Un barato modelo de IA chino hace que los programadores reconsideren sus gastos

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 tiene 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 que los laboratorios estadounidenses, en comparación con aproximadamente un tercio en 2023.
• En los propios puntos de referencia de Z.ai, GLM 5.2 completó solo el 13 por ciento de tareas en SWE-Marathon, una prueba de codificación larga y difícil, 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 realiza un seguimiento exacto de lo que gasta en herramientas de IA. Los problemas difíciles van a un modelo de primer nivel, los problemas fáciles van a algo más barato. Su opción más barata ahora 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 a través de la API de Z.ai (una interfaz de programación que permite que su 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 llegó el 16 de junio de 2025.

También tiene pesos abiertos: 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 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 como para que ahora maneje del 10 al 20 por ciento de su carga de trabajo diaria de IA. El diseño de interfaz frontal es donde lo utiliza primero.

Hasan dice que el modelo mantiene una línea de pensamiento coherente durante horas de conversación de ida y vuelta. Los modelos más baratos anteriores a menudo perdían el hilo después de solo cinco a quince intercambios.

No todos tuvieron resultados fluidos. Sai Kiran Myadaram, ingeniero de software en Indhic AI con sede en Bengaluru, agotó su cuota semanal de tokens de Z.ai en menos de tres días. Se encontró con alucinaciones (donde una IA produce con confianza respuestas incorrectas o inventadas) y una planificación excesiva en correcciones simples, y desde entonces ha vuelto 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 pase a través de servidores vinculados a China. La opción de pesos abiertos es la respuesta práctica: alojar el modelo en su propio hardware y sus datos nunca salen de su edificio. Eso es algo que la mayoría de los mejores modelos estadounidenses no pueden ofrecer; están detrás de una API sin opción de auto-hospedaje disponible. Nuestra historia del 14 de julio sobre Grok Build cargando discretamente todo su código base en la nube mostró la poca visibilidad que normalmente tienen los ingenieros sobre dónde va su código.

Los puntos de referencia pintan un panorama mixto. El propio informe de investigación de Z.ai muestra que GLM 5.2 se queda atrás del Opus 4.8 de Anthropic en la mayoría de pruebas de codificación, aunque se acerca bastante al Opus 4.8 en algunos puntos de referencia de codificación más cortos y de agentes (pruebas donde el software de IA completa tareas de programación de varios pasos por sí solo).

¿Debería preocuparse por el costo de ignorar esto?

El problema mayor, argumenta Hasan, es que la mayoría de los equipos de software no saben cuánto cuestan sus herramientas de IA por proyecto. Cuando la empresa paga, los ingenieros recurren al modelo más poderoso por defecto. GLM 5.2 no reemplazará a los mejores modelos estadounidenses para los trabajos más difíciles. Pero para el trabajo de rutina, la brecha de precios es real y lo suficientemente amplia como para que ignorarla comience a verse como una elección, no como una descuida.