GLM-5.3-Flash: Z.ai confirma que era Ox Alpha y nuestras pistas acertaron

Z.ai acaba de cerrar el misterio

Z.ai ha publicado GLM-5.3-Flash en su blog y, en el mismo movimiento, ha confirmado en X que ese modelo es Ox Alpha: el stealth que llevaba días liderando benches en OpenRouter sin nombre ni laboratorio a la vista. El bicho misterioso ya tiene dueño y ficha técnica.

El Cuñado dice: "Si Ox Alpha iba primero en OpenRouter, es de OpenAI o de Anthropic. Los laboratorios chinos no sacan nada de ese nivel, y menos para soltarlo con licencia MIT."

La realidad es: Z.ai lo ha firmado. GLM-5.3-Flash es un MoE 320B-A18B, multimodal nativo, contexto de 1 millón de tokens, licencia MIT. En el Z.ai Code Bench (el banco con el que miden código en mundo real) rinde a la par de Claude Opus 4.8. Corre íntegramente en chips de IA chinos.

Por qué importa saberlo: el stealth que la gente estaba usando a ciegas ya se puede contratar, descargar y contrastar con números. Se acabó el rumor de pasillo. Empieza la factura.

Cómo llegamos hasta aquí

Hace unos días publicamos Ox Alpha en OpenRouter: las evidencias que apuntan a Z.ai y GLM. No era un "a ver si cuela". Había rastro de retención de prompts, de estilo, de comportamiento. Sobre esa base apostábamos por un GLM 5.3 flash o multimodal.

Ha salido las dos cosas a la vez. Se llama GLM-5.3-Flash y es multimodal nativo. Laboratorio y línea de producto, clavados.

Lo que no se podía leer en un ranking anónimo de OpenRouter (y ahora está en el blog) es la ficha: 320B totales con 18B activos, el millón de contexto, la MIT, los precios y el detalle de que corre entero en hardware chino. Eso no se adivina. Se publica.

El lector que siguió la historia no tiene que reescribirse el mapa. El stealth era ese laboratorio, ese producto, esa familia. Cierra el círculo.

320 mil millones, 18 despiertos

GLM-5.3-Flash es un Mixture of Experts, MoE, con la etiqueta 320B-A18B. Traducción de bar: el almacén pesa 320 mil millones de parámetros, pero en cada pasada (cada token que genera) solo enciende 18B. El 5.6% trabaja. El 94.4% se queda dormido en ese forward. Por eso un bicho enorme puede moverse con la factura de uno mediano: no despierta el edificio entero para firmar una línea.

Licencia MIT. Pesos abiertos. Multimodal nativo: imagen y texto en la misma cabeza, no un modelo de chat al que le han pegado un adaptador con celo. Contexto de 1 millón de tokens. Ahí cabe un repo largo, un hilo de agente o el manual que nadie se lee, sin trocear el problema a ciegas.

Y el dato que no debería pasar de largo: corre íntegramente en chips de IA chinos. Un modelo de este nivel, de cabo a rabo, sobre hardware chino. Quien compare laboratorios suele dar por sentado el acelerador occidental. Esta ficha dice otra cosa. No hace falta un discurso geopolítico. Basta con leer la tarjeta.

Los pesos están en Hugging Face, en huggingface.co/zai-org/GLM-5. La API se documenta en docs.z.ai/guides/llm. Si no quieres montar nada, Z.ai pone el chat en chat.z.ai, un Coding Plan en z.ai/subscribe, ZCode en zcode.z.ai/en y AutoClaw en autoclaw.z.ai. Puertas oficiales, no un mercadillo de intermediarios.

En el Z.ai Code Bench, GLM-5.3-Flash supera con claridad a GLM-5.2 en todos los niveles de esfuerzo. Quien ya haya leído cómo se cuenta GLM-5.3 frente a su base 5.2 sabe que esta casa se mide contra su propia línea, no contra un tuit. El blog lo resume sin poesía: mejoras arquitectónicas más un corpus de pre-entrenamiento optimizado igual a más inteligencia con menos cómputo.

Ridículamente barato, y el banco lo aguanta

Precios de la API estándar, por millón de tokens, tal cual el blog:

• Input: $0.15
• Output: $0.50
• Cached input: $0.03

El output cuesta 3.33x el input. El cached es exactamente 1/5 del input: un 80% de ahorro sobre volver a meter el mismo contexto. Si tu herramienta reenvía el mismo repo, el mismo hilo o el mismo system prompt, dejas de pagar el input a precio lleno. No es un descuento de campaña. Es el precio de no repetir lo que el servidor ya vio.

Una tarea de código con contexto largo, 100K de input y 10K de output, sale a $0.02. Si ese input va cacheado, $0.008. Dos céntimos. O menos de uno.

No voy a inventar la tarifa de un frontier occidental para montar una tabla que el material no trae. Lo que sí se sostiene con estos ratios es la frase del que ha estado usándolo: ridículamente barato. Sobre todo si pones al lado lo que Z.ai afirma del rendimiento: a la par de Claude Opus 4.8 en su Code Bench.

Ahí está el cruce. Barato, abierto, y medido contra un frontier de código por el banco del propio laboratorio. Quien quiera replicarlo tiene bench, pesos y API. El resto es opinión de cena.

Una semana con el bicho

Llevo una semana probándolo. El modelo es una puta locura. Capacidad al nivel de los frontera, latencia muy buena. El hype estaba justificado.

El hype estaba justificado.

Eso no sale de un ranking anónimo. Sale de siete días al otro lado del teclado: el stealth que la gente exprimía en OpenRouter no se desinfló al ponerle nombre. Se llamaba GLM-5.3-Flash, lo firma Z.ai, y la ficha encaja con lo que se sentía. Un modelo abierto (MIT), barato, que en código se mide a la par de Claude Opus 4.8, corriendo en chips chinos.

El misterio de Ox Alpha se acabó. El modelo, no.

Preguntas frecuentes

¿Ox Alpha era GLM-5.3-Flash?

Sí. Z.ai lo ha confirmado en X y en el blog oficial de GLM-5.3-Flash: el modelo se previsualizó antes como Ox Alpha. Es el stealth que circulaba en OpenRouter. La ficha publicada es 320B-A18B (MoE), licencia MIT, multimodal nativo y 1 millón de tokens de contexto. Corre íntegramente en chips de IA chinos.

¿Cuánto cuesta la API de GLM-5.3-Flash?

En la API estándar de Z.ai, el input va a $0.15 por millón de tokens, el output a $0.50 y el input cacheado a $0.03. El output cuesta 3.33 veces el input. El cached es un quinto del input, un 80% más barato. Una tarea de código con 100K de input y 10K de output sale a $0.02, o $0.008 si el input va de caché.

¿GLM-5.3-Flash rinde como Claude Opus 4.8?

En el Z.ai Code Bench, que mide rendimiento de código en mundo real, Z.ai afirma que GLM-5.3-Flash rinde a la par de Claude Opus 4.8. En ese mismo banco supera con claridad a GLM-5.2 en todos los niveles de esfuerzo. Es la métrica que publica el laboratorio, no un ranking de terceros.

¿Se pueden descargar los pesos de GLM-5.3-Flash?

Sí. La licencia es MIT y Z.ai apunta los pesos a Hugging Face, en huggingface.co/zai-org/GLM-5. También hay API en docs.z.ai/guides/llm, chat en chat.z.ai, Coding Plan en z.ai/subscribe, ZCode en zcode.z.ai/en y AutoClaw en autoclaw.z.ai. Abierto y usable por API no son caminos excluyentes: el laboratorio deja las dos puertas.