Con los modelos de frontera estadounidenses bajo restricciones de acceso, el ecosistema open-source chino está recibiendo una atención inusual. El lanzamiento más reciente es GLM-5.2, de Zhipu AI: un modelo de lenguaje de pesos abiertos publicado bajo licencia MIT, con 753 mil millones de parámetros, ventana de contexto de un millón de tokens, salida máxima de 128.000 tokens y soporte nativo para llamadas a funciones, salida estructurada, caché de contexto y MCP.
No es el único modelo chino en circular. Pero es el que hasta ahora ha mostrado la integración más clara con herramientas de desarrollo occidentales.
Qué es GLM-5.2
GLM-5.2 es el modelo insignia de contexto largo de Zhipu AI (Z.ai). Según las pruebas publicadas y la documentación oficial, está optimizado para tareas de coding, análisis de documentos extensos y flujos de trabajo basados en agentes. Entre sus características técnicas destacan:
- 753 mil millones de parámetros publicados con pesos abiertos bajo licencia MIT.
- Ventana de contexto de 1 millón de tokens y salida máxima de 128.000 tokens.
- Soporte para MCP (Model Context Protocol), lo que permite conectarlo con herramientas externas.
- Llamadas a funciones y salida estructurada, requisitos para flujos de agentes.
- Caché de contexto, para reducir costos en conversaciones largas.
El modelo es de entrada y salida de texto. No maneja imágenes ni audio, al menos en su versión inicial.
Rendimiento en benchmarks
En las pruebas mostradas durante las primeras semanas del lanzamiento, GLM-5.2 rindió cerca de los modelos cerrados de frontera:
- FrontierSWE: a 1 punto porcentual de Claude Opus 4.8, por encima de GPT-5.5 y Opus 4.7.
- PostTrainBench: supera a Opus 4.7 y GPT-5.5, solo detrás de Opus 4.8.
- Terminal-Bench 2.1: alcanza 81.0, frente al 85.0 de Opus 4.8 y por encima de Gemini 3.1 Pro.
- SWE-bench Pro: resultados competitivos, aunque LongCat 2.0 de Meituan muestra números más altos en algunos subtests.
El punto más relevante: el costo. GLM-5.2 se ofrece a aproximadamente una quinta parte del precio de los modelos frontier estadounidenses. En tareas de coding de alto volumen, esa diferencia cambia la economía del producto.
Dónde se puede usar
GLM-5.2 está disponible en la plataforma de Z.ai, vía API, y aparece como opción integrada en Cursor, Open Code y Codex. El modelo es demasiado pesado para correr en hardware de consumo (753B parámetros no caben en una sola workstation), pero su disponibilidad como servicio cierra esa brecha.
Esa integración es relevante. No se trata solo de un modelo que compite en benchmarks: es un modelo que puede insertarse en los flujos de trabajo que los desarrolladores ya usan.
La comparación con LongCat 2.0
El mismo día en que circulaban las primeras pruebas de GLM-5.2, otro modelo chino apareció en el radar: LongCat 2.0, presentado como la versión open-source detrás del API gratuito Owl Alpha. LongCat 2.0 es un modelo MoE de 1.6 billones de parámetros con ~48B activos por token, entrenado y desplegado íntegramente en un cluster de más de 50.000 ASIC chinos domésticos, sin GPUs de NVIDIA.
Ese detalle no es menor. La cadena de suministro de NVIDIA es el principal punto de presión de las sanciones estadounidenses. Si China puede entrenar modelos de frontera sin NVIDIA, la dependencia geopolítica del cómputo de IA empieza a relajarse por el lado del hardware. LongCat 2.0 introduce además LongCat Sparse Attention (LSA), una evolución de DeepSeek Sparse Attention, y 135B parámetros de N-gram Embedding.
Qué implica para el mercado
El argumento a favor de GLM-5.2 no es que supere a Claude Opus 4.8 o GPT-5.5 en todas las tareas. Es que ofrece una combinación útil —contexto muy largo, soporte para agentes, costo competitivo, pesos abiertos— dentro de un ecosistema que no depende de proveedores estadounidenses.
En un momento en que el acceso a Fable 5 puede suspenderse por decisión gubernamental, esa independencia tecnológica no es un detalle técnico. Es un argumento de venta.