Red neuronal GLM-5.2: ¿Realmente la nueva IA de China supera a Claude? Análisis y pruebas
En el mundo de la inteligencia artificial se gesta una intriga. Ha llegado al mercado un nuevo modelo chino, GLM-5.2, de la empresa Z.ai, al que ya han bautizado como el potencial «asesino» de los buques insignia de Anthropic: la familia Claude. Como analista independiente, he decidido comprobar hasta qué punto estas afirmaciones se corresponden con la realidad y contrastar las cifras con las opiniones reales de los desarrolladores.
Qué se esconde bajo el capó de GLM-5.2
La principal baza de la novedad es su gigantesca ventana de contexto de 1 millón de tokens. En comparación, su predecesor GLM-5.1 tenía solo 200.000. Esto significa que el modelo es capaz de «retener en la cabeza» enormes volúmenes de código o información textual sin perder el hilo del razonamiento.
Características clave del modelo:
- Contexto de 1 millón de tokens: La base de código de un proyecto completo cabe en un solo ciclo de razonamiento sin degradación de la calidad.
- Dos niveles de potenciación: High — para equilibrar rendimiento y consumo de tokens, Max — para máxima profundidad de análisis, pero con mayor consumo.
- Licencia MIT abierta: Libertad total para autoalojamiento y uso comercial sin restricciones regionales.
- Precio: El coste de las consultas a través de la API se ha mantenido al nivel de la versión anterior, lo que es una grata sorpresa.
El modelo ya está disponible en HuggingFace y ModelScope, y también está integrado con frameworks populares como vLLM y SGLang.
Benchmarks: La persecución de los líderes
Según las pruebas propias de Z.ai, GLM-5.2 es el modelo abierto más potente del mercado. Sin embargo, aún está lejos del gigante propietario Anthropic Claude Opus 4.8. La brecha es notable, pero en algunos escenarios se reduce al mínimo.
Resultados clave en modo Max:
| Benchmark | GLM-5.2 | GLM-5.1 | Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|---|
| SWE-bench Pro | 62.1 | 58.4 | 69.2 | 58.6 | 54.2 |
| Terminal-Bench 2.1 | 81.0 | 63.5 | 85.0 | 84.0 | 74.0 |
| NL2Repo | 48.9 | 42.7 | 69.7 | 50.7 | 33.4 |
| DeepSWE | 46.2 | 18.0 | 58.0 | 70.0 | 10.0 |
| ProgramBench | 63.7 | 50.9 | 71.9 | 70.8 | 39.5 |
| MCP-Atlas | 76.8 | 71.8 | 77.8 | 75.3 | 69.2 |
| Tool-Decathlon | 48.2 | 40.7 | 59.9 | 55.6 | 48.8 |
En la prueba Terminal-Bench 2.1, que simula el trabajo en la línea de comandos, GLM-5.2 (81.0) se ha acercado mucho a Opus 4.8 (85.0), superando a Gemini 3.1 Pro (74.0). Sin embargo, en tareas más complejas, como NL2Repo (generación de un proyecto a partir de una descripción), el rezago respecto al líder es ya de 20 puntos.
En tareas de larga duración (long-horizon), el panorama es similar. En la prueba FrontierSWE, donde el modelo trabaja en un proyecto durante decenas de horas, GLM-5.2 está solo un 1% por detrás de Opus 4.8, un resultado excepcional para un modelo abierto.
Precio y experiencia real: ¿El punto medio dorado?
La suscripción GLM Coding Plan ofrece tres tarifas con un descuento anual del 30%: Lite ($12.6/mes), Pro ($50.4/mes) y Max ($112/mes). El coste parece atractivo, pero hay matices.
Los usuarios están encantados con el modelo matemático y la lógica, que ha mejorado notablemente respecto a la versión 5.1. Muchos señalan que en programación, GLM-5.2 es comparable a GPT-5.5 en el nivel de potenciación alto. Sin embargo, los críticos señalan una infraestructura en la nube débil, un alto consumo de tokens en modo Max y la tendencia del modelo a «encallarse», ignorando las órdenes del usuario. Da la impresión de que el modelo está optimizado para los benchmarks, no para la experiencia de usuario real.
Veredicto del analista
GLM-5.2 es un gran paso adelante para los modelos de IA abiertos. Muestra resultados impresionantes en pruebas sintéticas y se acerca mucho a los líderes del mercado. Sin embargo, es prematuro llamarlo «asesino» de Claude. Los problemas de infraestructura, el alto consumo de tokens y la inestabilidad en escenarios reales dejan, por ahora, el título de «rey» en manos de las soluciones propietarias. Para los desarrolladores que valoran la apertura y el autoalojamiento, GLM-5.2 es una excelente opción. Para aquellos que necesitan estabilidad y previsibilidad, Claude sigue siendo la opción preferible.