Promo — Era stealth, era GLM: 5.3 Flash e i numeri da giganti

File consolidato con TUTTI i deliverable del drop nuovo episodio. Generato da podcast-promo v4.8 il 2026-08-28. Identifier campaign: ep69_drop

Cheat sheet

1. Titolo

Era stealth, era GLM: 5.3 Flash e i numeri da giganti

53 caratteri. Angolo: hook/reveal, la storia del modello stealth scoperto (ox-alpha = GLM) + claim sui numeri.

2. Frasi in sovraimpressione (overlay video)

2.1 Frasi brevi (max 10 parole) — 7

[02:10] "è meraviglioso e non vedevo l'ora che succedesse questa cosa" (10 parole)
[11:30] "glieli darei a Xiaomi dei soldi per fare questa cosa" (10 parole)
[28:38] "Sembra una scena uscita da Ritorno al futuro parte 2" (10 parole)
[50:30] "Ho un'automazione di casa che mi legge i pdf maledetti" (10 parole)
[56:10] "e adesso dimmi tu dov'è questo rifugio?" (7 parole)
[59:45] "con GLM 5.3 Flash hanno speso 138 dollari" (8 parole)
[1:06:45] "Hanno usato i nomi dei file come chat" (8 parole)

2.2 Frasi lunghe (max 20 parole) — 3

[06:55] "20 mila dollari a 200 dollari al mese ci vogliono 8 anni e mezzo" (14 parole)
[1:00:55] "non dovete più sentirvi dire che le immagini non le vede o avere il modello che mente" (17 parole)
[1:08:55] "hanno scritto nel log che si sono sacrificati per il bene comune e si sono stoppati da solo" (18 parole)

Nota: timestamp ±15s, frasi verbatim dal transcript (overlay combacia con l’audio).

3. Brief thumbnail + prompt image pronto

Brief

Prompt ChatGPT Image 2 (con face reference)

Allega PRIMA la foto reference del soggetto nello stesso turn, poi incolla:

Create a YouTube thumbnail image, 16:9 aspect ratio, photorealistic style,
1280x720 minimum, suitable for a feed at 246x138 pixels.

Use the attached reference photo of the subject as the basis for the portrait.
Maintain the exact facial features, hair, complexion, and identifiable
likeness with high fidelity. Do NOT alter, idealize, beautify, or stylize the
face. Keep the resemblance as close as possible to the reference photo.

Place the subject in a close-up portrait on the right side of the frame,
occupying about 60% of the composition, cropped from the chest up, body
angled slightly toward the text on the left.

Expression: surprised and intrigued, eyebrows raised, eyes wide with a
knowing amused look, as if just unmasked a secret identity. Natural
reaction, not exaggerated cartoon shock, not posed-for-LinkedIn.

Background: solid saturated bright green (#39FF14), no elements, no
gradient, uniform.

Lighting: dramatic key light from camera left, shallow depth of field,
subject in focus, background perfectly smooth, 85mm portrait lens feel.

Include the text rendered prominently in the image as bold condensed
sans-serif ultra-heavy weight (Anton / Impact / Bebas Neue style), solid
black with no outline, on two lines on the left side vertically stacked:
first line "ERA STEALTH," and second line "ERA GLM" bigger and bolder below
it. The two text lines together fill approximately 38% of the frame width.
The text must be perfectly legible, crisp, integrated as part of the
composition, not as watermark, every letter rendered correctly.

Style: high-contrast YouTube thumbnail aesthetic, attention-grabbing in
the feed.

Avoid: circular portrait frames, dark blue cosmic backgrounds, multiple
faces, stiff corporate poses, garbled text, obituary aesthetic, altering
or beautifying the subject's facial features beyond what the reference
photo shows.

Fallback post-production e verifica pre-upload

1. Se il testo esce sporco dopo 3-4 tentativi: rigenera senza il blocco testo, aggiungi a mano in Canva/Figma/Photopea “ERA STEALTH,” / “ERA GLM” (più grande), font Bebas Neue o Anton, nero, lato sinistro, ~38% frame width, esporta PNG 1280×720.
2. Checklist pre-upload: leggibile a 246×138px, volto 40%+ frame, zero ritratti circolari, zero fondo blu, zero numero episodio, ogni lettera corretta, safe area bottom-right 20% libera.

4. Chapters YouTube

00:00 Modelli stealth e pubblicità cinesi in ChatGPT
05:30 Mac Studio M5 Ultra da 20.000 dollari
10:30 Xiaomi Cube: l'hardware consumer cinese
15:40 RAM cinese e l'alleanza con Alibaba
20:30 Nvidia compra Hugging Face: il parallelo GitHub
25:05 Hugging Face, l'Europa e il robot bipede
29:25 La mossa Nvidia e la lezione dei fork
34:45 Gratis per sbaglio e il progetto Free LLM
42:20 Fusion, advisor esterni e la repo skills
47:40 Free LLM: limiti, SLA e casi d'uso
52:45 Ox-Alpha: il modello stealth e il geoguessing
56:25 GLM 5.3 Flash: benchmark, costi, 6B attivi
1:00:05 Multimodali, veloci, economici: la nuova classe
1:04:45 Report METR: 1200 agenti in azione

5. Descrizioni YouTube + Spotify + Tag YouTube

5.1 Descrizione YouTube

GLM 5.3 Flash, ossia ox-alpha: il modello uscito in stealth che fa i numeri dei giganti con 6 miliardi di parametri attivi. E intanto la corsa all'AI in locale si fa seria.

In puntata: le pubblicità cinesi spurie comparse in ChatGPT, il Mac Studio M5 Ultra da 20.000 dollari e i conti veri del locale, il Cube di Xiaomi con la RAM prodotta in Cina, il rumor sull'acquisizione di Hugging Face da parte di Nvidia (e cosa significherebbe per l'Europa), il progetto Free LLM API che mette insieme le quote gratuite di decine di provider, e il report METR su 1200 agenti coordinatisi rinominando i file.

Capitoli:
00:00 Modelli stealth e pubblicità cinesi in ChatGPT
05:30 Mac Studio M5 Ultra da 20.000 dollari
10:30 Xiaomi Cube: l'hardware consumer cinese
15:40 RAM cinese e l'alleanza con Alibaba
20:30 Nvidia compra Hugging Face: il parallelo GitHub
25:05 Hugging Face, l'Europa e il robot bipede
29:25 La mossa Nvidia e la lezione dei fork
34:45 Gratis per sbaglio e il progetto Free LLM
42:20 Fusion, advisor esterni e la repo skills
47:40 Free LLM: limiti, SLA e casi d'uso
52:45 Ox-Alpha: il modello stealth e il geoguessing
56:25 GLM 5.3 Flash: benchmark, costi, 6B attivi
1:00:05 Multimodali, veloci, economici: la nuova classe
1:04:45 Report METR: 1200 agenti in azione

Ascolta l'episodio anche su Spotify:
https://open.spotify.com/episode/2PT0QAqtV8Od5zwZErRGSi?utm_source=youtube&utm_medium=description&utm_campaign=ep69_drop

Sul sito, con trascrizione completa:
https://risorseartificiali.com/?utm_source=youtube&utm_medium=description&utm_campaign=ep69_drop

Iscriviti al canale per non perdere le prossime puntate.

Risorse Artificiali, episodio 69.

Primi 125 char (snippet YT feed/search): “GLM 5.3 Flash, ossia ox-alpha: il modello uscito in stealth che fa i numeri dei giganti con 6 miliardi di parametri attivi.”

5.2 Descrizione Spotify

GLM 5.3 Flash uscito in stealth come ox-alpha: 6 miliardi di parametri attivi, numeri da giganti e costi da niente. Ma anche: il Mac Studio M5 Ultra da 20.000 dollari, il Cube di Xiaomi, la RAM prodotta in Cina, il rumor sull'acquisizione di Hugging Face da parte di Nvidia e le conseguenze per l'Europa, il progetto Free LLM API che aggrega le quote gratuite di decine di provider, e il report METR su 1200 agenti AI che hanno coordinato un attacco (discutendo di etica) usando i nomi dei file come chat.

Stefano e Paolo: appunti e spunti dal mondo dell'AI, per chi la scrive.

Se ti piace quello che senti, segui lo show: è il modo migliore per non perdere le prossime puntate.

Episodio completo anche su YouTube: https://www.youtube.com/watch?v=_C22mIG9LZs&utm_source=spotify&utm_medium=description&utm_campaign=ep69_drop

Risorse Artificiali, episodio 69.

Primi 100 char (snippet Spotify): “GLM 5.3 Flash uscito in stealth come ox-alpha: 6 miliardi di parametri attivi, numeri”

5.3 Tag YouTube custom

GLM 5.3 Flash, GLM, ox-alpha, modelli open source, AI in locale, LLM in locale, Mac Studio M5 Ultra, Xiaomi Cube, Hugging Face, Nvidia, Free LLM API, LiteLLM, Mixture of Agents, modelli AI cinesi, agenti AI, ai engineering italia, podcast tech italia, intelligenza artificiale, AI

19 tag: 3 generici max, 6 long-tail, mix ~60% IT / ~40% EN.

6. YouTube Shorts script + Spotify Clip spec

6.1 YouTube Shorts script

Segmento: [55:10 → 56:10] (±15s), ~60s. Motivo: il geoguessing è il momento più distintivo della puntata (combacia col titolo), voce sola di Stefano, twist finale perfetto per retention.

Overlay mute-friendly: 1) GEOGUESSING COL MODELLO STEALTH 2) SENZA DIRE DOVE ERO 3) POI MI HA CHIESTO UNA FOTO 4) E MI HA SFIDATO LUI

Titolo Short: Il modello stealth mi ha restituito la sfida

Descrizione Short:
GLM 5.3 Flash, il modello uscito in stealth come ox-alpha, al geoguessing non si fa sfuggire niente. Episodio completo sul canale. #Shorts
https://www.youtube.com/watch?v=_C22mIG9LZs&utm_source=youtube_short&utm_medium=description&utm_campaign=ep69_drop

Pinned comment:
Episodio completo qui: https://www.youtube.com/watch?v=_C22mIG9LZs&utm_source=youtube_short&utm_medium=pinned&utm_campaign=ep69_drop

Publishing: Lun 31/08 09:00 Europe/Rome (schedulabile in anticipo, l’URL esiste già).

6.2 Spotify Clip spec

Segmento: [1:05:15 → 1:06:45], 90s. Relazione con lo Short: complementare (il geoguessing è emozione, questo è il claim forte). Motivo: “1200 agenti che comunicano rinominando i file” è il fatto più sorprendente della puntata, self-contained, voce sola.

Trascrizione del segmento (±15s): “1200 agenti che collaboravano insieme… c’era un coordinatore che coordinava gli agenti… gli agenti stessi, tra di loro, a parte il coordinatore, non comunicavano tra loro, ma avevano un repository di GitHub in comune… Hanno usato i nomi dei file come chat.”

• Testo overlay Spotify: Agenti AI che comunicano coi nomi dei file (7 parole)
• Titolo Clip (max 50 char): 1200 agenti AI parlano coi nomi dei file (40 char)

Publishing: STESSO MOMENTO del drop (zero gap).

7. Post LinkedIn (host)

Il modello più interessante delle ultime settimane non ha fatto un launch event. È comparso in stealth, senza nome, e nel frattempo ha giocato a geoguessing con Stefano, da un rifugio delle Dolomiti.

Poi qualcuno ha fatto il fingerprint dei messaggi: ox-alpha era GLM 5.3 Flash. 320 miliardi di parametri, 6 attivi, multimodale. Artificial Analysis lo misura a un passo da modelli dieci volte più grandi e molto più costosi: la sua suite costa 138 dollari, quella dei rivali allo stesso livello arriva a 1409.

La direzione è chiara: modelli piccoli e performanti, pronti a girare in locale. In questa puntata con Paolo Antinori ne parliamo insieme a tutto il resto: il Cube di Xiaomi, il rumor Nvidia-Hugging Face, il progetto Free LLM API e il report METR su 1200 agenti che si coordinavano rinominando i file.

Ascolto su YouTube: https://www.youtube.com/watch?v=_C22mIG9LZs&utm_source=linkedin&utm_medium=post&utm_campaign=ep69_drop

#AIEngineering #GLM #ModelliAI #OpenSource #AIinLocale

Publishing hint: Mar 01/09 14:00 Europe/Rome.

8. Sezione newsletter codiceartificiale

Modalità bullet, 1 bullet (34 parole), da inserire in intro della prossima edizione:

- Sabato è uscito "Era stealth, era GLM: 5.3 Flash e i numeri da giganti", dove smontiamo il modello comparso come ox-alpha: 6 miliardi di parametri attivi, benchmark da colosso, 138 dollari la suite. Ascolta: https://www.youtube.com/watch?v=_C22mIG9LZs&utm_source=codiceartificiale&utm_medium=newsletter&utm_campaign=ep69_drop

Publishing: nella prossima edizione regolare di codiceartificiale (no orario forzato).

9. Guest Launch Kit (solo se intervista)

Sezione omessa — non applicabile a episodi numerati.

10. Checklist Publishing

PRE-DROP (entro venerdì 28/08)

• Generazione thumbnail dal prompt del cap. 3 → /assets/images/episodes/ep69.png
• Montaggio frasi in sovraimpressione nel video (cap. 2, ±15s)
• Commit + push post Jekyll + thumbnail + promo file
• YT Studio: titolo (cap. 1), descrizione (cap. 5.1), capitoli (cap. 4), tag (cap. 5.3), thumbnail; visibilità Programmata sab 29/08 13:00
• Spotify for Creators: titolo + descrizione (cap. 5.2), publish programmato, prepara la Clip (cap. 6.2)
• codiceartificiale: bullet del cap. 8 nella prossima edizione
• YT Short: edita (cap. 6.1) e schedula lunedì 31/08 09:00

DROP (sabato 29/08 13:00)

• YouTube long-form pubblica in automatico
• Spotify pubblica in automatico
• Spotify Clip: pubblica SUBITO (zero gap)
• Verifica thumbnail rendering + CTR primi 30 min

POST-DROP

• Lun 31/08 09:00: YT Short online
• Mar 01/09 14:00: post LinkedIn (cap. 7)
• Prossima edizione codiceartificiale: bullet incluso
• T+4-24h: retrofit Apple URL via RSS nel frontmatter Jekyll

MONITORING

• T+7gg: CTR YT, retention, Spotify plays vs storico
• T+30gg: confronto engagement cumulato, eventuale YT Studio Test & Compare thumbnail alternativa

Link di pubblicazione: YT Studio, Spotify for Creators, Substack dashboard, LinkedIn company (cap. 11).

11. Link rapidi

• YT Studio deep-link al video: https://studio.youtube.com/video/_C22mIG9LZs/edit
• Spotify for Creators: https://creators.spotify.com
• Jekyll post path: _posts/2026-08-29-era-stealth-era-glm-53-flash-e-i-numeri-da-giganti.md
• Thumbnail path: /assets/images/episodes/ep69.png
• LinkedIn company: https://www.linkedin.com/company/risorseartificiali
• Substack codiceartificiale: https://codiceartificiale.substack.com

12. Note operative

• Apple URL: il frontmatter Jekyll ha # apple_episode_url: commentato. Quando Apple Podcasts auto-pubblica via RSS (T+4-24h dal drop), estrai l’URL e decommenta il campo con un micro-commit separato.
• Preservazione engagement history: NON re-uploadare video/audio dopo il drop. Per correzioni usa edit in-place su YT Studio e Spotify Creators.
• UTM campaign: tutti i link usano ep69_drop. Non modificarlo nelle pubblicazioni (perdi attribution cross-piattaforma).
• Frasi overlay: verbatim e ancorate al minuto. In montaggio sovrapponi ogni frase intorno al timestamp indicato (±15s).
• Thumbnail iteration: se a 48h il CTR è sotto target, usa YT Studio Test & Compare con una thumbnail alternativa (rigenera il prompt del cap. 3 variando palette/espressione).
• Drop ravvicinato: la drop date è il giorno dopo la generazione dei materiali. Se la post-produzione (overlay + thumbnail) non chiude in tempo, sposta il drop a sabato 05/09 e rinomina i 2 file (data nel nome) + aggiorna la drop date nel frontmatter e nella checklist.
• Rilancio futuro: se a T+90gg l’episodio sottoperforma, considera nuova thumbnail via thumbnail-gen v1.1.

13. End screen + YT Cards (suggerito da youtube-cross-link v1.2)

End screen — 1 video (layout: Subscribe + Video)

Razionale:

Continuazione perfetta del filo GLM: l’ep68 discute già GLM 5.3 al cap [26:01] “GLM 5.3 e il dubbio su Ollama” e il hybrid routing con LiteLLM, che l’ep69 ritrova nel progetto Free LLM API (cap [34:45], che è una distro LiteLLM, come dice Paolo al min 38). Chi arriva alla fine dell’ep69 per il modello stealth ha il seguito naturale a un click. Score 0.93: semantic 0.92 (GLM + LiteLLM + routing citati per nome in entrambi), recency 0.97 (7 giorni), views 389 (views_log 0.90: il più visto dei video recenti, dietro solo all’ep51 di 4 mesi fa). Il più alto del pool di netto.

Setup in YT Studio (~90s):

1. YT Studio → Content → seleziona video corrente → Editor → End screen
2. Aggiungi elemento → Subscribe (canale Risorse Artificiali, di default)
3. Aggiungi elemento → Video → Specific video → incolla https://www.youtube.com/watch?v=Y7gkGLG4LPY
4. Layout: preset “Subscribe + 1 video”. Posiziona negli ultimi 20 secondi (1:10:56 → fine).
5. Save.

YT Cards — 5 cards a timestamp specifici del video corrente

Le cards si configurano in YT Studio → Editor video → Cards. Il teaser appare 5-10s al timestamp, poi resta icona “i” cliccabile.

Card 1 — Mostra al min 10:30 del video corrente

Razionale: al min 10:30 si parla del Cube di Xiaomi e dell’hardware per modelli in locale. L’ep67 al cap [11:20] “Intelligenza ibrida: DGX Spark, RTX e Apple S” affronta lo stesso tema dal lato occidentale: complementare, non ridondante.

Card 2 — Mostra al min 20:30 del video corrente

Razionale: al min 20:30 parte il rumor Nvidia-Hugging Face e la geopolitica dell’acquisizione. L’intervista Regolo al cap [33:45] “Geopolitica GPU: Europa tra USA e Cina” dà la profondità che l’ep69 tocca di striscio, e rientra nel vincolo mix format (1 intervista su 5 cards).

Card 3 — Mostra al min 34:45 del video corrente

Razionale: al min 34:45 Paolo racconta il modello GLM gratis per sbaglio. L’ep50 al cap [17:33] “Z.AI post-mortem: bug async cache” è il precedente diretto della stessa casa (Z.AI, il laboratorio di GLM), più la settimana cinese DeepSeek/Kimi. Tema “glitch dei provider cinesi” in due chiavi diverse. Posizione: 49% (metà episodio).

Card 4 — Mostra al min 42:20 del video corrente

Razionale: al min 42:20 si parla di Fusion (Mixture of Agents) e advisor esterni. L’ep60 ha il doppio aggancio: cap [58:04] “Skill learning e Mixture of Agents in Hermes” e cap [07:13] “Sonnet 5 e il comando /advisor di Claude Code”. Match per nome della tecnica.

Card 5 — Mostra al min 56:25 del video corrente

Razionale: al min 56:25 arrivano benchmark e costi di GLM 5.3 Flash. L’ep61 al cap [04:37] “GLM 5.2 e i laboratori cinesi” e cap [32:33] “Costi reali: Fable, Grok e Sonnet più di Opus” copre il modello grande e la stessa inference economics. Posizione: 79%, verso fine prima dell’end screen.

Setup in YT Studio (cards, ~5 min)

1. YT Studio → Content → video corrente → Editor → Cards
2. Per ogni card: “Aggiungi card” → Tipo Video → incolla URL target → “Show card at” al timestamp indicato → Custom message + Teaser text opzionali
3. Aggiungi tutte e 5 in una sessione, poi Save una volta sola.
4. Verifica: riproduci il video, scorri ai timestamp, controlla il teaser nell’angolo destro.

Distribuzione timestamp lungo l’episodio (71 min)

Gap minimi tutti > 90s. Temi tutti diversi: hardware locale, geopolitica GPU, glitch Z.AI, MoA/advisor, GLM/costi.

Score breakdown (trasparenza algoritmo)

Pesi: semantic 0.55, recency 0.25 (half-life 6 mesi), views_log 0.20 su views reali (fetch per-video yt-dlp, max del pool = 758 di ep51). Recency calcolata su data drop Jekyll come proxy upload YT. La selezione non cambia rispetto al primo giro: ogni card resta il miglior candidato tematico per il suo anchor, ora con lo score confermato dalle views.

Note operative

• Misurazione: YT Studio → Analytics → Engagement → End screens / Cards. CTR > 2% buono, > 4% ottimo. A T+30gg sotto soglia: re-invoca la skill per nuova selezione.
• Re-invocazione: il capitolo viene sovrascritto (stesso numero 13) su conferma, non duplicato.
• Cache canale: refreshata ora (2026-08-28), valida 5 giorni.
• Views reali: fetch per-video yt-dlp sui top-15 (2026-08-28). Le views dei video recenti (ep67, ep68) cambieranno in fretta dopo il drop: se a T+30gg il CTR è sotto soglia e re-invoci la skill, la classifica può aggiornarsi.