Z.ai lanzó GLM-5.2 el 16 de junio, prometiendo rendimientos de alto nivel y superando a su ya avanzado GLM 5.1.
El laboratorio con sede en Beijing, que ha estado en la Lista de Entidades de EE. UU. desde enero de 2025, parece beneficiarse de las crecientes preocupaciones sobre el enfoque de Estados Unidos hacia la IA. Durante la última semana, la prohibición de Anthropic Fable y el lanzamiento de este nuevo modelo han ayudado a impulsar las acciones de zAI un 90%, enviándolas a un nuevo máximo histórico.
GLM 5.2 cuenta con los números para respaldar las expectativas.
En FrontierSWE —un benchmark que evalúa si un agente de IA puede completar proyectos técnicos abiertos medidos en horas, cubriendo la optimización de sistemas, la construcción de código a gran escala y la investigación de ML aplicada, puntuado por tasa de dominio— GLM-5.2 alcanzó 74.4 frente al 75.1 de Claude Opus 4.8. Superó a GPT-5.5 con 72.6. En SWE-bench Pro, que prueba la resolución autónoma de problemas reales de GitHub puntuados como tasa de aprobación, GLM-5.2 obtuvo 62.1 frente al 58.6 de GPT-5.5 —y superó a su predecesor GLM-5.1 con 58.4 por un amplio margen.
El salto de calidad lo convierte en el mejor modelo de código abierto hasta la fecha en el Índice de Inteligencia de Análisis Artificial, que agrega los resultados de 9 puntuaciones diferentes para evaluar la calidad general de un modelo de IA. Los benchmarks de OpenRouter lo sitúan en la misma categoría que el ahora prohibido Claude Fable 5.
El hardware utilizado para lograr esta hazaña es otra parte interesante de la historia. GLM-5.2 fue entrenado con chips Huawei Ascend —sin hardware Nvidia en ninguna parte del proceso. Emad Mostaque, fundador de Stability AI, estimó los costos totales de entrenamiento en alrededor de $25 millones, el 80% de los cuales correspondieron al post-entrenamiento, lo que lo haría extremadamente económico en comparación con sus pares.
Como Decrypt informó a principios de este año, Z.ai ya estaba entrenando modelos de imágenes en los servidores Ascend Atlas de Huawei sin un solo chip estadounidense. GLM-5.2 lleva esa infraestructura más allá: un modelo de mezcla de expertos de 744 mil millones de parámetros con una ventana de contexto genuina de 1 millón de tokens, cinco veces el límite de 200K de GLM-5.1, y una licencia MIT que significa que ninguna directriz gubernamental puede desactivar el acceso.
Los tokens son los fragmentos de texto que un modelo puede leer y generar, mientras que los parámetros son el número de configuraciones y valores internos que determinan cómo un modelo procesa la información y genera respuestas.
Para los desarrolladores, la ventana de contexto es el cambio operativo. La navegación completa del repositorio, las refactorizaciones de varios archivos y las largas tuberías agénticas que antes requerían segmentación se convierten en flujos de trabajo de una sola llamada. El precio de la API es de $1.40 por millón de tokens de entrada y $4.40 por millón de salida —frente a los $5 de entrada y $25 de salida de Claude Opus 4.8. El Plan de Codificación comienza en alrededor de $18 al mes y funciona directamente dentro de Claude Code, Cline, Kilo Code y la mayoría de los entornos agénticos populares.
El despliegue local también es técnicamente posible. Unsloth AI impulsó cuantizaciones GGUF de 2 bits que comprimen el modelo de 1.51TB a 238GB, manteniendo una precisión de aproximadamente el 82%.
Sin embargo, no se emocione demasiado. Esto aún significa que requiere 256GB de memoria unificada o una combinación de RAM/VRAM equivalente —un Mac Studio M4 Ultra al máximo o una estación de trabajo con una GPU de gama media y 256GB de RAM del sistema con descarga de mezcla de expertos. Sigue siendo mucho dinero, pero al menos algo que puede comprar y ejecutar en su casa si realmente lo desea.
Realizamos una prueba rápida, pidiendo a GLM-5.2 que construyera nuestro juego estándar que mezcla mecánicas de escritura con un shooter. La interfaz de usuario no era la más bonita —otros modelos generaron interfaces de aspecto más pulido, pero la experiencia fue la más variada: diferentes escenarios a través de oleadas, tipos de enemigos que cambiaban, jefes que aparecían más tarde en la partida.
Generó estados de juego más diversos que cualquier otra cosa que probamos para la misma tarea en una configuración de 'zero-shot'.
Si quiere jugarlo, está disponible en nuestro perfil de Itch.io.
Esa variabilidad apunta a dónde GLM-5.2 tiene más sentido económico. Para flujos de trabajo de generación de múltiples intentos y pipelines agénticos donde la diversidad de la salida importa más que el pulido, las cifras a precios de código abierto son difíciles de rebatir. Para las tareas sostenidas más difíciles —SWE-Marathon, donde puntúa 13.0 frente al 26.0 de Opus 4.8— la brecha con la frontera cerrada sigue siendo real, y de 13 puntos.
Los pesos de código abierto están disponibles en HuggingFace bajo la licencia MIT. Los pesos cuantizados también están disponibles en HuggingFace. Los suscriptores del Plan de Codificación de GLM pueden cambiar ahora con la cadena de modelo GLM-5.2, y también está disponible para pruebas gratuitas en z.AI con algunas restricciones de uso.
