GLM 5.2: pesos MIT, un millón de tokens y por qué le di una noche sin ver un solo benchmark
El 13 de junio de 2026 Z.ai puso GLM 5.2 en manos de sus suscriptores. Sin benchmarks. Ni una tabla, ni un gráfico comparativo. Los pesos tampoco estaban; la promesa era "la próxima semana". Lo que sí llegó ese día alcanzó para decidir si el modelo merecía una noche de pruebas: ventana de un millón de tokens, ampliada desde los 200K de la generación anterior, licencia MIT anunciada y un endpoint que habla el dialecto de la API de Anthropic.
Suelo desconfiar de los benchmarks promocionales, así que el lanzamiento me cayó simpático antes de probar nada. El guion de siempre es predecible: se filtra un número, se hace viral, y a las 48 horas hay alguien armando un cuadro contra SWE-bench para que todos opinemos leyendo gráficos. Esta vez el laboratorio se saltó esa parte y repartió el acceso antes que los números. Eso obliga a algo que casi nadie hace: opinar desde la terminal, no desde el leaderboard. El precio de una opinión informada, esta vez, era una noche en una branch.
Escribí esto creyendo que era viernes. Era sábado. Da igual, pero lo dejo escrito porque el punto de la nota es no creerse nada sin verificar, ni siquiera mi propio calendario.
La promesa duró tres días
Lo que Z.ai negó ese día fue el rendimiento. Ni MMLU ni SWE-Bench, y ni siquiera una tabla interna modesta. Tampoco los pesos. "Apertura radical" con el repositorio cerrado me sonó a marketing con fecha de caducidad, y lo escribí entonces: si el repo abre con pesos MIT y un README serio, les creo. Mientras tanto, es una promesa.
Les creí el martes 16, cuando abrieron el acceso completo y los pesos aparecieron en HuggingFace (zai-org/GLM-5.2) junto con la tabla de benchmarks que el lanzamiento se había negado a adelantar. Setenta y dos horas, ni un día más. La apuesta se resolvió rápido, aunque "apertura radical" me sigue pareciendo un nombre rimbombante para un calendario que ya estaba decidido.
La tabla trajo 62.1 en SWE-Bench Pro, arriba del 58.4 con el que GLM 5.1 llevaba meses liderando. Son números del propio vendor, sin auditoría independiente todavía. El 58.4 me lo creo por historia; el 62.1 lo guardo con pinzas hasta que alguien más lo mida. La lección del episodio me gusta más que el número: lanzar sin benchmarks te obliga a probar en carne propia, y esa postura duró exactamente lo que dura un ciclo de marketing. Tres días.
Una noche en una branch
Antes de opinar hice lo único que me parece honesto: darle trabajo real.
Primer encargo, rutinario. Mover lógica de un controlador a un servicio en un proyecto de verdad, con historial y convenciones propias. Lo hizo bien. No inventó imports, respetó el estilo del repo y los tests quedaron en verde. Nada espectacular, que es justo lo que se le pide a un segundo modelo.
Segundo encargo, el que sí importa. Trazar un bug de concurrencia que solo aparecía bajo carga. Ahí se quedó corto: se equivocó dos veces antes de acercarse a la causa. Con Opus la búsqueda habría sido más directa. No es una diferencia cosmética cuando el bug vive en producción; es la diferencia entre un modelo que dejas solo y uno que supervisas.
Lo tercero fue mi prueba del contexto, del lado propio. El millón de tokens es su reclamo y no lo puedo confirmar, porque eso pide semanas de uso y yo tuve horas. Lo que sí hice fue cargar repositorio, documentación e issues en una misma sesión hasta llegar a unos 180k tokens. Ahí aguantó sin perder el hilo de qué módulo era cuál, algo que otros modelos de ventana larga me han fallado. El patrón conocido es viejo: pasas el tercer archivo y el modelo empieza a mezclar qué pertenece a qué. GLM 5.2 no cayó ahí, al menos no a los 180k. Del millón teórico al millón utilizable hay distancia, y el verbo importante no es "tener", es "utilizar". Esa parte sigue pendiente, mía y de cualquiera.
MIT y un endpoint que ya conocía
El cambio de Apache-2.0 a MIT parece un detalle de abogados y no lo es. MIT es la licencia que los comités legales corporativos firman sin discutir; Apache-2.0 arrastra cláusulas de patentes que dan para reuniones enteras. Para un laboratorio que quiere que su modelo entre a empresas occidentales, simplificar ese papel pesa tanto como cualquier feature técnico.
El endpoint es la otra mitad de la jugada. Apuntas Claude Code u OpenCode a la API de Z.ai cambiando una variable de entorno, usas el modelo como GLM-5.2[1m] y listo. No hay SDK nuevo que aprender. Las cuotas de suscriptor, 3× en hora pico y 2× en valle, alcanzan para probar con ganas y no alcanzan para mover un equipo entero.
El precio quedó confirmado en 4.40 por millón de salida. Barato no significa bueno, pero sí cambia a quién le das las tareas rutinarias. Los testers de Hacker News lo sitúan, en promedio, entre 6 y 12 meses detrás de la frontera cerrada. Para el trabajo diario me alcanza. Para lo difícil sigo pagando la prima.
Por ahora
El veredicto no me ha cambiado desde junio: GLM 5.2 es un buen segundo modelo para el día a día de código, no un reemplazo del modelo de frontera cuando el problema es serio. No he migrado nada crítico. Lo dejo como segunda opción en Claude Code para lo que no merece el costo del modelo caro.
Y el panorama ya se movió otra vez, porque en esto nadie descansa. El 14 de agosto Z.ai sacó GLM 5.3, con un +50% sobre el 5.2 en su propio Z.ai Code Bench. Vendor-reported de nuevo, y ni lo he probado. El 5.2 que medí esa noche sigue siendo el mismo modelo; lo que cambió es que "el GLM actual" ya es un blanco que se mueve cada dos meses. Si el 5.3 me regala otra noche libre, cae en una branch igual que su hermano. Por ahora, el 5.2 se queda donde lo dejé: con los tests en verde.