Z.ai presenta un modelo multimodal de 320 000 millones de parámetros que activa solo 18 000 millones y asegura acercarse a Claude Opus 4.8 en programación mientras reduce drásticamente el coste de uso.
La carrera mundial por la inteligencia artificial ya no consiste únicamente en construir el modelo más potente. El coste necesario para ejecutarlo empieza a ser igual de decisivo. Y China acaba de presentar una nueva apuesta en ese terreno.
Z.ai ha lanzado GLM-5.3-Flash, el primer modelo nativamente multimodal de la familia GLM-5. Cuenta con 320 000 millones de parámetros totales, pero activa únicamente 18 000 millones durante la inferencia. La compañía sostiene que supera ampliamente a GLM-5.2 y que, en determinadas pruebas de programación y agentes autónomos, se aproxima a modelos occidentales de primer nivel como Claude Opus 4.8.
La otra gran baza es económica: Z.ai presenta GLM-5.3-Flash como un modelo capaz de ofrecer un nivel elevado de inteligencia a aproximadamente una décima parte del coste de alternativas comparables.
GLM-5.3-Flash apuesta por hacer más con menos
La arquitectura explica buena parte de la estrategia.
Aunque GLM-5.3-Flash suma 320B de parámetros, solo activa 18B. En comparación, GLM-4.5 tenía 355B totales y 32B activos.
También se reduce drásticamente la profundidad: 45 capas frente a las 92 de GLM-4.5.
La compañía ha combinado además atención lineal y atención dispersa para disminuir el coste computacional cuando el modelo trabaja con contextos extremadamente largos.
A esto se suma una tecnología denominada IndexPool, concebida para reducir latencia y consumo de memoria cuando se utilizan contextos que pueden alcanzar un millón de tokens.
Según las mediciones presentadas por Z.ai, GLM-5.3-Flash necesita 3 veces menos cálculo de atención que GLM-5.3 y utiliza una caché KV 4,4 veces menor.
Resultados que ponen presión sobre los grandes modelos occidentales
Los resultados publicados por Z.ai muestran avances importantes respecto a GLM-5.2.
En DeepSWE v1.1, GLM-5.3-Flash alcanza 63,4 puntos, frente a los 46,2 de GLM-5.2. En AutomationBench v1.0.6, la diferencia aumenta hasta 48,8 frente a 26,2.
En Terminal Bench 2.1 obtiene 84,3, mientras Claude Opus 4.8 registra 85,0 y GPT-5.6 Terra alcanza 87,4 en la tabla publicada por Z.ai.
La situación cambia dependiendo del benchmark. GLM-5.3-Flash supera a algunos rivales en determinadas pruebas y queda claramente por detrás en otras. En BabyVision, por ejemplo, consigue 53,4, frente a 61,6 de GPT-5.6 Terra y 70,9 de Gemini 3.7 Flash.
Por ello, no puede concluirse que GLM-5.3-Flash sea globalmente superior a los principales modelos estadounidenses. Lo relevante es la combinación entre rendimiento, cantidad de parámetros activados y coste de inferencia que reivindica su desarrollador.
57 puntos de inteligencia por 0,045 dólares
Uno de los datos utilizados por Z.ai para promocionar el modelo procede del Artificial Analysis Intelligence Index v4.1.1.
GLM-5.3-Flash habría conseguido una puntuación de 57 con un coste descontado de apenas 0,045 dólares por tarea.
Según Z.ai, alcanzar anteriormente un nivel similar de rendimiento podía exigir aproximadamente 10 veces más coste.
La comparación resulta importante porque la economía de la IA está desplazándose progresivamente desde el entrenamiento hacia la inferencia: cuanto más utilizan empresas y particulares los modelos, mayor importancia adquiere el precio de ejecutar millones de consultas diariamente.
El modelo también puede ver lo que está programando
La segunda gran novedad es la multimodalidad nativa.
GLM-5.3-Flash no está diseñado únicamente para generar código. Puede observar el resultado visual producido por ese código, detectar problemas y modificar posteriormente su trabajo.
Z.ai pone como ejemplos el desarrollo web, videojuegos, simulaciones 3D, documentos y presentaciones.
El planteamiento busca cerrar un ciclo particularmente importante para los agentes autónomos: generar una interfaz, verla como la vería aproximadamente un usuario, detectar errores de composición o funcionamiento y volver al código para corregirlos.
La compañía asegura haber desarrollado procesos específicos de entrenamiento centrados en esta autoevaluación visual.
La otra noticia: ha funcionado sobre chips chinos
Más allá de los benchmarks, probablemente uno de los elementos con mayores implicaciones geopolíticas sea la infraestructura utilizada.
Z.ai afirma que durante la semana previa al lanzamiento sirvió GLM-5.3-Flash en un gran clúster compuesto por chips chinos de inteligencia artificial.
La compañía reconoce que estos procesadores presentan limitaciones individuales de capacidad computacional y memoria. Para compensarlas desarrolló un motor de inferencia específico basado en SGLang e incorporó diferentes técnicas de optimización.
El resultado, según sus propias mediciones, fue una mejora de 3 veces en el rendimiento integral del sistema frente a su configuración inicial.
Z.ai llega a afirmar que consiguió un nivel de eficiencia de hardware y un coste por token comparables a las GPU convencionales de NVIDIA.
Es una afirmación relevante, pero debe interpretarse con cautela: se trata de resultados divulgados por el propio desarrollador y no equivalen por sí solos a demostrar que los aceleradores chinos hayan alcanzado globalmente a NVIDIA en prestaciones, ecosistema o eficiencia.
China intenta reducir su dependencia tecnológica
El despliegue sobre hardware chino resulta especialmente significativo en un momento en el que la competición tecnológica entre China y Estados Unidos gira alrededor de los semiconductores avanzados.
Durante años, la ventaja estadounidense no se ha limitado a los modelos de IA. Empresas como NVIDIA han proporcionado la infraestructura computacional sobre la que se entrena y ejecuta buena parte de la inteligencia artificial mundial.
GLM-5.3-Flash apunta hacia una estrategia diferente: si el hardware disponible es más limitado, reducir la cantidad de computación necesaria para obtener un determinado nivel de rendimiento.
El modelo utiliza además un corpus multimodal de preentrenamiento de 30 billones de tokens, según la documentación proporcionada por Z.ai.
Z.ai ya lo probó en secreto
Antes de revelar públicamente GLM-5.3-Flash, la compañía lo introdujo de forma anónima bajo el nombre “ox-alpha” en OpenCode y OpenRouter.
El objetivo era obtener información sobre su funcionamiento con usuarios reales sin que el nombre del modelo condicionara inicialmente las evaluaciones.
Z.ai sostiene que ox-alpha llegó a convertirse en el modelo más popular de la semana y recalca que todo ese tráfico fue servido utilizando chips chinos.
Los pesos del modelo están disponibles públicamente
Otra diferencia relevante frente a numerosos modelos propietarios es que los pesos de GLM-5.3-Flash están disponibles públicamente en Hugging Face.
Para despliegues locales, el desarrollador señala compatibilidad con SGLang, vLLM y TokenSpeed, mientras prepara soporte para nuevos frameworks.
GLM-5.3-Flash también se ha incorporado a los planes de programación de GLM, donde ofrece, según Z.ai, 3 veces la cuota utilizable de GLM-5.3.
La batalla de la IA entra en una nueva fase
El lanzamiento muestra un cambio importante en la competición tecnológica.
Hasta ahora, buena parte de la atención se concentraba en quién podía construir el modelo con mayor capacidad. El siguiente campo de batalla será quién puede proporcionar capacidades similares utilizando menos memoria, menos computación y menos dinero.
Ahí reside la verdadera apuesta de GLM-5.3-Flash.
Sus resultados proceden en buena medida de evaluaciones presentadas por el propio desarrollador y deberán ser contrastados mediante pruebas independientes y uso real. Pero las cifras publicadas apuntan a una tendencia difícil de ignorar: los laboratorios chinos están intentando competir no solo mediante modelos más capaces, sino reduciendo agresivamente el coste necesario para utilizarlos.
Y hay otro dato que Washington probablemente observará con especial atención: Z.ai asegura haber demostrado que un modelo de esta escala puede atender tráfico real sobre infraestructura basada en chips chinos, reduciendo al menos parcialmente la dependencia de las GPU estadounidenses.
La carrera de la inteligencia artificial ya no se juega únicamente en los parámetros. También se disputa en cada chip, cada token y cada céntimo necesario para mantener funcionando los modelos a escala mundial.
Chollones
Chollones
Chollones