Un Económico Modelo de IA Chino Hace que los Programadores Reconsideren sus Facturas

Puntos clave

• Z.ai lanzó GLM 5.2 el 16 de junio de 2025, un modelo de lenguaje grande con 753 mil millones de parámetros totales pero solo 40 mil millones activos a la vez, lo que lo hace más rápido para responder.
• Z.ai cobra $4.40 por millón de tokens de salida (los fragmentos de texto que genera el modelo), menos de una quinta parte del precio comparable del Opus 4.8 de Anthropic.
• GLM 5.2 es de pesos abiertos, lo que significa que cualquier organización con su propio hardware puede descargarlo y ejecutarlo sin pagar a Z.ai en absoluto.
• El Índice de IA de Stanford encontró que los laboratorios chinos produjeron poco más de la mitad de modelos de IA notables en 2025 en comparación con los laboratorios estadounidenses, subiendo desde aproximadamente un tercio en 2023.
• En los puntos de referencia propios de Z.ai, GLM 5.2 completó solo el 13 por ciento de las tareas en SWE-Marathon, una prueba de codificación de larga duración muy desafiante, mientras que el Claude Opus 4.8 de Anthropic duplicó esa puntuación.

Zain Hasan es ingeniero de IA en Together AI y es el tipo de persona que rastrea exactamente lo que gasta en herramientas de IA. Su sistema es simple: los problemas difíciles van a un modelo de primer nivel, los problemas fáciles van a algo más económico. En este momento, su opción más económica es GLM 5.2.

GLM 5.2 proviene de Z.ai, un laboratorio de IA con sede en Pekín. El modelo cuesta $4.40 por millón de tokens de salida cuando usas la API de Z.ai (una interfaz de programación, la conexión que permite que tu aplicación se comunique con su modelo). Eso es menos de una quinta parte del precio del Claude Opus 4.8 de Anthropic, y aproximadamente una décima parte del modelo de codificación Fable de Anthropic. Informado por primera vez por IEEE Spectrum AI, el lanzamiento ocurrió el 16 de junio de 2025.

También es de pesos abiertos, lo que significa que Z.ai publicó los datos subyacentes del modelo para que cualquiera con suficiente hardware de computación pueda descargarlo y ejecutarlo por sí mismo, de forma gratuita.

¿Es GLM 5.2 realmente lo suficientemente bueno para confiar?

Para muchas tareas, sí, pero con límites claros. David Nix, ingeniero de software principal en MetaRouter con sede en Denver, dice que GLM 5.2 se acerca lo suficiente a los mejores modelos estadounidenses que ahora maneja entre el 10 y el 20 por ciento de su carga de trabajo diaria de IA. El trabajo de diseño de front-end (construir el lado visual de sitios web y aplicaciones) es donde lo utiliza primero.

Hasan dice que el modelo mantiene una línea coherente de pensamiento durante horas de conversación de ida y vuelta, algo que los modelos más económicos anteriores tuvieron dificultades para hacer después de solo cinco a quince intercambios.

No todos tuvieron resultados sin problemas. Sai Kiran Myadaram, ingeniero de software en Indhic AI con sede en Bengalur, agotó su cuota semanal de tokens de Z.ai en menos de tres días. También se encontró con alucinaciones (donde una IA produce con confianza respuestas incorrectas o inventadas) y una planificación excesiva en correcciones simples. Desde entonces ha vuelto a cambiar al Codex de OpenAI.

La cuestión de la privacidad es real. GLM 5.2 proviene de China, y algunas empresas estadounidenses se preocupan por que código sensible o datos comerciales pasen por servidores vinculados a China. La opción de pesos abiertos es la respuesta práctica: alojar el modelo en tu propio hardware y tus datos nunca salen de tu edificio. La mayoría de los mejores modelos estadounidenses no ofrecen tal opción; se encuentran detrás de una API sin disponibilidad de auto-alojamiento.

Los puntos de referencia pintan un panorama mixto. El informe de investigación de Z.ai muestra que GLM 5.2 está rezagado del Opus 4.8 de Anthropic en la mayoría de pruebas de codificación, aunque casi iguala el Opus 4.8 en algunos puntos de referencia de codificación de agentes más cortos (pruebas donde un agente de IA, software que completa tareas de múltiples pasos por sí solo, aborda problemas de programación reales).

La historia más importante, argumenta Hasan, es que la mayoría de equipos de software no tienen idea de cuánto cuestan realmente sus herramientas de IA por proyecto. Cuando la empresa paga, los ingenieros naturalmente buscan el modelo más poderoso. GLM 5.2 no reemplazará los mejores modelos estadounidenses para los trabajos más difíciles. Pero para el trabajo de rutina, la brecha de precios es lo suficientemente grande como para notarla.