GLM 5.2: El modelo de IA chino, gratuito y open source, que acaba de ponerse primero en los benchmarks

🧩 Caso 1: Usar GLM 5.2 sin registrarte (Chat Z)

Lo primero que hice fue abrir chat.z.ai. Sin login, sin tarjeta de crédito, sin email. Escribes y responde. Punto.

La interfaz es limpia. Tienes varios modos: Magic Design para crear webs y diseños, Full-Stack para apps completas, y Write Code para código suelto. También puedes subir archivos y activar Deep Think (razonamiento paso a paso) antes de enviar el prompt.

Lo probé pidiéndole una landing page para una cafetería ficticia. En menos de 30 segundos me generó HTML, CSS y JS funcional con diseño responsive, menú interactivo y hasta un formulario de contacto. El código compilaba a la primera. Sin errores de sintaxis.

Lo interesante es que el selector de modelo aún muestra "GLM-4.7" por defecto, pero GLM 5.2 ya está sirviendo por detrás en las nuevas capacidades — especialmente en razonamiento profundo y tareas de código largo. Según la página oficial del modelo en HuggingFace, el cambio más bestia está en la ventana de contexto de 1 millón de tokens: puedes pasarle una novela entera y mantener coherencia.

🧩 Caso 2: Programar con ZCode (el agente que escribe código solo)

ZCode es el entorno de desarrollo agéntico de Z.ai, y la versión 3.0 ya está optimizada para GLM 5.2. Es un asistente que planifica, escribe, revisa y despliega código — todo dentro del mismo workspace.

Me creé una cuenta gratuita y le pedí que hiciera un juego de Gomoku (5 en raya) con IA. ZCode exploró el proyecto, detectó que el repo estaba vacío, y decidió construirlo desde cero. En 3 minutos generó index.html, app.js y styles.css — 733 líneas en total — con un algoritmo heurístico de IA para el oponente y detección de victorias.

La diferencia con usar solo Chat Z es que ZCode tiene acceso al sistema de archivos: lee, escribe, ejecuta comandos y revisa su propio output. Es más parecido a Claude Code o Codex, pero con el plus de que el modelo base es gratuito y open source.

Eso sí, la versión actual es solo para macOS. Hay un grupo beta de Linux al que te puedes apuntar desde la web. Yo, que uso Linux a diario, estoy esperando que lo saquen para probarlo en condiciones.

🧩 Caso 3: Desplegar GLM 5.2 en local con 4 líneas

Si eres de los que prefieren tener el modelo en tu propia máquina, la buena noticia es que GLM 5.2 soporta todos los frameworks de inferencia populares. La documentación de HuggingFace lista vLLM, SGLang, Transformers, KTransformers y Unsloth.

Para arrancarlo con vLLM (el más rápido hoy):

pip install vllm
vllm serve "zai-org/GLM-5.2"

Y ya tienes un endpoint compatible con la API de OpenAI en localhost:8000. Puedes llamarlo con curl o con cualquier cliente que hable OpenAI-compatible.

El modelo base pesa lo suyo — necesitas una GPU con al menos 24 GB de VRAM. Pero también está disponible la versión cuantizada GLM-5.2-FP8 que baja los requisitos considerablemente sin sacrificar mucho rendimiento.

Un detalle importante: Z.ai es proveedor de inferencia verificado en HuggingFace con casi 400.000 peticiones mensuales. Eso da cierta tranquilidad sobre la estabilidad de la API si decides usarla en producción.

🧩 Caso 4: Automatización con agentes y MCP

El vídeo de Alejavi Rivera dedica un tramo entero a esto y es de lo más potente de GLM 5.2. El modelo tiene soporte nativo para MCP (Model Context Protocol), lo que significa que puedes conectarlo a herramientas externas — APIs, bases de datos, navegadores — y que tome acciones reales.

En el benchmark MCP-Atlas, GLM 5.2 saca un 76.8, solo un punto por detrás de Claude Opus 4.8 (77.8) y por delante de DeepSeek-V4-Pro (73.6) y Gemini 3.1 Pro (69.2). Para un modelo gratuito, es una barbaridad.

La parte que más me sorprendió es el sistema de "skills" que menciona Alejavi en el vídeo. Puedes configurar habilidades predefinidas — como "analiza este CSV y genera gráficos" — y GLM 5.2 las ejecuta secuencialmente como un agente autónomo. Se parece mucho a lo que hace OpenAI con los GPTs, pero sin coste por uso.

Si te interesa esta parte, el paper técnico está en arXiv:2603.12201 y explica cómo Z.ai diseñó el entrenamiento para tareas de horizonte largo.

📊 Los números que importan (y los que no tanto)

He pasado un buen rato mirando la tabla de benchmarks del model card oficial. Esto es lo que realmente destaca:

🥇 Razonamiento matemático: GLM 5.2 saca 99.2 en AIME 2026, superando a GPT-5.5 (98.3), Claude Opus 4.8 (95.7) y Gemini 3.1 Pro (98.2). En IMOAnswerBench también es primero con 91.0. Zhipu AI claramente ha priorizado el razonamiento formal.

💻 Coding autónomo: En SWE-bench Pro marca 62.1, por encima de DeepSeek-V4-Pro (55.4) y GPT-5.5 (58.6). En Terminal Bench 2.1 llega a 82.7 con el mejor harness — compitiendo cabeza a cabeza con GPT-5.5 (83.4) y por encima de Claude Opus 4.8 (78.9).

🚀 La mayor mejora: Donde más ha pegado el salto es en FrontierSWE: de 30.5 en GLM 5.1 a 74.4 en GLM 5.2. Más del doble. También en DeepSWE pasa de 18 a 46.2. Esto es relevante porque son benchmarks de ingeniería de software real, no de puzzles académicos.

Lo que NO lidera: en HLE (Humanity's Last Exam) se queda en 40.5, detrás de Claude Opus 4.8 (49.8) y GPT-5.5 (41.4). En GPQA-Diamond también está un par de puntos por debajo de los líderes. El modelo es un hacha en mates y código, pero en conocimiento general experto todavía hay margen.

La mejora técnica que lo hace posible se llama IndexShare: reutiliza el mismo indexador cada 4 capas de atención dispersa, reduciendo los FLOPs por token en 2.9 veces en contextos de 1M tokens. Sin esto, el coste de inferencia con ventanas tan grandes sería inviable para un modelo gratuito. El paper lo detalla en arXiv:2602.15763.

🧩 Caso 5: Presentaciones y diseño con IA

Volviendo al vídeo de Alejavi Rivera — que ya lleva 49.000 visualizaciones en 24 horas — uno de los casos que muestra es la generación de presentaciones completas desde un prompt en español. Le pides "una presentación sobre los 5 modelos de IA más importantes de 2026" y GLM 5.2 te genera diapositivas con estructura, bullet points y diseño consistente.

También muestra simulaciones interactivas: le pidió un simulador de física de partículas y el modelo generó un canvas interactivo con colisiones, gravedad y controles. Esto no es generar texto bonito — es código funcional con lógica compleja.

El canal de Alejavi, con 559.000 suscriptores, es de las fuentes más serias en español sobre IA práctica. Si quieres ver los 8 casos completos que muestra — desde apps funcionales hasta automatización con MCP — el vídeo está aquí (29 minutos que merecen la pena).

También te recomiendo el vídeo de Xavier Mitjana — "Prohibieron la IA más potente... China la REGALA" con 81K visualizaciones — que da contexto geopolítico al lanzamiento. Y si te va el análisis técnico denso, TheAIGRID cubre los avances en arquitectura de modelos abiertos.