GLM-5.3 Flash

GLM-5.3-Flash es el modelo de pesos abiertos con licencia MIT que Z.ai (Zhipu AI) publicó el 26 de agosto de 2026 y que ha recolocado el listón de la relación calidad-precio: un modelo MoE de 320.000 millones de parámetros totales con solo 18.000 millones activos por token, ventana de contexto de 1M de tokens, comprensión nativa de imágenes y vídeo, y una API que cuesta 0,15 $ por millón de tokens de entrada y 0,50 $ por millón de salida (a octubre de 2026). Es el primer modelo nativamente multimodal de la serie GLM-5 y, aunque se lanzó como opción económica, sus resultados en programación y tareas de agente se acercan a los de modelos diez veces más caros. En el índice de inteligencia Artificial Analysis (v4.1.1) alcanzó 57 puntos, una marca que hasta entonces solo estaba disponible a un coste muy superior.

En pocas palabras: está diseñado para que los desarrolladores ejecuten agentes de codificación, automatización y procesamiento masivo sin pagar precios de modelo insignia. No sustituye a un Claude Opus o a un GLM-5.3 en razonamiento de máxima dificultad, pero para escribir código y llamar herramientas ofrece una de las mejores combinaciones de precio, velocidad y apertura del mercado.

De “Ox Alpha” a modelo oficial

Antes de llevar su nombre, el modelo se probó de forma anónima en OpenRouter y OpenCode bajo el alias Ox Alpha, donde en pocos días se convirtió en el más usado de la semana. Z.ai repitió su estrategia de pruebas a ciegas: que la comunidad lo valore sin conocer la marca y publicar después los detalles y los pesos.

Arquitectura híbrida: más inteligencia con menos cómputo

La clave del precio está en la arquitectura. GLM-5.3-Flash es el primer modelo frontera de código abierto que combina atención lineal y atención dispersa en un mismo diseño:

• Atención lineal: captura dependencias locales mediante modelado de estado, con coste muy reducido.
• Atención dispersa con indexador ligero: recupera el contexto global relevante sin pagar el coste completo de una atención densa sobre un millón de tokens.
• IndexPool: comprime cuatro vectores clave del indexador en uno mediante pooling ponderado, reduciendo latencia y memoria en contexto largo.
• Conexiones hiperbólicas con restricción de variedad (mHC) y capa de predicción multi-token, que mejoran la eficiencia de escalado.

Según las mediciones de Z.ai, frente a GLM-5.3 consume 3,0 veces menos cómputo de atención y 4,4 veces menos caché KV. Frente a GLM-4.5 mantiene un tamaño total similar (320B contra 355B) pero casi divide por dos los parámetros activos (18B contra 32B) y las capas (45 contra 92). Se entrenó sobre un corpus multimodal de 30 billones (30T) de tokens, de ahí que la visión forme parte del modelo base y no un añadido posterior.

Especificaciones clave

• Arquitectura: MoE híbrido, 320B totales / 18B activos, 45 capas, precisión FP8.
• Contexto: 1.048.576 tokens (1M) y salida máxima de hasta 128K tokens.
• Entrada: texto, imágenes, vídeo y archivos; salida: solo texto.
• Razonamiento: modo de pensamiento siempre activo con tres niveles de esfuerzo (low, high, max).
• Compatibilidad de API: protocolos OpenAI Chat Completions, OpenAI Responses y Anthropic Messages.
• Capacidades: llamada a funciones y uso de herramientas, salida estructurada en JSON, caché de contexto, streaming.

Pesos abiertos MIT y autoalojamiento

Los pesos están publicados en Hugging Face (zai-org/GLM-5.3-Flash) bajo licencia MIT: uso comercial, modificación y redistribución sin condiciones relevantes. Puedes desplegarlo con vLLM, SGLang, KTransformers o TokenSpeed. Eso sí, 320B parámetros en FP8 siguen siendo un modelo de tamaño servidor: el autoalojamiento es gratuito en licencia, pero exige GPUs de gama datacenter. Para la mayoría de equipos, la vía práctica es la API.

Rendimiento en programación y agentes

Los números que Z.ai publicó junto al modelo muestran saltos muy grandes frente a GLM-5.2, especialmente en tareas de agente de horizonte largo:

Prueba	GLM-5.3-Flash	GLM-5.2	Claude Opus 4.8
Terminal-Bench 2.1 (terminal real)	84,3	81,0	85,0
DeepSWE v1.1 (ingeniería a escala de repositorio)	63,4	46,2	58,0
Toolathlon Verified (flujos multi-herramienta)	78,4	59,9	76,2
AutomationBench (automatización)	48,8	26,2	41,0
Humanity's Last Exam con herramientas	55,3	54,7	57,9
Z.ai Code Bench (esfuerzo máximo)	29,0	—	29,5

En DeepSWE y AutomationBench supera incluso al insignia de Anthropic en estas listas, y en el banco de pruebas interno de código se queda a media décima de Claude Opus 4.8. La novedad más diferencial es la inteligencia visual dentro del bucle de programación: el modelo observa interfaces, revisa sus propios resultados renderizados y los refina en iteraciones sucesivas, algo útil en desarrollo frontend y en agentes que trabajan con capturas, PDF o hojas de cálculo.

Advertencia: casi todos estos datos son autodeclarados por el fabricante y réplicas independientes han registrado cifras algo más bajas, así que conviene validar con tus propios casos de uso antes de migrar cargas críticas.

Precio de la API (a octubre de 2026)

La tarifa estándar publicada en la documentación oficial de Z.ai, por millón de tokens:

Concepto	Precio USD	Precio en yuanes (bigmodel.cn)
Entrada	0,15 $	0,8 yuanes
Entrada con caché	0,03 $	0,23 yuanes
Salida	0,50 $	2,8 yuanes
Almacenamiento de caché	Gratuito por tiempo limitado	Gratuito por tiempo limitado

El lanzamiento incluyó un descuento del 50 % (0,075 $ entrada y 0,25 $ salida) que caducó el 9 de septiembre de 2026, así que las cifras anteriores son las vigentes. Como referencia: GLM-5.3 cuesta 1,40 $ / 4,40 $, y existe GLM-5.3-FlashX (0,37 $ / 1,25 $), la variante de alta velocidad con 200 tokens por segundo.

Si programas con agentes todo el día, la alternativa al pago por token es el GLM Coding Plan: suscripción desde 18 $ al mes (Lite, Pro y Max) usable en Claude Code, Cline, OpenCode y ZCode, con cuotas de créditos cada 5 horas y semanales y consumo al 50 % en horas valle. El modelo está también en Together AI, SiliconFlow y Novita AI a los mismos 0,15 $ / 0,50 $.

GLM-5.3-Flash frente a DeepSeek-V4-Flash

La comparación que más se repite en búsquedas como “GLM-5.3-Flash vs DeepSeek” es inevitable: ambos son MoE chinos, económicos y con pesos MIT.

Dimensión	GLM-5.3-Flash	DeepSeek-V4-Flash
Parámetros (totales/activos)	320B / 18B	284B / 13B
Entrada / salida por 1M tokens	0,15 $ / 0,50 $	0,22 $ / 0,66 $ (valle); 0,44 $ / 1,32 $ (punta)
Entrada con caché	0,03 $	desde 0,007 $ en valle
Índice Artificial Analysis	57	50
Multimodalidad	Nativa (imagen, vídeo, archivos)	Solo texto (versión aparte con visión)
Contexto	1M tokens	1M tokens
Licencia	MIT	MIT

En programación agéntica y uso de herramientas, GLM-5.3-Flash es hoy más fuerte y más barato a tarifa estándar. DeepSeek-V4-Flash recupera terreno en cargas con prefijos largos y muy reutilizados, donde su caché a 0,007 $ deja el coste de entrada por debajo del de Z.ai. Si tu trabajo implica capturas, documentos o interfaces, la multimodalidad nativa de GLM no tiene equivalente en el Flash de DeepSeek.

Otras alternativas a considerar

• Qwen3.8-Flash-Next: índice Artificial Analysis de 56 (a un punto de GLM), unos 6B parámetros activos y licencia Qwen Community; su 91,9 en LiveCodeBench es dato del fabricante y aún sin validación independiente amplia.
• GLM-5.3: el insignia de la casa (1,40 $ / 4,40 $) para ingeniería de software compleja y ciberseguridad, donde la profundidad de razonamiento importa más que el coste.
• GLM-4.7-Flash: gratuito por token en la API de Z.ai; la puerta de entrada si tu presupuesto es literalmente cero y toleras menos capacidad.

Limitaciones a tener en cuenta

• Salida solo texto: entiende imágenes y vídeo, pero no los genera.
• Benchmarks autodeclarados en su mayoría: prueba el modelo con tu propio repositorio antes de migrar cargas críticas.
• Autoalojamiento pesado: los 320B en FP8 requieren infraestructura de nivel servidor, no una GPU de consumo.
• Razonamiento siempre activo: el modo de pensamiento no puede desactivarse, solo modularse (low/high/max), lo que añade tokens de pensamiento a cada respuesta.

¿Para quién es GLM-5.3-Flash?

Encaja muy bien si:

• Eres desarrollador o startup y necesitas un motor barato y rápido para agentes de codificación, depuración y automatización.
• Trabajas con documentos, capturas u hojas de cálculo y quieres un solo modelo que vea y programe en el mismo bucle.
• Necesitas procesar millones de tokens (clasificación, limpieza de datos, informes, traducción) con control de coste.
• Buscas un modelo open weight MIT con opción real de autoalojamiento.
• Desarrollas aplicaciones en español: se comporta de forma sólida en chino, inglés y español, y su bajo coste facilita productos para mercados hispanohablantes.

Mejor otra opción si: tu cuello de botella es el razonamiento matemático de élite (ve a GLM-5.3 o DeepSeek-V4-Pro); si tu carga es de prefijo fijo con caché masiva (DeepSeek-V4-Flash es más barato ahí); o si esperas generar imágenes o vídeo.

Preguntas frecuentes

¿GLM-5.3-Flash es gratis?

Los pesos son gratuitos bajo licencia MIT y puedes autoalojarlos sin pagar licencia. La API oficial de Z.ai es de pago: 0,15 $ por millón de tokens de entrada y 0,50 $ por millón de salida (a octubre de 2026). El GLM Coding Plan arranca en 18 $ al mes.

¿Qué contexto admite?

Un millón de tokens de ventana total, con hasta 128.000 tokens de salida. La arquitectura de atención híbrida está diseñada precisamente para que ese contexto largo sea barato de servir.

¿Funciona con Claude Code, Cursor u OpenCode?

Sí. Su API es compatible con los protocolos de OpenAI y Anthropic, y Z.ai lo integra oficialmente en el GLM Coding Plan para Claude Code, Cline, OpenCode, ZCode y otras herramientas. En la práctica, migrar suele ser cambiar el identificador del modelo y la URL base.

¿Es mejor que DeepSeek?

En programación agéntica, uso de herramientas y capacidades visuales, los datos de 2026 favorecen a GLM-5.3-Flash. En caché para cargas con prefijos repetidos, DeepSeek-V4-Flash sigue teniendo argumentos.

¿Dónde leer los detalles oficiales?

En el anuncio técnico GLM-5.3-Flash: Frontier Intelligence, Flash Cost, en la guía de documentación para desarrolladores de Z.ai y en el repositorio de pesos de Hugging Face.