La china Z.ai, también conocida como Zhipu AI, prepara GLM-5.3, una actualización de su modelo insignia que pondrá un énfasis especial en mejorar las capacidades de programación. La compañía prevé publicar los pesos del nuevo modelo en las próximas dos semanas, manteniendo así su apuesta por los modelos de pesos abiertos frente a las alternativas propietarias de Anthropic y OpenAI. Por ahora no ha publicado resultados de benchmarks que permitan medir cuánto mejora respecto a GLM-5.2.
Las claves de GLM-5.3 en 20 segundos
- Z.ai prepara GLM-5.3 con mejoras centradas especialmente en programación.
- El modelo parte de la misma base de unos 700.000 millones de parámetros utilizada por GLM-5.2.
- La compañía espera publicar sus pesos en aproximadamente dos semanas.
- Todavía no hay benchmarks públicos de GLM-5.3 que permitan compararlo directamente con sus rivales.
- GLM-5.2 ya había reducido diferencias con modelos propietarios en varias pruebas de programación.
El anuncio resulta especialmente relevante por la velocidad con la que Z.ai está actualizando su familia GLM. GLM-5.2 fue presentado el 16 de junio de 2026 con mejoras en programación, tareas de larga duración y una ventana de contexto de hasta un millón de tokens. Apenas dos meses después, la compañía ya está preparando otra actualización dirigida a uno de los mercados más disputados de la inteligencia artificial: los agentes capaces de trabajar sobre proyectos de software completos.
Z.ai afirma que GLM-5.3 debería ayudarle a reducir la distancia frente a los modelos que ocupan las primeras posiciones en diferentes evaluaciones de IA. Sin embargo, la compañía todavía no ha aportado puntuaciones que respalden esa mejora, por lo que habrá que esperar a la publicación del modelo y a evaluaciones independientes.
La referencia compartida sobre «Anthropic’s Fable 5» merece además cautela: la información publicada sobre GLM-5.3 utiliza esa denominación, pero sin benchmarks públicos del nuevo modelo no es posible establecer todavía una comparación técnica sólida.
GLM-5.2 ya había dado un salto importante en programación
El punto de partida ayuda a entender por qué GLM-5.3 puede resultar interesante.
Z.ai presentó GLM-5.2 como un modelo orientado a tareas de larga duración. Además de ampliar el contexto hasta un millón de tokens, trabajó específicamente en escenarios en los que un agente debe permanecer durante mucho tiempo sobre un proyecto: construir software, investigar, depurar código complejo u optimizar sistemas.
Según los resultados publicados por la propia compañía, GLM-5.2 obtuvo 81,0 puntos en Terminal-Bench 2.1, frente a los 63,5 de GLM-5.1. En SWE-bench Pro pasó de 58,4 a 62,1.
Las cifras deben interpretarse con cuidado porque proceden de las evaluaciones publicadas por Z.ai y el resultado puede cambiar dependiendo del harness, las herramientas disponibles, el contexto, el presupuesto de tokens y otros parámetros.
Aun así, algunas comparaciones resultaban llamativas.
En Terminal-Bench 2.1 con Terminus-2, Z.ai situó GLM-5.2 en 81,0 puntos, frente a 85,0 de Claude Opus 4.8 y 84,0 de GPT-5.5. En FrontierSWE publicó una puntuación de 74,4, muy próxima a los 75,1 atribuidos a Claude Opus 4.8 y por encima de los 72,6 de GPT-5.5.
En otras pruebas la distancia seguía siendo considerable. En NL2Repo, por ejemplo, GLM-5.2 consiguió 48,9 frente a 69,7 de Claude Opus 4.8. En ProgramBench registró 63,7 frente a 71,9 de Opus 4.8 y 70,8 de GPT-5.5.
Precisamente ahí puede estar una de las prioridades de GLM-5.3.
La batalla ya no consiste únicamente en generar fragmentos de código
La programación se ha convertido en uno de los campos donde mejor se aprecia el cambio que están experimentando los grandes modelos de lenguaje.
El objetivo ya no consiste únicamente en completar una función de Python o generar unas líneas de JavaScript.
Los nuevos agentes necesitan navegar por repositorios completos, comprender dependencias, modificar varios archivos, utilizar Git, ejecutar comandos, detectar errores, lanzar pruebas y corregir su propio trabajo durante decenas o cientos de pasos.
Eso explica también la importancia que Z.ai concedió al contexto largo con GLM-5.2.
La compañía sostiene que aceptar un millón de tokens no sirve de demasiado si el modelo pierde coherencia durante una tarea prolongada. Por eso amplió específicamente el entrenamiento relacionado con agentes de programación y escenarios de larga duración.
También modificó partes de la arquitectura para reducir el coste computacional del contexto largo. Su sistema IndexShare reutiliza un mismo indexador entre varios bloques de atención dispersa, mientras que las mejoras introducidas en la capa MTP para decodificación especulativa aumentaron hasta un 20 % la longitud de aceptación en sus pruebas.
Son cambios menos visibles que el número de parámetros, pero relevantes para utilizar estos modelos en producción, donde el coste de inferencia puede resultar tan importante como la puntuación obtenida en un benchmark.
Z.ai mantiene la presión de los modelos chinos de pesos abiertos
Otro elemento diferencia la estrategia de Z.ai: GLM-5.2 se publicó bajo licencia MIT y sus pesos pueden descargarse desde plataformas como Hugging Face y ModelScope. La compañía anunció compatibilidad para despliegues propios mediante frameworks como Transformers, vLLM, SGLang, xLLM y KTransformers.
Z.ai afirma ahora que seguirá esa dirección con GLM-5.3 y prevé liberar sus pesos aproximadamente dos semanas después del anuncio.
Esto coloca al nuevo modelo dentro de una tendencia cada vez más visible entre los laboratorios chinos.
La competencia con OpenAI, Anthropic y Google no se está produciendo únicamente mediante servicios cerrados accesibles por API. Empresas como Z.ai buscan que desarrolladores y compañías puedan descargar los modelos, desplegarlos sobre infraestructura propia y adaptarlos a necesidades concretas.
Para organizaciones con requisitos de soberanía, privacidad o control de infraestructura, esa posibilidad puede pesar tanto como unos puntos adicionales en un benchmark.
También abre otra competencia: el coste.
Z.ai ha convertido la programación en uno de los principales escaparates comerciales de GLM-5.2 mediante su Coding Plan y ZCode, un entorno de desarrollo basado en agentes preparado para mantener conjuntamente el estado del proyecto, archivos, terminal, navegador y cambios de Git durante tareas prolongadas.
700.000 millones de parámetros no significan 700.000 millones activos
La cifra atribuida a GLM-5.3 también necesita contexto.
Según la información adelantada sobre el modelo, la nueva versión utilizará la misma base de aproximadamente 700.000 millones de parámetros de su predecesor.
Eso no significa necesariamente que todos ellos intervengan simultáneamente para generar cada token.
GLM-5.2 continúa la utilización de arquitecturas Mixture of Experts (MoE), donde el modelo dispone de una cantidad muy elevada de parámetros totales, pero activa solo una parte para cada operación.
Este planteamiento permite aumentar la capacidad del modelo sin elevar proporcionalmente el coste computacional de cada token, aunque desplegar modelos de este tamaño sigue requiriendo una cantidad considerable de memoria e infraestructura.
La publicación de los pesos de GLM-5.3 permitirá conocer con mayor precisión si Z.ai ha modificado la arquitectura, el número de parámetros activos, el entrenamiento posterior o principalmente las técnicas destinadas a programación.
También permitirá comprobar uno de los datos que todavía falta: su rendimiento real.
Z.ai ha adelantado que GLM-5.3 será mejor programando, pero no ha publicado todavía puntuaciones de Terminal-Bench, SWE-bench Pro, FrontierSWE o pruebas similares.
Hasta que esas cifras aparezcan, cualquier afirmación de que GLM-5.3 ha alcanzado o superado a los principales modelos de Anthropic u OpenAI sería prematura.
Lo que sí puede afirmarse es que Z.ai está acortando considerablemente sus ciclos de actualización. GLM-5.2 llegó el 16 de junio y GLM-5.3 aparece ya en el calendario apenas dos meses después.
En una carrera donde los modelos se están convirtiendo en trabajadores de software capaces de permanecer horas sobre una tarea, esa velocidad de desarrollo puede ser casi tan importante como el siguiente salto en una tabla de benchmarks.
Preguntas frecuentes
¿Cuándo estará disponible GLM-5.3?
Z.ai ha indicado que prevé publicar los pesos de GLM-5.3 dentro de aproximadamente dos semanas. Todavía no se ha comunicado una fecha concreta.
¿Cuántos parámetros tendrá GLM-5.3?
La información disponible señala que utilizará la misma base de aproximadamente 700.000 millones de parámetros que GLM-5.2. Habrá que esperar a la documentación técnica para conocer todos los detalles de la arquitectura.
¿GLM-5.3 será mejor que Claude o los modelos de OpenAI?
Todavía no puede afirmarse. Z.ai asegura que mejorará sus capacidades de programación y pretende reducir la distancia con los modelos líderes, pero aún no ha publicado benchmarks de GLM-5.3.
¿Se podrán descargar los pesos de GLM-5.3?
Sí, según lo anunciado por Z.ai. La compañía pretende mantener su estrategia de pesos abiertos y liberar el modelo, como ya hizo con GLM-5.2 bajo licencia MIT.
