# GLM-5.2 alcanza a Claude Opus 4.8: el modelo abierto cuesta 5 veces menos > GLM-5.2 de Z.ai programa casi tan bien como Claude Opus 4.8, pero cuesta muchas veces menos. Analizo las pruebas, los precios y cómo conectar el modelo abierto a Claude Code en 5 minutos. Source: https://ailoot.ai/blog/es/glm-5-2-vs-claude-code/ Canonical: https://ailoot.ai/blog/es/glm-5-2-vs-claude-code/ Language: es Publisher: Ailoot (https://ailoot.ai/) Translation: guide-101 Revision: sha256-ca8d9b0f6a27086b33f40ce85cdf9e67cc6cfb0f727b8555f13c9f7af3439778
Lo esencial Actualizado en septiembre de 2026: GLM-5.3 (14 de agosto) sucedió a GLM-5.2, y todas las cifras de abajo se refieren ahora a ese modelo. GLM, de la empresa china Z.ai, programa al nivel de Claude Opus 4.8 y en algunos ámbitos incluso lo supera, a la vez que cuesta muchas veces menos y está disponible abiertamente. Para el trabajo rutinario, las tareas de frontend y las modificaciones de tamaño medio, sustituye a Opus por una quinta parte del precio. Opus sigue siendo más fiable en las tareas autónomas más largas, aunque la brecha de SWE-Marathon en la tabla de Z.ai pasó de 29,4 a 6,3 puntos porcentuales. A continuación encontrarás cifras honestas y cómo conectar GLM a Claude Code en 5 minutos.
[Documentación de Ailoot](https://ailoot.ai/docs/) — material de referencia sobre el uso del servicio.
## ¿Qué es GLM-5.2 y por qué habla todo el mundo de él?
Lo esencial GLM-5.2 es un modelo de Z.ai, empresa con sede en Pekín (antes Zhipu), lanzado el 13 de junio de 2026, un día después de que el Gobierno de Estados Unidos obligara a Anthropic a desactivar sus modelos más avanzados, Fable 5 y Mythos 5. La versión actual de la línea es GLM-5.3 (14 de agosto de 2026). La principal característica de la familia: una calidad de código cercana a Opus, pesos abiertos y un precio muchas veces menor.
Hace dos semanas ocurrió algo poco habitual en la comunidad de programación: un modelo abierto de China se puso a la altura del Claude más caro. GLM-5.2 salió al día siguiente: abierto, sin bloqueos y barato. En resumen, GLM es un modelo enorme: 753 mil millones de parámetros, pero solo activa una pequeña parte (unos 40 mil millones) para cada solicitud, así que es rápido y barato a pesar de su tamaño. Su ventana de contexto es de 1 millón de tokens, aproximadamente lo que ocupa un libro de 700 páginas de una sola vez. Lo desarrolló Z.ai, una empresa de Pekín que surgió de la Universidad de Tsinghua. Lo fundamental: el modelo está disponible abiertamente. GLM-5.2 tiene licencia MIT; GLM-5.3 cuenta con su propia licencia GLM-5.3, igual de permisiva en espíritu: puedes descargarlo y usarlo. La única restricción afecta a los gigantes: los servicios con ingresos anuales de 10 mil millones de dólares o más deben pasar la revisión de seguridad de Z.ai. En el caso descrito no hay bloqueos regionales, a diferencia de Claude. El momento jugó a su favor. El día antes de su lanzamiento, una directiva del Gobierno de Estados Unidos obligó a Anthropic a desactivar urgentemente dos modelos avanzados.

Hoy recibimos una directiva del Gobierno a las 5:21 p. m., hora del este. Para cumplir sus requisitos, tenemos que desactivar de forma abrupta Fable 5 y Mythos 5 para todos nuestros clientes.

— Anthropic, https://www.anthropic.com/news/fable-mythos-access
GLM-5.2 salió al día siguiente: abierto, sin bloqueos y barato. En aquel momento ocupaba el cuarto puesto general, por detrás de Fable 5, Opus 4.8 y GPT-5.5. Pero entre los modelos que puedes descargar y ejecutar sin permiso de su desarrollador, era el mejor. Para un emprendedor, eso significa una cosa: ha llegado un competidor sólido de Claude al precio de una taza de café. Después, las líneas de modelos se revolucionaron. El 24 de julio, Anthropic lanzó Opus 5 al mismo precio: 5 y 25 dólares por millón de tokens. GLM-5.3 llegó el 14 de agosto: los mismos 753 mil millones de parámetros y el contexto de un millón de tokens, pero con un rendimiento en programación notablemente mejor: un 50 % superior al de GLM-5.2 en la prueba interna de Z.ai. El 1 de septiembre, Anthropic presentó Fable 5.1 y Mythos 5.1. Así que, a partir de aquí, las cifras de este artículo corresponden a la versión actual, GLM-5.3. ## ¿De verdad GLM-5.2 ha alcanzado a Claude en programación?
Lo esencial Con el lanzamiento de GLM-5.3, el panorama cambió. En la tabla oficial de Z.ai, supera a Opus 4.8 en cinco de siete pruebas y casi ha cerrado la principal brecha de GLM-5.2: las tareas de varias horas (SWE-Marathon: GLM-5.2 19.4, GLM-5.3 42.5 y Opus 4.8 48.8 en la misma tabla comunicada). Opus 5 no aparece en esta tabla y todavía no hay mediciones independientes de «GLM-5.3 frente a Opus 5». La respuesta honesta es esta: GLM-5.3 ya está por delante de Opus 4.8; no sabemos cómo queda frente a Opus 5.
Las cifras de abajo proceden de la ficha oficial del modelo GLM-5.3 en HuggingFace. Z.ai compara su modelo con Opus 4.8, no con Opus 5; ten en cuenta que esta es su tabla. | Prueba | GLM-5.3 | GLM-5.2 | Opus 4.8 | Qué demuestra | |----|----|----|----|----| | Terminal-Bench 2.1 (trabajo con terminal) | 88.2 | 81.0 | 85.0 | GLM-5.3 va por delante | | Terminal-Bench 3.0 | 28.3 | 4.6 | 21.1 | Un salto de seis veces; Opus 4.8 queda por detrás | | DeepSWE (tareas reales de repositorios) | 66.9 | 46.2 | 58.0 | GLM-5.3 va por delante | | FrontierSWE (tareas de tamaño medio) | 78.1 | 67.5 | 66.5 | GLM-5.3 va por delante | | NL2Repo (modificaciones en un proyecto grande) | 58.0 | 48.9 | 69.7 | Opus sigue siendo mejor | | SWE-Marathon (tareas de varias horas) | 42.5 | 19.4 | 48.8 | La brecha pasa de 29,4 a 6,3 puntos porcentuales | | CyberGym (detección de vulnerabilidades) | 84.5 | 77.2 | 78.1 | GLM es el mejor | El panorama es este: GLM-5.3 supera a Opus 4.8 en casi todo y queda por detrás cuando la tarea consiste en reescribir una sección entera de un proyecto grande o seguir una tarea de varias horas sin perder el hilo. En este benchmark de varias horas, la brecha comunicada se estrecha 23,1 puntos porcentuales: (48,8 − 19,4) − (48,8 − 42,5) = 23,1. Es una reducción aproximada del 79 %, no de la mitad; describe esa tabla, no una tasa de fiabilidad medida en tu proyecto. El trabajo autónomo prolongado es la última frontera donde Opus aún se mantiene firme. En junio, poco después del lanzamiento de GLM-5.2, el equipo de Cline pidió a este modelo y a Opus 4.8 que corrigieran un error real de su proyecto.

Ambos modelos corrigieron el error, pero GLM ganó en precio y calidad del código: usó el doble de tokens, pero costó la mitad. Opus dejó errores de tipos que pasaron las pruebas, pero rompieron la compilación de producción.

— Cline
Lo interesante es que GLM a veces supera a Claude en tareas concretas. La empresa de seguridad Semgrep (que no desarrolla GLM y es una parte independiente) probó modelos para detectar vulnerabilidades y descubrió que GLM-5.2 sin más superó a un agente basado en Opus. Pero también incluyó una cautela aleccionadora que conviene recordar.

Esta es una sola ejecución con un solo conjunto de datos. El entorno que rodea al modelo importa más que el modelo en sí.

— Semgrep
Recuerda esa cautela: el entorno importa más que el modelo. La conclusión de las pruebas es que GLM-5.3 ha alcanzado y superado a Opus 4.8 en la programación cotidiana y está casi a la par en las tareas más difíciles. Diremos cómo se compara con Opus 5 cuando aparezcan mediciones independientes. Para la mayoría de las tareas de un emprendedor, la ventaja actual es suficiente. ## ¿Cuánto más barato es GLM-5.2 que Claude?
Lo esencial Por token, GLM-5.3 es 3.5 veces más barato que Opus 5 en las entradas y casi 6 veces más barato en las salidas; los precios no han cambiado para ninguno de los dos desde la generación anterior. En una factura mensual con un volumen de trabajo típico, la diferencia es de unas 5 veces. Pero hay una salvedad: GLM consume más tokens para la misma tarea, así que el ahorro real en una tarea concreta oscila entre 2 y 7 veces.
Veamos de qué se trata. Comparemos los precios por millón de tokens. | Modelo | Entrada (\$/1M) | Salida (\$/1M) | |----|----|----| | GLM-5.3 (directamente de Z.ai) | \$1.40 | \$4.40 | | Claude Sonnet 5 | \$2.00 | \$10.00 | | Claude Opus 5 | \$5.00 | \$25.00 | | Claude Mythos 5.1 (el Claude más caro) | \$10.00 | \$50.00 | La diferencia de precio es enorme: las salidas de GLM cuestan entre 6 y 8 veces menos. Así que el ahorro real en una tarea concreta está entre 2 y 7 veces, según cuánto tenga que revisarse GLM. Es menos que las «5 veces» que promete el precio, pero aun así te deja dinero en el bolsillo. GLM es una forma de pagar menos; tengo análisis independientes sobre DeepSeek y [otros modelos económicos para programar](https://ailoot.ai/blog/es/free-coding-models/). Ahorrar en un modelo es solo el principio. Es mucho más importante crear un sistema en el que Claude deje de alucinar con cualquier modelo. El modelo que eliges es el motor. Lo que pones en el contexto es lo que construye el coche. ## Cómo conectar GLM-5.2 a Claude Code en 5 minutos
Lo esencial No hay que descargar nada: GLM se conecta a tu Claude Code habitual mediante variables de entorno. El método descrito es una suscripción de Z.ai (desde \$18 al mes, la más sencilla para el trabajo diario). A continuación tienes los pasos exactos; copia y pega.
Lo mejor es que no cambias de herramientas. Claude Code sigue ahí; solo cambia el modelo que responde por debajo. Para conectarlo, basta con añadir un par de líneas a la configuración. ### Opción 1 - Suscripción de Z.ai (para el trabajo diario) Z.ai ofrece una suscripción especial, GLM Coding Plan, adaptada a las herramientas de programación. El precio es fijo y el endpoint de la API habla el idioma nativo de Claude Code. 1. #### Suscríbete Ve a z.ai/subscribe y elige un plan. Lite empieza en \$18 al mes (suficiente para una jornada completa de trabajo intensivo); hay planes más caros para quienes programan todo el día. 2. #### Crea una clave En z.ai, ve a API Keys, haz clic en «Create a new API key» y cópiala. 3. #### Configura los ajustes Abre el archivo ~/.claude/settings.json y pega el bloque de abajo, sustituyendo el marcador de posición por tu clave. 4. #### Reinicia el terminal Abre un terminal nuevo, ejecuta claude y escribe /status para comprobarlo. ```json { "env": { "ANTHROPIC_AUTH_TOKEN": "your_z_ai_key", "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]", "API_TIMEOUT_MS": "3000000" } } ```
Advertencia Dos errores habituales en otras guías. Primero: la variable se llama `ANTHROPIC_AUTH_TOKEN`, no `ANTHROPIC_API_KEY`. Segundo: la dirección para Claude Code es específicamente `https://api.z.ai/api/anthropic` (formato de Anthropic). La dirección `/api/paas/v4` a secas no funciona con la suscripción.
Después, Claude Code mostrará los nombres «Opus» y «Sonnet», pero ejecutará GLM en segundo plano; Z.ai sustituye el modelo por su lado. Si aún tienes glm-5.2 en la configuración, no pasa nada: Z.ai redirige por su cuenta las solicitudes para GLM-5.2 y 5.1 a GLM-5.3, y las solicitudes para GLM-4.7 a GLM-5.3-Flash. 1. #### Consigue una clave 2. #### Añade fondos 3. #### Configura los ajustes Pega el bloque de abajo en ~/.claude/settings.json: el modelo GLM ya está especificado. 4. #### Inicia Claude Code Abre un terminal nuevo y ejecuta claude. Puedes cambiar de modelo sobre la marcha con el comando /model. ```json { "env": { "ANTHROPIC_BASE_URL": "", "ANTHROPIC_AUTH_TOKEN": "sk-or-v1-YOUR-KEY", "ANTHROPIC_API_KEY": "", "ANTHROPIC_DEFAULT_OPUS_MODEL": "z-ai/glm-5.3", "ANTHROPIC_DEFAULT_SONNET_MODEL": "z-ai/glm-5.3" } } ``` ### Ejecutarlo localmente en casa: sinceramente, no es realista Como los pesos son abiertos, la pregunta obvia es: ¿puedes descargarlo y ejecutarlo gratis por tu cuenta? Para un emprendedor sin servidor propio, la respuesta es no. GLM-5.3, con los mismos 753 mil millones de parámetros, requiere un servidor equivalente a ocho tarjetas gráficas H200 (más de un terabyte de memoria de vídeo y hardware que cuesta cientos de miles de dólares). Ni siquiera funcionaría en un portátil de gama alta. La licencia abierta sirve para otra cosa: la competencia de precios y la ausencia de bloqueos. Seguirás usándolo a través de una API. ## ¿Cuándo conviene usar GLM-5.2 y cuándo mantener Claude Opus?
Lo esencial La regla es sencilla: GLM es un caballo de batalla barato para el 80 % de la programación; Opus es un especialista caro y fiable para las tareas difíciles. Usa GLM para borradores, iteraciones, trabajo de frontend y tareas rutinarias en las que no pasa nada por repetir el trabajo. Reserva Opus para la arquitectura compleja definitiva, las tareas largas de varios pasos y la lógica crítica en las que importa acertar «a la primera».
No hace falta elegir un solo modelo para siempre. Los programadores expertos en vibe coding mantienen ambos y cambian según la tarea. Esta es una regla práctica basada en la experiencia de quienes los usan. **Usa GLM cuando:** 1. Hagas borradores e iteres: esboza algo, revísalo y vuelve a hacerlo. 2. Trabajes en frontend, diseño de páginas y código de bases de datos estándar. 3. Tengas mucho trabajo rutinario y barato que no importe repetir. 4. Necesites una ventana de contexto amplia por unos céntimos. 5. Simplemente quieras pagar menos por el 80 % de las tareas más fáciles. **Mantén Opus cuando:** 1. Escribas código definitivo para una arquitectura compleja. 2. Tengas una tarea larga y con varios pasos en la que el agente no deba atascarse. 3. Trabajes en lógica crítica donde un error salga caro. 4. Necesites acertar a la primera: Opus requiere la mitad de correcciones. GLM-5.2 tenía una debilidad documentada: en las tareas largas y de varios pasos, a veces se quedaba atrapado en bucles y repetía las mismas acciones. En SWE-Marathon comunicado por Z.ai, GLM-5.3 reduce la brecha frente a Opus 4.8 de 29,4 a 6,3 puntos porcentuales (42.5 frente a 48.8). Opus sigue puntuando más en esa prueba, pero eso no mide por sí solo la fiabilidad en tus tareas autónomas largas. Y aquí está la trampa: la herramienta más barata no siempre da lugar al trabajo más barato. Si GLM lo hace mal tres veces y tienes que terminarlo a mano, el modelo barato acaba costando más que Opus, que lo habría hecho bien a la primera. Calcula el coste del resultado terminado, no el precio por token. Y si sigues con Claude, explico por separado qué modelo elegir para cada tarea: [Sonnet u Opus](https://ailoot.ai/blog/es/elegir-modelo-esfuerzo-sonnet-opus-claude-code/). ## ¿Qué condiciones de acceso y pago debes tener en cuenta?
Lo esencial El material de origen describe una opción de pago: una suscripción de Z.ai.
Consejo Si necesitas una suscripción fija para Claude Code y tienes una tarjeta aceptada por la pasarela de pago, puedes considerar Z.ai Coding Plan.
## ¿Cuáles son los riesgos y las desventajas?
Lo esencial Tres desventajas. Privacidad: es un modelo chino y los datos van a los servidores de Z.ai (la entidad legal está en Singapur; su política promete no almacenar ni entrenar con tu código, pero no hay una auditoría independiente). Estabilidad: la API de GLM estuvo caída un par de días en junio debido a la sobrecarga. Y existe el riesgo general de cualquier IA de terceros: nunca le envíes secretos ni datos de clientes.
Un coste bajo no significa que sea completamente gratis. Esto es lo que debes saber de antemano. **Privacidad.** El servicio internacional de Z.ai está registrado a nombre de una empresa de Singapur, y su política para el acceso a la API parece razonable: afirma que los materiales no se almacenan ni se usan para entrenar modelos sin tu consentimiento explícito. Pero son promesas de política, no garantías auditadas; no hay ningún certificado de seguridad público. La empresa matriz es china y, en teoría, la legislación china podría exigir acceso a los datos. Además, Zhipu se añadió a la lista estadounidense de control de exportaciones en enero de 2025. Eso limita lo que la empresa puede comprar en Estados Unidos; no prohíbe usar sus modelos, pero es una señal que conviene tener presente. **Estabilidad: la desventaja más tangible.** A mediados de junio, cuando se lanzó GLM-5.2, la API estuvo caída un par de días debido a unos límites de carga estrictos: en las horas punta, se rechazaba hasta la mitad de las solicitudes. Para el trabajo en producción, eso significa mantener Claude como alternativa y no depender por completo de un solo modelo. **Consejos generales de seguridad.** Esto se aplica a cualquier IA de terceros y merece el doble de atención con una china. Nunca pongas secretos ni datos personales en un prompt: claves de API, el contenido de un archivo de contraseñas, direcciones de correo y números de teléfono reales de clientes, ni volcados de bases de datos de producción. Las políticas son promesas, no cerraduras criptográficas. Explico con más detalle la seguridad de proyectos en la guía sobre [seguridad en vibe coding](https://ailoot.ai/blog/es/vibe-coding-security/). ## ¿Deberías cambiarte a GLM-5.2?
Lo esencial Si el coste de Claude es una limitación para ti, sí: pruébalo ahora mismo; la configuración lleva 5 minutos. Usa GLM para el trabajo rutinario y Opus para las tareas difíciles, y paga menos por el 80 % de las tareas más fáciles. Pero recuerda lo principal: el 80 % del resultado depende de lo que pongas en el contexto. Un modelo barato sin un contexto bien configurado produce basura.
Según la actualización del material de origen del 1 de octubre de 2026, la situación ha cambiado con el lanzamiento de GLM-5.3: el modelo abierto vuelve a costar muchas veces menos y ahora supera a Opus 4.8 en la tabla de Z.ai. Para un emprendedor preocupado por agotar todo el presupuesto con los límites de Claude, esta es una respuesta directa. Pero te advertiría que no caigas en la ilusión de que todo depende únicamente de elegir un modelo. Recuerda la cautela de Semgrep: el entorno importa más que el modelo. Quienes lo usan dicen todos lo mismo: el vibe coding suele fallar por una razón: no se le proporcionó contexto al modelo. He visto a gente elegir GLM barato, no configurar [Context Engineering](https://ailoot.ai/blog/es/context-engineering/) y obtener basura, para después culpar al modelo. Así que mi consejo es sencillo: conecta GLM hoy, pruébalo durante una semana con tus propias tareas y reserva Opus para las difíciles. Al mismo tiempo, trabaja en lo que realmente marca la diferencia: la gestión del contexto. Así, incluso un modelo barato te dará un resultado estable.
### Fuentes - [Z.ai - Ficha del modelo GLM-5.3 (HuggingFace)](https://huggingface.co/zai-org/GLM-5.3) - [Z.ai - GLM Coding Plan](https://z.ai/subscribe) - [Z.ai - Artículo oficial sobre GLM-5.2 (HuggingFace)](https://huggingface.co/blog/zai-org/glm-52-blog) - [Z.ai - Ficha del modelo GLM-5.2](https://huggingface.co/zai-org/GLM-5.2) - [Z.ai - Precios de la API](https://docs.z.ai/guides/overview/pricing) - [Z.ai - Conexión con Claude Code (documentación)](https://docs.z.ai/devpack/tool/claude) - [Anthropic - Precios de Claude](https://www.anthropic.com/pricing) - [Anthropic - Declaración sobre la desactivación de Fable 5 y Mythos 5](https://www.anthropic.com/news/fable-mythos-access)
Hay materiales adicionales disponibles en [Ailoot](https://ailoot.ai/). ## Preguntas sobre Claude y GLM-5.2 ### ¿Cuánto se redujo realmente la diferencia comunicada de SWE-Marathon? En la misma tabla, Opus 4.8 menos GLM-5.2 es 48,8 − 19,4 = 29,4 puntos porcentuales; frente a GLM-5.3 es 48,8 − 42,5 = 6,3 puntos. La brecha se reduce 23,1 puntos, aproximadamente un 79 %, en esa comparación del proveedor. ### ¿Un precio menor por token garantiza una tarea terminada más barata? No. Registra entrada y salida totales, intentos fallidos y resultados aceptados en tus tareas. Las iteraciones adicionales o el trabajo sin terminar pueden superar el ahorro por token; compara el coste del resultado completado, no solo la tarifa. ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.