GLM-5.2: El «asesino» chino de Claude: ¿marketing o una amenaza real para los líderes de la IA?
En el mercado de inteligencia artificial ha aparecido un actor destacado, al que muchos ya han apodado el competidor asiático de Anthropic Claude. Se trata de la red neuronal GLM-5.2 de la empresa Z.ai, que en pocos días desde su lanzamiento ha generado un intenso debate en círculos profesionales. Blogueros de criptomonedas y desarrolladores comparan la novedad con productos insignia, señalando que, con un precio diez veces menor, el modelo muestra resultados impresionantes en varios escenarios. Analicemos hasta qué punto esta afirmación se ajusta a la realidad.
¿Qué es GLM-5.2 y cuál es su fortaleza?
GLM-5.2 es un modelo insignia de código abierto, creado con un enfoque en sesiones de trabajo prolongadas. Su principal diferencia con respecto a su predecesor GLM-5.1 es una ventana de contexto estable de 1 millón de tokens, cinco veces mayor que la anterior. Esto permite al modelo mantener en su campo de visión toda la base de código del proyecto sin degradarse en sesiones extremadamente largas. Características clave:
- Dos niveles de refuerzo de razonamiento: High para un equilibrio entre rendimiento y consumo de tokens, y Max para capacidades máximas.
- Licencia MIT abierta, que elimina restricciones regionales y permite ejecutar el modelo en equipos propios (self-hosting).
- El precio de acceso a través de API se mantiene en el nivel de la versión anterior, lo que lo hace extremadamente atractivo para los desarrolladores.
El modelo está disponible en HuggingFace y ModelScope, así como a través de la suscripción GLM Coding Plan, el agente de escritorio ZCode y los entornos Claude Code y OpenCode.
Benchmarks: dónde brilla GLM-5.2 y dónde se queda atrás
Según las pruebas internas de Z.ai, GLM-5.2 es reconocida como el modelo abierto más potente del mercado. Sin embargo, en la mayoría de los casos no alcanza al gigante propietario Anthropic Claude Opus 4.8, aunque la brecha se está reduciendo.
En pruebas estándar de programación, el progreso es evidente: 81,0 frente a 63,5 en Terminal-Bench 2.1 y 62,1 frente a 58,4 en SWE-bench Pro en comparación con GLM-5.1. En Terminal-Bench 2.1, el resultado de GLM-5.2 (81,0) se acerca mucho al de Opus 4.8 (85,0) y supera a Gemini 3.1 Pro (74,0).
En tareas de larga duración (long-horizon), la situación es similar. En la prueba FrontierSWE, donde el modelo gestiona proyectos técnicos abiertos durante horas, GLM-5.2 se queda solo un 1% por detrás de Opus 4.8. En PostTrainBench, supera a Opus 4.7 y GPT-5.5, quedando solo por detrás de Opus 4.8. Así, en las tres pruebas, GLM-5.2 muestra el mejor resultado entre los modelos abiertos, pero sigue por detrás de los mejores análogos cerrados.
Costo y aspectos a considerar
La suscripción GLM Coding Plan se divide en tres tarifas con un 30% de descuento en el pago anual: Lite por $12,6/mes, Pro por $50,4/mes y Max por $112/mes. El consumo de cuota depende de la carga: coeficiente 3x en horas pico (14:00-18:00 hora de Pekín) y 2x fuera de pico. Hasta finales de septiembre, hay una promoción donde el uso fuera de pico se tarifica como 1x.
Las opiniones de los usuarios son polarizadas. Por un lado, el modelo es elogiado por su mejor lógica base en comparación con la versión 5.1 y su comparabilidad con GPT-5.5 en un alto nivel de razonamiento. Por otro lado, se critica su débil infraestructura en la nube, el alto consumo de tokens en modo Max y su tendencia a quedarse atascado en bucles infinitos. Muchos señalan que la novedad es llamada "asesina" de Claude por blogueros, no por benchmarks: en la mayoría de las pruebas, la propia Z.ai sitúa su modelo por debajo de Opus 4.8.
Mi conclusión profesional: GLM-5.2 es, sin duda, un paso adelante importante para la IA de código abierto, reduciendo la brecha con los líderes. Sin embargo, llamarla "asesina" de Claude es prematuro. Es más bien una "asesina económica" para desarrolladores que valoran la apertura y el bajo precio, pero están dispuestos a tolerar la inestabilidad y el alto consumo de recursos. Para reemplazar masivamente a los modelos insignia de Anthropic, aún debe demostrar su valía en condiciones reales, no solo en benchmarks.