GLM 5.2: el modelo open source de Zhipu con 1 M de contexto explicado

Actualización, 25 de septiembre de 2026: GLM 5.2 es ahora un checkpoint heredado. El GLM Coding Plan ya no lo sirve y enruta hacia GLM 5.3 las peticiones del plan dirigidas a él. En el Artificial Analysis Intelligence Index v4.3.2 obtiene 33,7, por detrás del propio GLM 5.3 de Z.ai con 44,8, de Kimi K3 con 43,6 y de GLM 5.3 Flash con licencia MIT con 41,8. Los pesos MIT y la tarifa de la API independiente no han cambiado, y las secciones de benchmarks y precios más abajo han sido actualizadas.

GLM 5.2 llegó el 13 de junio de 2026 con tres cifras destacadas. Es un diseño de Mezcla de Expertos con 744.000 millones de parámetros, una ventana de contexto de 1 millón de tokens y una licencia MIT que pone los pesos a disposición de cualquiera para descargarlos y ejecutarlos sin restricciones. El laboratorio de IA chino Zhipu AI (operativo como Z.ai) lo publicó como un modelo de frontera centrado en programación, y el momento no fue casual. Se publicó solo dos días después de que Estados Unidos ordenara a Anthropic cortar el acceso extranjero a sus modelos Fable 5 y Mythos 5. Si quieres el panorama más amplio, consulta cómo se mide GLM frente a otros modelos líderes como Claude, GPT y Gemini.

GLM 5.2 ya no es el GLM al que acudir, y la señal más clara viene de la propia Z.ai, que ha dejado de servirlo en su propia suscripción. Sigue siendo el GLM más grande publicado con una licencia MIT simple, y los pesos siguen ahí para descargar. Nuestro resumen de los mejores modelos de IA open source sigue la pista de quién lidera ahora la categoría. Si la categoría te resulta nueva, nuestro explicador sobre qué es la IA open source cubre cómo funcionan los pesos abiertos y las licencias de modelos. Abajo encontrarás las especificaciones, cómo difiere de GLM 5.1, los benchmarks frente a rivales como Seed 2.1 Pro de ByteDance, y cuánto cuesta realmente el GLM Coding Plan.

Lo más importante

• GLM 5.2 se lanzó el 13 de junio de 2026 como un modelo de Mezcla de Expertos con 744 B de parámetros y 40 B de parámetros activos por token.
• La ventana de contexto de 1 millón de tokens es aproximadamente 5 veces mayor que el límite de ~200 K de GLM 5.1, con una salida de hasta 131.072 tokens.
• Se publica bajo una licencia MIT, con pesos abiertos, una API independiente y el chatbot Z.ai que llegó la semana posterior al lanzamiento.
• El GLM Coding Plan ahora se mide en créditos y parte de $18/mes (Lite), con Pro a $80/mes y Max a $168/mes, y la facturación anual aplica un descuento del 30 %. Ya no ejecuta GLM 5.2.
• GLM 5.2 obtuvo en su lanzamiento 62,1 en SWE-bench Pro y 81,0 en Terminal-Bench 2.1, por delante de GPT-5.5 y por detrás de Claude Opus 4.8. En el Intelligence Index v4.3.2 está ahora en 33,7, por detrás de GLM 5.3, de Kimi K3 y de GLM 5.3 Flash.

¿Qué es GLM 5.2?

GLM 5.2 fue el modelo de lenguaje grande estrella de Zhipu AI, un laboratorio con sede en Pekín que se ha convertido en uno de los editores de modelos de pesos abiertos más activos de China, hasta que GLM 5.3 lo reemplazó en agosto de 2026. Forma parte de la familia completa de modelos GLM de Zhipu. Se basa en la arquitectura GLM-5 y utiliza una arquitectura de Mezcla de Expertos con 744.000 millones de parámetros en total, de los cuales solo 40.000 millones se activan para cualquier token dado. Ese diseño mantiene el coste de ejecución más cercano al de un modelo de 40 B mientras aprovecha el conocimiento de uno mucho mayor.

El lanzamiento está claramente orientado a los desarrolladores. Zhipu posicionó GLM 5.2 en torno a la programación de largo alcance y el trabajo agenético, el tipo de tareas de varios pasos donde un modelo escribe, ejecuta y revisa código en todo un proyecto. Se conecta a los clientes de programación populares a través de un endpoint compatible con Anthropic, de modo que herramientas como Claude Code, Cline, OpenCode y OpenClaw pueden apuntarle sin necesidad de un SDK propietario.

Una cosa cambió rápido tras el lanzamiento. Zhipu publicó GLM 5.2 sin puntuaciones de benchmarks publicadas, como señaló la cobertura de lanzamiento de MarkTechPost, lo que dejó las primeras afirmaciones de «supera a GPT-5» como aserciones del proveedor. En días, los probadores independientes y la tarjeta técnica de la empresa llenaron ese vacío, y los números quedaron bien por encima del anterior GLM 5.1, que había obtenido 58,4 en SWE-bench Pro. Los resultados completos están en la sección de benchmarks más abajo.

GLM 5.2 vs GLM 5.1: qué cambió

El salto de GLM 5.1 (publicado el 7 de abril de 2026) a GLM 5.2 es incremental sobre el papel pero significativo en una dimensión: el contexto. El nuevo modelo maneja cinco veces más entrada, lo que cambia lo que puedes incluir en un solo prompt. Aquí está la comparativa.

Los dos modos de razonamiento son nuevos y prácticos. High gestiona la generación cotidiana, mientras que Max es la configuración que Zhipu recomienda para la programación compleja de varios pasos, cambiando velocidad por razonamiento más profundo. El número de parámetros no cambió entre las dos versiones. Ambas tienen 744 B en total con 40 B activos, así que el coste de inferencia por token no varía. Lo que Zhipu cambió es la arquitectura alrededor. La tarjeta del modelo nombra IndexShare, que reutiliza un indexador entre cada cuatro capas de atención dispersa y reduce los FLOPs por token en un 2,9x con un contexto de 1 millón de tokens. También cita una capa MTP mejorada para decodificación especulativa que eleva la longitud de aceptación hasta un 20 %.

Benchmarks de GLM 5.2: cómo rinde realmente

El lanzamiento dejó un hueco, pero los datos lo llenaron rápido. La tarjeta técnica de Zhipu y los probadores independientes situaron a GLM 5.2 cerca de la frontera cerrada en la programación de largo alcance. En algunas pruebas la diferencia con Claude Opus 4.8 se redujo a aproximadamente un punto, como detalla la cobertura de The Decoder. Ese encuadre ha cambiado varias veces desde entonces. Opus 4.8 dio paso a Claude Opus 5 el 24 de julio de 2026, después a Claude Fable 5.1 el 1 de septiembre de 2026, y Claude Opus 5.5 ocupó el puesto de modelo estrella el 22 de septiembre de 2026. En el Artificial Analysis Intelligence Index v4.3.2, leído el 25 de septiembre de 2026, Opus 5.5 lidera con 57,6 y Fable 5.1 está en 53,4, mientras GLM 5.2 obtiene 33,7, por detrás de Kimi K3 con 43,6 y por detrás del propio GLM 5.3 de Z.ai con 44,8. La tabla siguiente mantiene la comparativa que Zhipu publicó en junio de 2026, frente a Opus 4.8 y GPT-5.5.

El resultado más destacado es SWE-bench Pro, donde los 62,1 de GLM 5.2 superan los 58,6 de GPT-5.5 y los 58,4 de su predecesor, mientras quedan por detrás de los 69,2 de Claude Opus 4.8. En Terminal-Bench 2.1 saltó a 81,0 desde los 63,5 de GLM 5.1 en el sistema Terminus-2, y en FrontierSWE está a menos de un punto de Opus 4.8 mientras supera a GPT-5.5. La elección del sistema importa más de lo que parece. Artificial Analysis, que ejecutaba Terminal-Bench 2.1 directamente aquel verano, puntuó a GLM 5.2 con 77,9 frente a los 85,0 de Kimi K3 y los 84,6 de Opus 4.8, así que lee cualquier cifra con el sistema asociado. También obtiene un 99,2 % en la prueba matemática AIME 2026. Para entender hasta dónde puede llevar estos números la orquestación, el Fugu de Sakana AI alcanza 73,7 en SWE-Bench Pro enrutando tareas entre un grupo de modelos en lugar de ejecutarse como uno solo.

La economía fue el verdadero titular en junio de 2026. GLM 5.2 igualaba o superaba a GPT-5.5 en estas maratones de programación por aproximadamente un sexto del coste, lo que lo reencuadró de alternativa barata a contendiente serio. El asterisco vino de la plataforma independiente Artificial Analysis, que encontró que el modelo consume muchos más tokens que los rivales para alcanzar esas puntuaciones, lo que lo convierte en una de las opciones menos eficientes en tokens de su categoría. Ese asterisco es ahora lo que decide todo. Artificial Analysis cifra el coste de ejecutar su índice con GLM 5.2 en $0.96 por tarea frente a $0.25 con GLM 5.3 Flash, que puntúa ocho puntos por encima. En las pruebas de razonamiento duro de un solo disparo como Humanity's Last Exam sigue por detrás de Opus 4.8 y Gemini 3.1 Pro por varios puntos, así que es un especialista en programación y agentes ante todo.

Por qué importa la ventana de contexto de 1 millón de tokens

Una ventana de contexto de 1 millón de tokens significa que GLM 5.2 puede mantener aproximadamente 750.000 palabras de entrada a la vez. En términos prácticos puedes pegar una base de código mediana completa, un conjunto completo de documentación de API o un corpus de investigación extenso y pedir al modelo que razone sobre todo ello sin fragmentarlo. El modelo lleva la etiqueta glm-5.2[1m] para indicar la ventana extendida, y Z.ai describe la capacidad como «utilizable» en lugar de un techo de marketing.

Para la programación en concreto, esto es la diferencia entre darle al modelo un archivo y darle el repositorio completo. Las herramientas agenéticas que antes tenían que resumir o recuperar fragmentos de un proyecto ahora pueden mantener mucho más en la memoria de trabajo. Eso reduce los errores que se producen cuando un modelo pierde de vista código que no puede ver. Esa fortaleza en contextos largos es la misma razón por la que los modelos abiertos diseñados para funcionar en un Mac se han hecho populares entre los desarrolladores que quieren control local.

GLM 5.2 y el contexto del control de exportaciones

La fecha de lanzamiento importa. En los días justo antes del anuncio de GLM 5.2, el Secretario de Comercio de Estados Unidos ordenó a Anthropic bloquear el acceso extranjero a Fable 5 y Mythos 5 en 48 horas bajo una nueva directiva de control de exportaciones. Anthropic desactivó ambos modelos globalmente en pocas horas, y puedes leer el cronograma completo en nuestra cobertura de la retirada de Fable 5.

Zhipu enmarcó GLM 5.2 como un contrapeso directo. Al publicar un modelo de clase frontera bajo una licencia MIT sin restricciones regionales, la empresa presentó los pesos abiertos como un seguro contra que cualquier nación o proveedor controle la IA fundamental. Los inversores respondieron rápido, y las acciones de Zhipu subieron con el anuncio open source, según el South China Morning Post. Forma parte de una oleada más amplia de publicaciones abiertas chinas que incluyen la familia Qwen y DeepSeek V4.

Precios y disponibilidad de GLM 5.2

GLM 5.2 se publicó inmediatamente en todos los niveles del GLM Coding Plan, con la API independiente, el chatbot de Z.ai y los pesos MIT descargables publicados en la semana posterior al lanzamiento. Eso ha cambiado dos veces desde entonces. El plan pasó a un sistema de créditos el 30 de julio de 2026, que sustituyó a las antiguas asignaciones por prompts, y ya no sirve GLM 5.2 en absoluto: Z.ai enruta hacia GLM 5.3 las peticiones del plan dirigidas a GLM 5.2 y GLM 5.1. Lo que queda es el mismo endpoint compatible con Anthropic, una ventana móvil de 5 horas y un límite semanal, con facturación anual que ofrece un 30 % de descuento en cada nivel. Los créditos se descuentan mediante multiplicadores de tokens que varían según el modelo, y el uso fuera de horas pico cuesta la mitad de la tarifa estándar, con horas pico de lunes a viernes de 14:00 a 18:00 hora de Singapur.

GLM Coding Plan Lite ($18/mes)

El nivel de entrada cuesta $18/mes, o $151.20 al año, lo que equivale a $12.60/mes. Cubre 2.000 créditos cada 5 horas y 10.000 a la semana, lo que se adapta a desarrolladores individuales con uso moderado de asistencia en programación. Es la forma más barata de usar GLM 5.3 dentro de una herramienta como Claude Code.

GLM Coding Plan Pro ($80/mes)

Pro cuesta $80/mes, o $672 al año a $56/mes, y eleva el techo a 12.000 créditos cada 5 horas y 60.000 a la semana. Está orientado a usuarios avanzados que ejecutan refactorizaciones de múltiples archivos y tareas agenéticas a diario.

GLM Coding Plan Max ($168/mes)

Max cuesta $168/mes, o $1,411.20 al año a $117.60/mes, y permite 28.000 créditos cada 5 horas y 140.000 a la semana, para desarrolladores que mantienen un agente en marcha durante toda la jornada laboral. El precio para equipos es por asiento para organizaciones. Para hacerte una idea de cómo se compara con otros modelos abiertos rivales, nuestro análisis de Rio 3.5 Open cubre otro lanzamiento chino de pesos abiertos que vale la pena comparar.

¿Deberías usar GLM 5.2?

Si escribes código y quieres un modelo de contexto largo que puedas ejecutar tú mismo, GLM 5.2 sigue siendo el GLM más grande con una licencia MIT simple, que elimina las restricciones habituales de uso comercial. Lo que ha cambiado es que ya no es ni el único GLM que puedes autoalojar ni el mejor. Su sucesor, GLM 5.3, publicó sus pesos en agosto de 2026, aunque bajo la licencia propia de Z.ai en lugar de MIT, y GLM 5.3 Flash es un modelo multimodal más pequeño de 320B bajo MIT que supera a GLM 5.2 por ocho puntos en el Intelligence Index y cuesta una cuarta parte de ejecutar. Kimi K3 también puntúa más alto, pero se publica bajo una licencia personalizada de Moonshot y pesa 1,56 TB al descargar frente a los 1,51 TB de GLM 5.2. El contexto de 1 M de tokens sigue siendo una ventaja real para el trabajo a escala de repositorio, y el endpoint compatible con Anthropic significa que puedes integrarlo en las herramientas existentes con una fricción mínima.

Los benchmarks han resuelto la cuestión del rendimiento, así que las consideraciones reales ahora son la estructura de costes y la jurisdicción de los datos. GLM 5.2 consume muchos tokens, lo que significa que el uso agenético intensivo puede generar un gasto mayor de lo que el precio titular sugiere. Y aunque los pesos abiertos te permiten autoalojarlo con privacidad total, enrutar a través de la API alojada de Z.ai envía tu código a servidores regidos por las normas de datos chinas. Es una compensación que vale la pena evaluar para trabajos sensibles o propietarios. Si prefieres no gestionar modelos en absoluto, aplicaciones como Fello AI te dan Claude, ChatGPT, Gemini, Grok y DeepSeek a través de una suscripción de $9.99/mes. Puedes comparar resultados sin manejar cuentas o claves API separadas. GLM 5.2 se unió a esa oferta en la actualización de Fello AI 6.7.0. En un Mac funciona como cliente nativo de escritorio de GLM, sin pestaña de navegador ni clave API que gestionar.

Conclusión

GLM 5.2 fue una declaración clara: un modelo de clase frontera con contexto de 1 M de tokens y licencia MIT publicado a los pocos días de una gran restricción de exportaciones de Estados Unidos. Y a diferencia del lanzamiento, los números respaldaron el encuadre. Superó a GPT-5.5 en SWE-bench Pro y se acercó a menos de un punto de Claude Opus 4.8 en tareas de largo alcance, todo por aproximadamente un sexto del coste. Lo que ha cambiado es la compañía que mantiene: Kimi K3 y el propio GLM 5.3 de Z.ai están ahora por delante, y Claude Opus 5.5 es el modelo estrella del lado cerrado dos generaciones después de Opus 4.8. Las advertencias restantes son su alto consumo de tokens y la cuestión de la jurisdicción de datos en torno a la API alojada. Si quieres GLM 5.2 en concreto, las rutas que quedan son la API independiente y los pesos abiertos, porque el GLM Coding Plan Lite de $18/mes ahora responde con GLM 5.3. La próxima versión de Zhipu, GLM 5.5, ya se espera más adelante en 2026.

FAQ