GLM-5.2, il modello aperto in testa: come scaricarlo e usarlo

GLM-5.2, il modello a pesi aperti sviluppato da Z.ai (già Zhipu AI) e rilasciato a metà giugno 2026 sotto licenza MIT, è oggi in cima alle classifiche indipendenti dei modelli aperti. La buona notizia per chi vuole provarlo è che esistono tre strade molto diverse per usarlo: scaricarlo e ospitarlo in proprio, chiamarlo via cloud senza installare nulla, oppure usarlo tramite API. Vediamole tutte, con comandi ed esempi.

Cos'è GLM-5.2 e quando conviene

GLM-5.2 è un modello Mixture-of-Experts da circa 744 miliardi di parametri, con finestra di contesto da un milione di token e modalità di ragionamento selezionabili (High e Max). È costruito per compiti lunghi e agentici — programmazione, uso di strumenti, ragionamento articolato — più che per la singola domanda veloce. Conviene soprattutto a chi ha bisogno di controllo totale (dati che non devono uscire dalla propria infrastruttura), di libertà d'uso commerciale grazie alla licenza MIT, o semplicemente di contenere i costi rispetto ai modelli chiusi.

Attenzione all'equivoco: "aperto" non vuol dire "leggero". La versione integrale richiede hardware serio — server con più GPU di fascia alta e molta memoria — oppure versioni quantizzate (FP8 o GGUF) che ne riducono i requisiti a scapito di un po' di qualità. Chi non ha questo hardware può comunque usarlo via cloud o API, come vedremo.

Strada 1: usarlo via cloud con Ollama (senza installare i pesi)

La via più rapida per provarlo senza scaricare centinaia di gigabyte è il tag :cloud di Ollama, che invia il prompt all'infrastruttura di Z.ai attraverso i server di Ollama. Dopo aver installato Ollama, basta:

ollama run glm-5.2:cloud "Spiega in tre punti la differenza tra un modello MoE e un modello denso, in italiano."

Il risultato atteso è una risposta in italiano generata dal modello remoto, senza aver occupato la GPU locale. Nota: al momento la libreria ufficiale di Ollama offre solo il tag cloud, quindi un semplice ollama pull glm-5.2 per l'uso locale può restituire un errore di manifest. Per l'esecuzione davvero locale servono i pesi da Hugging Face e un motore come vLLM o SGLang.

Strada 2: scaricare i pesi da Hugging Face

Chi vuole ospitarlo in proprio trova i pesi ufficiali su Hugging Face nel repository zai-org/GLM-5.2, con quantizzazioni FP8 e GGUF. Il download si fa con l'utility ufficiale:

pip install -U huggingface_hub
huggingface-cli download zai-org/GLM-5.2 --local-dir ./GLM-5.2

Per servirlo in modo efficiente su GPU si usa in genere vLLM, che espone un'API compatibile con quella di OpenAI:

pip install vllm
vllm serve ./GLM-5.2 --tensor-parallel-size 8

Il parametro --tensor-parallel-size va adattato al numero di GPU disponibili. Per macchine meno potenti conviene partire da una quantizzazione GGUF con LM Studio o llama.cpp, accettando un modello più lento e leggermente meno accurato.

Strada 3: chiamarlo via API

La terza opzione non richiede hardware: l'API di Z.ai è compatibile con lo standard OpenAI, quindi si può usare il client Python di OpenAI cambiando solo l'indirizzo di base e la chiave. I prezzi indicativi sono attorno a 1,40 dollari per milione di token in input e 4,40 in output (con input in cache a costo ridotto); il modello è raggiungibile anche tramite aggregatori come OpenRouter. Un esempio minimo:

from openai import OpenAI

client = OpenAI(
    base_url="https://api.z.ai/api/paas/v4",
    api_key="LA_TUA_CHIAVE",
)

risposta = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "system", "content": "Sei un assistente esperto di programmazione. Rispondi in italiano."},
        {"role": "user", "content": "Scrivi una funzione Python che legga un CSV e restituisca la media di una colonna, con gestione degli errori."},
    ],
)
print(risposta.choices[0].message.content)

Il risultato atteso è una funzione Python commentata, con controllo dei casi limite (file mancante, colonna assente, valori non numerici). È un buon test per valutare le capacità di coding del modello.

Errori comuni, quando non usarlo e alternative

Gli intoppi più frequenti: ollama pull glm-5.2 che fallisce (usare il tag :cloud o scaricare i pesi da Hugging Face); esaurimento della memoria GPU con la versione integrale (passare a una quantizzazione o ridurre il contesto); errori 401 sull'API (controllare chiave e base_url). GLM-5.2 non è la scelta giusta se serve solo un chatbot leggero per risposte brevi: in quel caso un modello piccolo come Qwen o Gemma in locale è più economico e reattivo. Ma per lavori di programmazione, automazione agentica e gestione di documenti lunghi, con il vantaggio del controllo totale sui dati, GLM-5.2 è oggi uno dei modelli aperti più competitivi in circolazione.

Comandi, repository e prezzi sono aggiornati a inizio luglio 2026; verificare sempre la documentazione ufficiale di Z.ai, Hugging Face e Ollama, che può cambiare rapidamente.