GLM 5.3 Flash: cinco puntos por debajo de Fable por el 3 % del coste por tarea — y el titular de los 100 billones cambió de verbo por el camino

Un modelo de pesos abiertos marcó 57 en el índice de inteligencia de Artificial Analysis donde Claude Fable 5 marcó 62, y cobró 0,09 USD por la tarea en la que Fable cobró 3,14 USD. Los cuatro números son de un medidor externo, no del fabricante, y los verifiqué hoy, uno a uno, en las páginas de cada modelo.

El titular que circuló no fue ese. Fue que Z.ai estaba sirviendo cien billones de tokens al día en chips chinos. Fui a buscar la frase original: existe, es de otra empresa, está en el tiempo verbal equivocado y hablaba de una promoción. El coste cuadra; el titular no. Este artículo separa una cosa de la otra.

Nota metodológica — léala antes de citar cualquier número de aquí. El Intelligence Index ("índice de inteligencia") de Artificial Analysis es un promedio de varias pruebas normalizadas. Tres advertencias que valen para toda la comparación: (1) la página de Claude Fable 5 mide la configuración "Adaptive Reasoning, Max Effort, Opus 4.8 Fallback" ("razonamiento adaptativo, esfuerzo máximo, con caída al Opus 4.8") y la de GLM-5.3-Flash mide la única variante de razonamiento que publica — no es la misma regla de esfuerzo; (2) un índice de un modelo con días de vida es provisional, y el precio que alimenta el coste por tarea es el de tarifa, que hoy está en promoción; (3) dividir 57 entre 62 y anunciar "el 92 % de la inteligencia" es el tipo de cuenta que este artículo existe para no hacer — los cinco puntos que faltan son las tareas más difíciles del conjunto, y un índice compuesto no autoriza razones. Aquí los dos ejes van por separado: diferencia de puntos por un lado, razón de coste por el otro.

El marcador, antes del cuerpo

El cuerpo lo prueba línea a línea, en el orden en que una persona que nunca ha oído hablar de nada de esto puede seguirlo.

Lo que cuesta una tarea, sin una sola palabra técnica

Dos coches van a la misma dirección. El primero conoce un atajo y cobra caro por kilómetro. El segundo da una vuelta mucho mayor y cobra una miseria por kilómetro. Los dos llegan. La pregunta que importa no es quién rodó menos: es cuánto marcó el taxímetro cuando se abrió la puerta.

Fíjese en la inversión de la figura: la barra mayor está en la fila de abajo y la cuenta mayor en la de arriba. Es la cosa entera. Llamar a esto "coste por tarea" es solo ponerle nombre al taxímetro — lo que se paga no es el recorrido, es la llegada. Cuando alguien compara dos modelos de inteligencia artificial por el precio del token (los pedacitos de texto que el modelo produce, y la unidad en la que se cobra), está comparando el precio del kilómetro. Es la comparación equivocada, y fue justamente por ella que medí 43 mil llamadas reales para descubrir quién paga la relectura en un artículo anterior.

Los mismos dos coches, con sus nombres verdaderos

Ahora la misma figura, con los datos medidos. El coche caro es Claude Fable 5. El coche barato es GLM-5.3-Flash, lanzado por la china Z.ai el 26 de agosto de 2026 bajo licencia MIT — 320.000 millones de parámetros en total, 18.000 millones activos en cada token.

Intelligence Index 57 contra 62 (Artificial Analysis, 02/09/2026); 0,09 USD contra 3,14 USD por tarea en el mismo conjunto, en la misma fecha. Las dos líneas del artículo salen de ahí, y cualquiera puede reabrir las dos páginas y verificar. Fíjese en lo que la figura no dice: no dice que el Flash tenga el 92 % de la inteligencia del Fable. Dice que queda cinco puntos por debajo en un índice compuesto, y que la tarea sale por el 2,9 % del precio. Son afirmaciones de naturalezas distintas, y mezclarlas es el primer paso de todo titular torcido.

Gasta casi el doble de tokens — y por eso cae la cuenta

La objeción obvia es que el precio por token engaña: un modelo hablador puede ser más barato en la tarifa y más caro en la factura. Es una buena objeción, y en este caso ya está respondida dentro del número — porque el Flash es el hablador de los dos.

El hilo casi invisible de la fila de abajo es el argumento entero: 0,50 USD contra 50,00 USD por el mismo millón de tokens de salida — cien veces menos. El Flash quemó 150 millones de tokens contra 83 millones del Fable, 1,8 veces más, y aun así la cuenta cerrada de la evaluación fue de 138,02 USD contra 5.455,22 USD — treinta y nueve veces menor. La glotonería existe, está medida, y se la traga la diferencia de tarifa antes de llegar a la factura.

Eso responde la objeción del precio por token, y solo esa. No responde si las tareas concluidas son las mismas — y esa es una pregunta que ningún índice agregado responde por usted.

La frase de los 100 billones cambió de verbo y de dueño en nueve días

Ahora la parte que me hizo escribir el artículo. La afirmación que viajó más lejos en este lanzamiento fue la de que el modelo estaba siendo servido a cien billones de tokens al día en chips chinos. Fui a buscar la primera aparición de la frase. Existe, tiene enlace, y no es de Z.ai.

Quien la escribió fue OpenCode — no un laboratorio de IA, sino el programa de terminal por el que mucha gente conversa con estos modelos. Y el mensaje no anunciaba una hazaña de ingeniería: anunciaba una promoción de una semana con un modelo todavía anónimo, apodado "Ox Alpha", del que nadie sabía de quién era.

"Ox Alpha (stealth model) is free for the next week — 1M Context — Multi-modal — Zero Data Retention. Generous rate limits, near unlimited usage. We have capacity for 100T tokens per day, lets see what you can do"

En español: "Ox Alpha (modelo sigiloso) es gratis durante la próxima semana — 1 millón de tokens de contexto — multimodal — retención cero de datos. Límites de uso generosos, uso casi ilimitado. Tenemos capacidad para 100 billones de tokens al día, a ver qué son capaces de hacer." — @opencode en X, 20 de agosto de 2026

Guarde dos palabras: "tenemos" y "capacidad". Es OpenCode hablando de su propia infraestructura, y es una oferta, no una medición. El 22 de agosto Techmeme ya repetía la frase con el calificativo intacto — "a stealth model from an unknown AI lab ... and capacity for 100T tokens/day" ("un modelo sigiloso de un laboratorio de IA desconocido... y capacidad para 100 billones de tokens al día"). Nadie sabía todavía quién había construido el modelo.

En los nueve días siguientes, la frase perdió un calificativo por vez.

Lea la figura de arriba abajo y fíjese en que cambian dos cosas, no una. Cambia el verbo — de "tenemos capacidad para" (una oferta) a "está sirviendo" (una medición). Y cambia el sujeto — de OpenCode, una aplicación de terminal, a Z.ai, un laboratorio que nunca dijo ese número. Los eslabones intermedios están publicados y se pueden leer: SemiAnalysis escribió "the 100T tokens per day is served on Chinese chip" ("los 100 billones de tokens al día son servidos en chip chino") en su propio hilo; Wccftech convirtió eso en titular con el verbo en gerundio; y the-decoder ya escribió, el 27 de agosto, que fue Z.ai quien "sirvió 100 billones de tokens al día".

El anuncio oficial de Z.ai no contiene el número. Lo que la empresa afirmó, en su mensaje de lanzamiento, fue otra cosa — y esa otra cosa es notable por sí misma: "Previously previewed as Ox Alpha, running entirely on Chinese AI chips" ("presentado previamente como Ox Alpha, corriendo enteramente en chips de IA chinos"). Correr un modelo de frontera sin hardware estadounidense es el titular verdadero de este lanzamiento, y no necesitaba el número inflado.

Lo que se puede decir sobre la plausibilidad, con las premisas sobre la mesa

No puedo probar que los cien billones no ocurrieran — nadie puede probar una negativa así desde fuera. Se pueden hacer dos cosas honestas.

La primera es mirar la única medición pública que existe, declarando lo que es. OpenRouter, que es uno de varios canales de distribución, publicó que el Ox Alpha fue "the biggest model ever on OpenRouter, processing over 20 trillion tokens in 6 days" ("el mayor modelo de todos los tiempos en OpenRouter, procesando más de 20 billones de tokens en 6 días") — cerca de 3,3 billones al día. No es el total de Z.ai, es el de un canal, y por eso no sirve para decir "medido X contra alegado Y". Sirve para decir que el mayor volumen jamás registrado por ese canal, en un modelo que era el tema de la semana y estaba gratis, quedó un orden de magnitud por debajo del número que circuló.

La segunda es dimensionar. Cien billones de tokens al día, por un solo laboratorio, es del orden de lo que procesa Google entero (cerca de 107 billones al día, por la cifra de 3.200 billones al mes divulgada en mayo de 2026) y algo entre el 55 % y el 70 % de lo que consume toda China — las dos estimaciones públicas del consumo chino son 180 y 140 billones al día. No es imposible — es extraordinario, y una afirmación extraordinaria pide evidencia del mismo tamaño. implicator.ai registró el agujero con todas las letras: "none of the serving results has been independently audited" ("ninguno de los resultados de servicio ha sido auditado de forma independiente"). Y existe una ambigüedad que por sí sola mueve la cuenta de diez a cien veces: ninguna de las fuentes dice si los "tokens" son de entrada o de salida — leer texto es barato y paralelizable, escribir texto es caro y serial. Sin esa palabra, el número no es verificable ni en principio.

El coste por tarea no es el único eje, y el Flash pierde en los otros

Aquí vuelve la figura de la analogía, con la misma geometría y más datos: ahora son los seis modelos que conseguí verificar uno a uno en Artificial Analysis. La barra sigue siendo lo que se gasta; el número sigue siendo lo que se lleva.

La barra más corta de la figura no es la del Flash: es la del GPT-5.6 Luna, que cobra cinco centavos por tarea. El Flash entrega cinco puntos más de índice por casi el doble del precio por tarea — lo que es un intercambio defendible, pero es un intercambio, no una victoria. Y en la columna de la derecha la cosa empeora: el Flash produce 42,5 tokens por segundo, contra 279,4 del Gemini 3.7 Flash. Más de seis veces más lento por un punto más de índice.

Esto no es observación mía: es la crítica que Hacker News hizo en primer lugar, y merecía estar en la cobertura. Un lector lo resumió así — "Gemini 3.7 flash 56 intel / 0.40 cost / 338 speed. GLM 5.3 flash 57 / 0.09 / 49. I have both ... and see no reason for choosing GLM 5.3 Flash" ("Gemini 3.7 flash: 56 de inteligencia, 0,40 de coste, 338 de velocidad. GLM 5.3 flash: 57, 0,09, 49. Tengo los dos... y no veo razón para elegir el GLM 5.3 Flash"). Sus números no coinciden exactamente con los que medí hoy — la velocidad varía por proveedor y por día — pero la dirección sí, y es la dirección lo que interesa.

Los mismos seis, ahora en el gráfico:

La tabla completa, con el Kimi K3 que no cupo en el gráfico:

La fila del GLM-5.3 merece un párrafo propio, porque es la comparación que casi nadie hizo: el hermano mayor, del que traté el 14 de agosto, hace 60 puntos por 0,68 USD la tarea. El Flash hace 57 por 0,09 USD. Tres puntos de índice cuestan siete veces y media más dentro de la misma casa. Es la decisión de enrutamiento más concreta que ofrece este lanzamiento, y no depende de creer en ningún titular.

Donde el Flash se rompe, según el segundo medidor

Artificial Analysis no es la única regla independiente. LiveBench también ha listado el modelo, y su retrato es más específico — y más útil:

En programación el Flash empata de lleno con el hermano mayor — 79,0 contra 79,0 — y el agujero entero está en seguir instrucciones: 52,8 contra 69,3. Si su uso es escribir código dentro de un andamio que ya dice qué hacer, el barato entrega lo mismo. Si su uso es un agente suelto que tiene que obedecer un contrato largo, esos 16,5 puntos de diferencia son la cuenta que va a pagar en retrabajo. Es la misma lección que ya había aparecido aquí cuando mostré que la nota de seguridad es del par, no del modelo.

Y hay un número del fabricante que vale la pena verificar con cuidado: la ficha oficial anuncia 63,4 en Deep-SWE, circuló un rumor de ~80 %, y la única ronda completa e independiente de las 113 tareas que localicé — hecha por Henry Zhang — dio 58,4 %: "The Rumored ~80% pass rate is completely incorrect. Actual benchmark result is 58.4%" ("La tasa de acierto de ~80 % que se rumoreaba es completamente incorrecta. El resultado real es 58,4 %"). Tres números para la misma prueba, y el menor de ellos es el único con procedimiento declarado.

Abierto de derecho, cerrado de hecho: 328 gigabytes

La licencia es MIT — la más permisiva que existe, sin registro y sin puerta. Es una virtud real y merece decirse. Lo que "abierto" no quiere decir es "cabe en su máquina".

Descargué la lista de archivos del repositorio por la API de Hugging Face y sumé: 62 archivos de pesos, 328,3 gigabytes. No es una estimación a ojo, es la suma de los blobs. La comunidad ya publicó versiones comprimidas — el proceso se llama cuantización, y equivale a grabar la misma música con menos bits: ocupa menos, pierde un poco de fidelidad.

La lectura honesta de esta figura tiene dos mitades, y la cobertura dio solo una. Es falso que corra "en su ordenador" si su ordenador es un portátil común: solo la compresión más agresiva, de 1 bit, entra en 128 GB. Y es verdad que corre en una estación de trabajo de 128 a 256 GB — hay gente relatando exactamente eso en Hacker News, uno de ellos diciendo que es "the first local model that feels good enough to me to be a 'main' model" ("el primer modelo local que me parece lo bastante bueno para ser el modelo principal"). Decir solo la primera mitad sería cometer el mismo pecado de encuadre que este artículo denuncia.

Y falta una parte en toda cuenta de arriba. Los números de la figura son solo los pesos. Cuando mostré cómo saber si un modelo corre en su tarjeta, el error que decidía la tabla entera era exactamente ese: la ficha presupuestaba los pesos y olvidaba la caché del contexto, que crece mientras usted conversa. Para el Flash, nadie publicó esa parte. Entonces la regla correcta es: los números de la figura son el suelo, y el suelo ya no cabe.

El precio es una campaña, y tiene fecha de fin

El último peldaño es el más fácil de olvidar y el que más cambia la decisión de quien va a adoptar.

La página de precios de Z.ai dice, hoy, en una línea: "GLM-5.3-Flash is available at a 50% discount ... The promotion ends at 24:00 on September 9, 2026 (UTC+8, Singapore time)" ("El GLM-5.3-Flash está disponible con un 50 % de descuento... La promoción termina a las 24:00 del 9 de septiembre de 2026, hora de Singapur"). Entrada a 0,075 USD y salida a 0,25 USD hoy; 0,15 USD y 0,50 USD después.

Dos advertencias que la cobertura mezcló, y yo también mezclé antes de verificar hoy:

1. El coste por tarea de este artículo no depende de la promoción. Los 0,09 USD salen de la tarifa completa, que es la que usó Artificial Analysis. Si la promoción acaba, el número no cambia. Quien está pagando la mitad hoy es quien verá la cuenta duplicarse.
2. No existe "capa gratuita" del GLM-5.3-Flash en Z.ai. Lo que la tabla de precios marca como "Limited-time Free" ("gratis por tiempo limitado") es la columna de almacenamiento de caché, no el uso del modelo. El uso gratuito que mucha gente vio fue la semana de divulgación del "Ox Alpha" en OpenCode y en OpenRouter, con el modelo todavía anónimo — la misma promoción de donde salió la frase de los cien billones.

Lo que la verificación no alcanzó

Este es el trozo que suele desaparecer de los textos de lanzamiento, y es el que más vale.

• No probé el modelo en producción. Tiene menos de una semana de vida; cualquier afirmación mía sobre "cómo se comporta en su código" sería invención.
• El mensaje oficial de lanzamiento de Z.ai sigue siendo ilegible para mí. La dirección responde, pero devuelve solo la cáscara del sitio; el lector de texto que probé devolvió el contenido de un documento completamente distinto. Nada que dependa exclusivamente de ese mensaje entró aquí.
• No encontré fuente para el "primer lugar en GDPval por amplio margen". Busqué; no existe en ningún lugar que yo haya alcanzado. Queda registrado como afirmación no verificada.
• No conseguí citar a r/LocalLLaMA. Las respuestas vinieron sin autor y sin fecha atribuibles, y una cita sin procedencia no entra.
• No verifiqué cuántos chips usó Z.ai. El número de "100 mil chips domésticos" que aparece en agregadores no tiene declaración primaria que yo haya localizado.
• El índice es de ahora. Un modelo con días de vida suele cambiar de posición cuando el medidor reprocesa. Los números de aquí llevan fecha porque la fecha es parte del número.
• Un séptimo modelo apareció después de que las figuras cerraran. Al verificarlo todo de nuevo el 02/09/2026, el GPT-5.6 Terra pasó a responder en Artificial Analysis: el mismo índice 57 del Flash, por 0,53 USD la tarea — casi seis veces más caro por el mismo número, y 2,4 veces más rápido. No rehíce las figuras, que están cerradas en los seis que había medido uno a uno; lo registro aquí porque el dato refuerza la cuenta en vez de contrariarla, y omitir un hallazgo por haber llegado tarde sería el pecado que este artículo se pasa el texto entero denunciando. El GPT-5.6 Soul, que el vídeo cita, sigue sin página en el medidor.

Lo que yo haría con esto

Enrutar por tarea, no por suscripción. El dato más accionable del lanzamiento no es el enfrentamiento con el Fable 5: es el enfrentamiento con el hermano de casa. Tres puntos de índice cuestan siete veces y media más entre el GLM-5.3 y el Flash. Si su trabajo es lo que LiveBench llama programación, los dos empatan en 79,0 — y usted está pagando la diferencia por nada.

Medir su propio "seguir instrucciones" antes de cambiar. El agujero de 52,8 contra 69,3 es el aviso más específico que existe sobre este modelo. Coja veinte tareas reales de su cola con instrucciones largas, ejecútelas en los dos, y cuente cuántas volvieron exigiendo corrección. Es esa cuenta, no el índice, la que decide.

Contar la velocidad junto con el precio. Más de seis veces más lento que el Gemini 3.7 Flash es gente esperando. Para un lote nocturno no cuesta nada; para alguien escribiendo y esperando, cuesta todo.

Anotar el 9 de septiembre en el calendario. Si monta el presupuesto con el precio de hoy, se duplica en una semana.

Y desconfiar de toda frase que gana un verbo por el camino. La regla que sobra de este artículo no es sobre Z.ai: es que "tenemos capacidad para" y "está sirviendo" son afirmaciones distintas, y que la distancia entre ellas cabe en nueve días de reproducción. Cuando un número extraordinario llegue hasta usted, busque su primera aparición. Suele estar a tres clics, y suele decir otra cosa.

Rehaga la cuenta

Nada de aquí depende de creerme. Los cuatro números del título salen de dos páginas públicas — artificialanalysis.ai/models/glm-5-3-flash y artificialanalysis.ai/models/claude-fable-5 — y el tamaño del repositorio sale de una línea de terminal:

curl -s 'https://huggingface.co/api/models/zai-org/GLM-5.3-Flash?blobs=true' \
  | python3 -c "import json,sys; d=json.load(sys.stdin); \
    print(sum(f['size'] for f in d['siblings'] if f['rfilename'].endswith('.safetensors'))/1e9, 'GB')"

En español: el comando pide a Hugging Face la lista de archivos del repositorio y suma el tamaño de todos los que guardan pesos. El resultado sale en gigabytes.

Si le da distinto de lo que está escrito aquí, mándeme el resultado con la fecha: yo corrijo el artículo y acredito a quien lo señaló.

Fuentes

• Índice independiente: Artificial Analysis — páginas de glm-5-3-flash, claude-fable-5, glm-5-3, kimi-k3, gemini-3-7-flash y gpt-5-6-luna
• Segunda regla independiente: LiveBench
• Pesos y ficha oficial: huggingface.co/zai-org/GLM-5.3-Flash
• Precios: docs.z.ai/guides/overview/pricing
• Anuncio de Z.ai: @Zai_org en X
• La frase original de los 100 billones: @opencode en X · Techmeme, 22/08/2026 · SemiAnalysis · the-decoder · implicator.ai
• Medición de un canal: @OpenRouter en X
• Ronda independiente del Deep-SWE: Henry Zhang en X
• Comparación entre los dos GLM: Together AI
• Cuantizaciones: Unsloth
• Recepción: hilo de Hacker News

Todos los números de índice, coste por tarea, velocidad y precio fueron verificados por mí el 01/09/2026 y verificados de nuevo el 02/09/2026, en las páginas en vivo de Artificial Analysis y de Z.ai; el tamaño del repositorio fue sumado por la API de Hugging Face en las dos fechas, con resultado idéntico. Entre una verificación y otra solo se movieron las velocidades — son media móvil del medidor —, y es la lectura del 02/09/2026 la que está publicada aquí. Las citas de comunidad fueron recogidas el 30/08/2026 y el 01/09/2026 y transcritas de los mensajes originales, con enlace en cada una; traducciones mías. Las fechas de los mensajes de la cadena de los 100 billones no fueron leídas de la pantalla: cada una fue derivada del identificador del propio mensaje, que lleva la marca de tiempo — y las cinco coinciden con lo que registró la recogida. La fecha del artículo de Wccftech (26/08/2026, 16:01 UTC) fue leída de la cabecera de la propia página el 02/09/2026. Los números de LiveBench y de las cuantizaciones de Unsloth fueron leídos de las páginas públicas el 01/09/2026 y verificados de nuevo el 02/09/2026, sin cambio. El mensaje oficial de lanzamiento de Z.ai no fue accesible en ningún intento, y nada en este artículo depende de él.