

Entrambi i modelli funzionano con la stessa chiave AIHubMix. La pagina di confronto tra GLM-5.3 e GLM-5.3 Prime li mostra affiancati e per passare da uno all'altro basta modificare una riga.

Domande frequenti

GLM-5.3 Prime è un modello diverso da GLM-5.3?
No. Usa gli stessi pesi tramite la modalità di serving Prime di Alibaba Cloud, che punta a una velocità di generazione da 1.5 a 2 volte superiore. La qualità dovrebbe essere pari a quella di GLM-5.3 e non esistono benchmark specifici per Prime.

Quanto costa in più GLM-5.3 Prime?
Su AIHubMix costa $2.35 per l'input, $8.23 per l'output e $0.59 per la lettura della cache, ogni milione di token: circa 2.1× il prezzo di GLM-5.3. Anche Alibaba Cloud e OpenRouter lo propongono a un prezzo circa doppio.

Prime è davvero 2× più veloce?
Finora, nessuna misurazione lo conferma. Il test condotto da AIHubMix ha rilevato una velocità di circa 1.16 volte quella di GLM-5.3 in token al secondo, mentre le pagine dei modelli di AIHubMix indicano circa 1.46 volte. Nel test le risposte non sono arrivate prima, perché Prime ha generato più token, e il primo token non è arrivato più velocemente.

Posso disattivare il ragionamento su GLM-5.3 Prime?
No. Come GLM-5.3, ragiona sempre; una richiesta che imposta il tipo di ragionamento su disabled restituisce un errore HTTP 400. Puoi impostare reasoning_effort su low o high; il valore predefinito è max.

Qual è la differenza tra GLM-5.3 Prime e GLM-5.3-FlashX?
Prime serve più velocemente i pesi del modello di punta GLM-5.3. FlashX serve più velocemente i pesi del modello più piccolo GLM-5.3-Flash, accetta immagini e video e costa circa un ottavo del prezzo di output di Prime.

Posso usare GLM-5.3 Prime in Claude Code o Codex?
Non direttamente tramite AIHubMix. Prime è disponibile solo sull'endpoint OpenAI Chat Completions, mentre Claude Code usa Anthropic Messages e Codex la Responses API. Possono usarlo gli strumenti che accettano un endpoint compatibile con OpenAI, come OpenCode o Cline.

Cosa devo modificare nel codice per passare a Prime?
Solo il nome del modello, da glm-5.3 a glm-5.3-prime. Rimuovi qualsiasi flag che disattivi il ragionamento, perché Prime lo rifiuta, e imposta il livello di impegno su low, high o max.

Fonti

• Modalità Prime — Alibaba Cloud Model Studio (Alibaba Cloud)
• Panoramica di GLM-5.3 (Z.ai)
• Pagina del modello GLM 5.3 Prime (AIHubMix)
• Recensione di GLM-5.3 Prime: 7/9 a $11.52 per 1.000 attività (DataLLM Lab)
• GLM-5.3 Prime e FlashX: livelli di velocità, non nuovi modelli (Codersera)