Mejores LLMs de código abierto chinos de 2026

De las 24 opciones de LLMs de código abierto chinos que hemos analizado, ahora mismo las mejores son MiMo-V2.6-Pro, Qwen3.8-27B y GLM-5.3. Cada una aparece según nuestra nota, con su precio, nuestro veredicto y para quién es.

Por Andrew Miller · Actualizado el 2 nov 2026 · Cómo analizamos

Cómo clasificamos: por nuestra nota sobre 5, a partir de reseñas basadas en los precios, la documentación y las políticas de cada producto, además de benchmarks independientes cuando existen, todo comprobado en la fecha que indica cada reseña. No cobramos comisiones de afiliación.

También clasificamos: mejores LLMs de código abierto

1
MiMo-V2.6-Pro
Licencia y datos: Pesos bajo MIT. La política de privacidad de MiMo de Xiaomi dice que los datos se almacenan en Singapur y se eliminan o anonimizan tras su periodo de retención; la aplicación Desktop entrena con las entradas salvo que te excluyas. Pasarelas de terceros informan de que la API de Xiaomi no entrena con el tráfico, algo que deberían confirmar las condiciones de la API de Xiaomi.
Cómo ejecutarlo: $0,435/$0,87 por millón de tokens, con un 99 % de descuento por caché y batch a mitad de precio. 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos $244 sin caché; con Flash serían unos $78.
Precio: Pesos abiertos bajo MIT. API de Xiaomi: Pro $0,435 de entrada / $0,87 de salida por 1M de tokens, entrada en caché $0,004; Flash $0,14 / $0,28; Pro UltraSpeed $4,35 / $8,70; Batch API a mitad de precio.
Lee nuestra reseña de MiMo-V2.6-Pro
4.5/5
2
Qwen3.8-27B
Licencia y datos: Apache 2.0: uso comercial sin límites de ingresos ni anexo de uso aceptable. La ficha de Qwen Cloud no publica condiciones de retención ni de entrenamiento, y su endpoint de ejemplo está en Singapur (ap-southeast-1).
Cómo ejecutarlo: Autoalojado: 16,5 GB a 4 bits, 29 GB a 8 bits, 31 GB en FP8 y unos 56 GB de pesos en BF16, antes de la caché KV. Alojado: Qwen Cloud a 0,50 $/3,00 $ por 1M de tokens; los proveedores de OpenRouter van de unos 0,04 $/1,25 $ a 0,45 $/3,20 $.
Precio: Pesos gratuitos bajo Apache 2.0. Qwen Cloud: 0,50 $ de entrada / 3,00 $ de salida por 1M de tokens (0,10 $ en caché). Proveedores de terceros en OpenRouter desde unos 0,04 $ / 1,25 $.
Lee nuestra reseña de Qwen3.8-27B
4.5/5
3
GLM-5.3
Licencia y datos: La API de Z.ai opera desde Singapur y sus condiciones de tratamiento de datos dicen que procesa los datos de clientes en su nombre y no almacena las entradas ni las salidas de la API, que se procesan en tiempo real; no se publica una declaración explícita sobre entrenamiento con los prompts de la API. Autoalojarlo mantiene los datos en casa.
Cómo ejecutarlo: Z.ai cobra $1,40/$4,40 por 1M de tokens, con la entrada en caché a $0,26 y el almacenamiento en caché gratuito por tiempo limitado. Artificial Analysis lo sitúa en $2,01 por tarea del índice, frente a $0,72 de GPT-6.1 Sol. Autoalojarlo supone unos 753 GB de pesos FP8 más la memoria de caché.
Precio: Pesos abiertos bajo una licencia MIT modificada. API de Z.ai: $1,40 de entrada / $0,26 en caché / $4,40 de salida por 1M de tokens; GLM-5.3-Flash $0,15 / $0,50.
Lee nuestra reseña de GLM-5.3
4.4/5
4
DeepSeek-V4-Pro
Licencia y datos: Los pesos abiertos tienen licencia MIT sin restricciones comerciales ni de ingresos. La política de privacidad de DeepSeek (febrero de 2026) dice que los datos se almacenan en China, incluye el entrenamiento de modelos entre los usos de las entradas de los usuarios y solo ofrece la exclusión escribiendo a privacy@deepseek.com.
Cómo ejecutarlo: En la API, 1B de tokens de entrada al mes con un 70% de aciertos de caché más 100M de tokens de salida cuesta unos 820 $ a tarifas de horas punta o 410 $ en horas valle. El autoalojamiento necesita unos 865 GB solo para los pesos, lo que según nuestras cuentas supone al menos un servidor de ocho GPU H200 (1,1 TB de HBM), y más para contextos completos de 1M de tokens.
Precio: Pesos gratuitos con licencia MIT. API de DeepSeek: 0,66 $ de entrada / 1,98 $ de salida por 1M de tokens en horas valle, 1,32 $ / 3,96 $ en horas punta; aciertos de caché desde 0,022 $.
Lee nuestra reseña de DeepSeek-V4-Pro
4.3/5
5
GLM-5.3-Flash
Licencia y datos: Las condiciones de datos de la API de Z.ai dicen que los prompts y resultados se procesan en tiempo real y no se almacenan, y que los datos de clientes se procesan en general en Singapur. Las condiciones no dicen nada sobre entrenamiento en ningún sentido, y no se publica ninguna certificación SOC 2 o ISO. Z.ai sirve el modelo en aceleradores fabricados en China.
Cómo ejecutarlo: En Z.ai, 2B de tokens de entrada (80 % en caché) y 200M de tokens de salida al mes cuestan unos $208; con GLM-5.3 serían unos $1.856. Autoalojarlo supone unos 330 GB de pesos FP8 más la caché KV, más de lo que caben en cuatro GPU de 80 GB, así que cuenta con un nodo de ocho GPU.
Precio: Pesos abiertos bajo MIT. API de Z.ai: $0,15 de entrada / $0,50 de salida por 1M de tokens ($0,03 en caché); FlashX $0,37 / $1,25.
Lee nuestra reseña de GLM-5.3-Flash
4.3/5
6
Kimi K3
Licencia y datos: La política de privacidad de Moonshot permite entrenar con el contenido de los usuarios sin describir exención para la API, conserva los datos mientras la cuenta está activa y los almacena en Singapur; no se cita certificación SOC 2 ni ISO. La licencia exime al uso interno de sus cláusulas de ingresos y de atribución.
Cómo ejecutarlo: $3/$15 por millón de tokens, $0,30 en caché, con cargos adicionales por escrituras en caché de 5 minutos o 1 hora. 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos $1.950 sin caché; Fireworks ofrece un endpoint a $2,10/$10,50.
Precio: Pesos abiertos bajo una licencia MIT modificada. API de Kimi: $3 de entrada / $15 de salida por 1M de tokens; entrada en caché $0,30.
Lee nuestra reseña de Kimi K3
4.3/5
7
DeepSeek-V4.1-Flash
Licencia y datos: Pesos bajo MIT sin restricciones de uso. En el servicio de DeepSeek, la política de privacidad (actualizada el 10 de febrero de 2026) dice que los datos se almacenan en China, se conservan mientras exista la cuenta y pueden entrenar modelos, con exclusión a petición; no se publican condiciones de retención específicas para la API.
Cómo ejecutarlo: 10.000 millones de tokens de entrada y 1.000 millones de salida al mes cuestan unos 2.100 $ en horas valle o 4.200 $ en horas punta en DeepSeek; la entrada en caché cuesta 0,003 $ por millón en horas valle. Search y Fetch suman 0,75 $ cada 1.000 llamadas correctas cada una, así que un agente que hace 20 búsquedas por tarea en 10.000 tareas paga 150 $ al mes por las búsquedas; gratis a través de los arneses hasta el 31 de octubre de 2026, 16:00 UTC. El autoalojamiento necesita más de 765 GB de memoria de GPU solo para los pesos, y las notas de despliegue de DeepInfer sitúan la unidad eficiente más pequeña de DeepSeek en 64 GPU de prefill más 64 de decodificación.
Precio: Pesos gratuitos con licencia MIT. API de DeepSeek: 0,15 $ de entrada / 0,60 $ de salida por 1M de tokens en horas valle, 0,30 $ / 1,20 $ en horas punta de días laborables; aciertos de caché de 0,003 $ a 0,006 $.
Lee nuestra reseña de DeepSeek-V4.1-Flash
4.2/5
8
Hy4 preview
Licencia y datos: Pesos bajo Apache 2.0 sin condiciones adicionales. Las condiciones del sitio chino de Tencent Cloud dicen que no usará las entradas para mejorar sus propios modelos; la retención no se indica públicamente. Los modelos de otros laboratorios en TokenHub siguen sus propias condiciones.
Cómo ejecutarlo: $0,834/$2,501 por millón de tokens en TokenHub. 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos $492 sin caché. Autoalojar en FP8 requiere ocho GPU de clase B300.
Precio: Pesos abiertos bajo Apache 2.0. Tencent Cloud TokenHub: ¥6 de entrada / ¥18 de salida por 1M de tokens, o $0,834 / $2,501 a nivel internacional, entrada en caché $0,042. OpenRouter desde unos $0,75 / $2,25. Hy3: $0,13 / $0,53.
Lee nuestra reseña de Hy4 preview
4.2/5
9
Qwen3.8-Flash-Next
Licencia y datos: Qwen Community License 1.0: se permite el uso comercial; hay que mostrar el nombre del modelo por encima de 100 millones de usuarios mensuales o 20 millones de dólares de ingresos mensuales; licencia aparte para negocios de modelo como servicio y de asistentes de IA de programación u ofimática de cualquier tamaño. La documentación de seguridad de datos de Qwen Cloud trata el cifrado y el almacenamiento en la región, pero no publica periodo de retención ni política de entrenamiento.
Cómo ejecutarlo: Alojado: 0,15 $ de entrada y 0,47 $ de salida por millón de tokens y 0,016 $ por acierto de caché; se ofrece Batch sin descuento publicado. Autoalojado: unos 360 GB de pesos en BF16 o 180 GB en FP8, así que un servidor con varias H100 o H200 antes de la caché KV.
Precio: Pesos abiertos bajo la Qwen Community License 1.0 (licencia aparte para negocios de alojamiento y de asistentes de IA). API de Qwen3.8-Flash: 0,15 $ de entrada / 0,47 $ de salida por 1M de tokens; aciertos de caché a 0,016 $.
Lee nuestra reseña de Qwen3.8-Flash-Next
4.2/5
10
Qwen3.8-Max
Licencia y datos: La licencia permite el uso comercial; hay que mostrar el nombre del modelo por encima de 100 millones de usuarios mensuales o 20 millones de dólares de ingresos mensuales; licencia aparte para negocios de modelo como servicio o de asistentes de trabajo de IA por encima de 50 millones de dólares de ingresos anuales; el uso interno está exento. La documentación de seguridad de datos de Qwen Cloud trata el cifrado y el almacenamiento en la región, pero no publica periodo de retención ni política de entrenamiento.
Cómo ejecutarlo: 10 millones de tokens de entrada y 2 millones de salida al día, un asistente interno con mucho uso, cuestan unos 32 $ al día o aproximadamente 960 $ al mes a precio de tarifa; las lecturas de caché explícitas a 0,17 $ reducen más de un 90 % el coste del contexto repetido.
Precio: Pesos abiertos bajo la licencia Qwen3.8-Max. API de Qwen Cloud: 2 $ de entrada / 6 $ de salida por 1M de tokens; lecturas de caché a 0,17 $ (explícita) o 0,25 $ (implícita).
Lee nuestra reseña de Qwen3.8-Max
4.2/5
11
Step 5 Preview
Licencia y datos: Pesos bajo la StepFun Model License 1.0: obligación de mostrar la marca por encima de 100 millones de usuarios o 20 millones de dólares de ingresos mensuales, licencia comercial para fabricantes de dispositivos y empresas MaaS con más de 20 millones de dólares al año, uso interno exento. Las condiciones de la API de StepFun permiten entrenar con el tráfico de los programas Startup y de acceso anticipado; las condiciones para el resto del tráfico de pago no son explícitas.
Cómo ejecutarlo: 1,00 $/2,70 $ por millón de tokens con un 90% de descuento en la entrada en caché. 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos 581 $ sin caché. Alojado por uno mismo, FP8 necesita cuatro GPU B300 u ocho H200; BF16 necesita ocho B300 o dieciséis H200.
Precio: Pesos abiertos bajo la StepFun Model License 1.0. API de StepFun: 1,00 $ de entrada / 2,70 $ de salida por 1 millón de tokens, 90% de descuento en la entrada en caché; mismo precio en OpenRouter y DeepInfra.
Lee nuestra reseña de Step 5 Preview
4.2/5
12
Ling-3.1-flash
Licencia y datos: Pesos bajo MIT, con un resumen público del contenido de entrenamiento. No encontramos las condiciones de privacidad y retención de la API de inclusionAI en sus páginas del modelo ni en OpenRouter; autoalójalo para datos sensibles.
Cómo ejecutarlo: A $0,30/$0,90, 1.000 tareas de agente de 500K tokens de entrada y 30K de salida cuestan unos $177 sin caché, antes de su salida de razonamiento superior a la media. Al precio publicado en OpenRouter, alrededor de una cuarta parte.
Precio: Pesos abiertos bajo MIT. API de inclusionAI: $0,30 de entrada / $0,90 de salida por 1M de tokens, caché $0,06, según Artificial Analysis; OpenRouter indica $0,075 / $0,225.
Lee nuestra reseña de Ling-3.1-flash
4.0/5
13
MiniCPM-V 4.7 (35B-A3B and 1B)
Licencia y datos: Se aloja por cuenta propia, así que las imágenes y los documentos se quedan en tu hardware. Apache 2.0 permite el uso comercial, la modificación y la redistribución sin tope de ingresos.
Cómo ejecutarlo: Los pesos son gratuitos. El 35B necesita unos 68 GB de VRAM a precisión completa (una H100 en la prueba de MindStudio), 36,90 GB en Q8_0 o 21,17 GB en Q4_K_M; el 1B ocupa 0,67 GB en Q4_K_M más 1,11 GB para visión. No se publica ningún precio alojado por token.
Precio: Pesos Apache 2.0 gratuitos para ambos tamaños. No hay precio alojado propio publicado; pagas tu propio hardware.
Lee nuestra reseña de MiniCPM-V 4.7 (35B-A3B and 1B)
4.0/5
14
MiniCPM5-2B
Licencia y datos: Apache 2.0 para código y pesos, sin tope de ingresos ni anexo de uso aceptable. Solo se aloja por cuenta propia, así que los prompts se quedan en tu hardware; ningún proveedor de inferencia de Hugging Face lo ofrece.
Cómo ejecutarlo: No existe precio alojado, así que el coste es el hardware: unos 5 GB de pesos BF16, 2,68 GB en Q8_0 y 1,56 GB en Q4_K_M, que caben en una sola GPU de consumo o en un portátil con margen para el contexto. OpenBMB no publica cifras de rendimiento para dimensionar una flota.
Precio: Pesos y datos de entrenamiento gratuitos bajo Apache 2.0.
Lee nuestra reseña de MiniCPM5-2B
4.0/5
15
MiniMax-M3.1-Flash
Licencia y datos: Licencia: el uso comercial exige un crédito «Built with MiniMax M3.1-Flash» y un aviso único a MiniMax; los productos con más de 20 millones de dólares de ingresos anuales necesitan autorización previa por escrito; el uso militar está prohibido. Las condiciones de retención y entrenamiento de la API de MiniMax no estaban publicadas en las páginas que pudimos leer.
Cómo ejecutarlo: 10.000 millones de tokens de entrada y 1.000 millones de salida al mes cuestan unos $2.100 en la API de MiniMax, con la entrada en caché a $0,015 por millón; el razonamiento con esfuerzo max infla la parte de salida. Alojarlo por cuenta propia exige unos 250 GB de memoria de GPU para los pesos MXFP8 antes de la caché KV, dentro de un nodo de ocho H100 de 80 GB.
Precio: Pesos abiertos bajo la licencia comunitaria de MiniMax. API de MiniMax por 1M de tokens, con tarifa plana para cualquier longitud de prompt: $0,15 de entrada, $0,60 de salida, $0,015 de entrada en caché.
Lee nuestra reseña de MiniMax-M3.1-Flash
4.0/5
16
MiniMax-M3
Licencia y datos: Licencia: el uso comercial exige un crédito «Built with MiniMax M3» y un aviso a MiniMax; los productos con más de 20 millones de dólares de ingresos anuales necesitan permiso previo por escrito; no se permite el uso militar. Las condiciones de la API de MiniMax te dejan la propiedad, pero le permiten usar las entradas y el contenido generado para desarrollar y mejorar sus servicios; no se publica opción de exclusión ni periodo de retención.
Cómo ejecutarlo: 1M de respuestas de soporte al mes, con 2.000 tokens de entrada y 300 de salida cada una, cuestan unos $960 en el nivel estándar, menos con prompts de sistema en caché. Alojarlo en BF16 exige unos 850 GB de memoria de GPU antes de la caché KV: un nodo de ocho H200 o B200, o más de un nodo H100.
Precio: Pesos abiertos bajo la licencia comunitaria de MiniMax. API por 1M de tokens en prompts de hasta 512K: $0,30 de entrada, $1,20 de salida, $0,06 en caché; el doble por encima de 512K; nivel prioritario 1,5x.
Lee nuestra reseña de MiniMax-M3
3.9/5
17
Sage-A1.5
Licencia y datos: Apache 2.0, sin restricciones de uso. Las condiciones de datos de la prueba alojada de Intern Discovery no figuran en la ficha del modelo; autoaloja para trabajo sensible.
Cómo ejecutarlo: Unos 72GB en BF16 para 35.950 millones de parámetros, es decir, una GPU de 80GB con poca caché libre; la versión FP8 lo reduce a la mitad, y el GGUF Q4_K_M funciona en llama.cpp, Ollama y LM Studio.
Precio: Pesos abiertos bajo Apache 2.0; prueba gratuita en el plan de tokens Intern Discovery de Shanghai AI Lab; precios de la API de pago no publicados.
Lee nuestra reseña de Sage-A1.5
3.9/5
18
Ling-3.0-flash-Sante
Licencia y datos: Los pesos MIT permiten autoalojarlo sin restricciones, la vía más segura para datos de pacientes. En Vercel el único proveedor es Novita, y la página del gateway no lo marca como de retención cero ni sin entrenamiento; revisa las condiciones de Novita antes de enviar información sanitaria.
Cómo ejecutarlo: Autoalojarlo requiere cuatro GPU de 141 GB u ocho GPU de 80 GB para el contexto completo de 256K. En versión alojada, 100 millones de tokens de entrada y 20 millones de salida al mes cuestan unos $11,40 al precio de referencia de Vercel, antes de los tokens de razonamiento.
Precio: Pesos abiertos bajo MIT. Vercel AI Gateway: $0,07 entrada / $0,22 salida por 1M de tokens (fila de Novita: $0,08 entrada, $0,02 en caché).
Lee nuestra reseña de Ling-3.0-flash-Sante
3.8/5
19
Nanbeige4.3-33B
Licencia y datos: Apache 2.0 sin restricciones de uso; solo autoalojado, así que no se aplican condiciones de datos de terceros. No hay declaración sobre el origen de los datos más allá de la ficha del modelo.
Cómo ejecutarlo: Los pesos en BF16 necesitan unos 66GB, es decir, cuatro GPU de 24GB o dos de 48GB antes de la caché; una versión de 4 bits ocupa unos 21GB más unos 28GB de caché con 128K de contexto.
Precio: Pesos abiertos bajo Apache 2.0; sin API alojada oficial.
Lee nuestra reseña de Nanbeige4.3-33B
3.8/5
20
ZDTaichu5.0-9B
Licencia y datos: Autoalojado, así que las imágenes se quedan en tu hardware. Los pesos están bajo la NVIDIA Open Model License: permite uso comercial y derivados, sin límite de ingresos, pero la licencia termina si presentas reclamaciones de patentes o derechos de autor sobre el modelo, NVIDIA puede actualizarla y la redistribución debe incluir la licencia y su aviso. Las partes de Qwen3.5 y el código del repositorio son Apache 2.0.
Cómo ejecutarlo: Los pesos son gratuitos y no existe precio alojado. Los archivos de pesos ocupan 19,59 GB en BF16, 12,67 GB en FP8 y 9,81 GB en NVFP4; el GGUF Q4_K_M ocupa 5,63 GB más un archivo de visión Q8_0 de 0,88 GB. NVFP4 solo es nativo en las GPU NVIDIA Blackwell. El modelo borrador DSpark de 6,42 GB dio aceleraciones de 2,46x a 3,17x en una H800 en las pruebas de Taichu.
Precio: Pesos gratuitos bajo la NVIDIA Open Model License, con las partes de Qwen3.5 bajo Apache 2.0. No hay API alojada ni precio por token publicado; pagas tu propia GPU.
Lee nuestra reseña de ZDTaichu5.0-9B
3.8/5
21
Hy-Memory-30B-A3B
Licencia y datos: Apache 2.0 sin restricciones de uso. Autoalojado, así que las memorias de los usuarios nunca salen de tu infraestructura, que es la principal ventaja de privacidad frente a enviar cada turno a un modelo alojado.
Cómo ejecutarlo: Unos 60GB de pesos BF16, así que una H100 de 80GB o dos GPU de 48GB; todavía no hay versiones cuantizadas para tarjetas más pequeñas.
Precio: Pesos abiertos bajo Apache 2.0; sin API alojada.
Lee nuestra reseña de Hy-Memory-30B-A3B
3.7/5
22
Spark-X2.6-4B
Licencia y datos: Autoalojado, así que los prompts se quedan en el dispositivo. Pesos Apache 2.0; la ficha no dice nada sobre los datos de entrenamiento ni las pruebas de seguridad. La carga ejecuta el propio código del modelo del editor.
Cómo ejecutarlo: Solo hardware: los pesos en BF16 ocupan unos 8,2 GB y el GGUF Q4_K_M unos 3,5 GB; un contexto de 1M de tokens necesita mucha más memoria que los pesos y la ficha sugiere reducirlo.
Precio: Gratuito con licencia Apache 2.0; funciona en tu propio hardware. No se publica precio alojado para el modelo de 4B.
Lee nuestra reseña de Spark-X2.6-4B
3.7/5
23
Qwen3.5-397B-A17B
Licencia y datos: Apache 2.0 permite el uso comercial, el ajuste fino y la redistribución sin límites de ingresos ni de usuarios. Autoalojarlo mantiene las instrucciones en casa; en OpenRouter no está disponible con enrutamiento dentro de la UE, y cada proveedor fija su propia retención.
Cómo ejecutarlo: Los proveedores de OpenRouter cobran de 0,39 $ a 0,75 $ de entrada y de 2,34 $ a 4,50 $ de salida por 1M de tokens; Qwen3.5-Plus alojado cuesta 0,30 $/1,80 $. Autoalojarlo requiere unos 406 GB en FP8 (un servidor de ocho GPU de 80 GB), 214 GB a 4 bits o 180 GB a 3 bits.
Precio: Pesos gratuitos bajo Apache 2.0; Qwen3.5-Plus en Alibaba Cloud y el alojamiento de terceros se facturan aparte.
Lee nuestra reseña de Qwen3.5-397B-A17B
3.6/5
24
Xing4.0-29B-A4B
Licencia y datos: Apache 2.0: se permiten el uso comercial y el ajuste fino sin tope de ingresos ni anexo de uso aceptable. Alojado por uno mismo, nada sale de sus servidores; el endpoint de OpenRouter lo gestiona un tercero, Phala, con sus propias condiciones.
Cómo ejecutarlo: Los pesos BF16 ocupan unos 62 GB (31,2B parámetros contando los embeddings), una H100 de 80 GB; FP8 lo reduce a la mitad; una versión GGUF de la comunidad de 11,6 GB cabe en una tarjeta de 16 GB. La única opción alojada, el endpoint gratuito de OpenRouter, está limitada a 20 peticiones por minuto y 50 al día (1.000 al día cuando la cuenta ha comprado 10 $ de créditos), así que el tráfico de producción obliga a alojarlo uno mismo.
Precio: Pesos gratuitos bajo Apache 2.0. Sin API propia; OpenRouter ofrece un endpoint gratuito (alojado por Phala) con los topes de peticiones de sus modelos gratuitos.
Lee nuestra reseña de Xing4.0-29B-A4B
3.6/5