¿Qué es GLM-5.3-Flash?
GLM-5.3-Flash es un modelo de pesos abiertos independiente de Z.ai (antes Zhipu AI), lanzado el 26 de agosto de 2026 según las notas de versión de Z.ai, ocho días después del GLM-5.3 más grande. Es un modelo mixture-of-experts con 320.000 millones de parámetros, de los que se usan 18.000 millones por token, repartidos en 45 capas. A diferencia de GLM-5.3, parte de un modelo base entrenado de nuevo, y Z.ai lo llama el primer modelo nativamente multimodal de la serie GLM-5: lee texto, imágenes, vídeo y archivos y escribe texto.
La API ofrece un contexto de 1M de tokens y hasta 128K tokens de salida. El razonamiento está siempre activo; el esfuerzo puede fijarse en low, high o max, y por defecto es max. Una nueva combinación de atención dispersa y lineal reduce el cómputo de atención 3,01 veces y la caché KV (la memoria que guarda una conversación larga) 4,44 veces respecto a GLM-5.3, según Z.ai.
Los pesos usan la licencia MIT sin modificaciones. En la API de Z.ai cuesta $0,15 por millón de tokens de entrada, $0,03 por entrada en caché y $0,50 por salida. Un GLM-5.3-FlashX más rápido, con 200 tokens por segundo, cuesta $0,37/$1,25, y una versión ajustada para derecho, FlashX-Legal, solo se ofrece a clientes empresariales seleccionados.
¿Cuánto cuesta GLM-5.3-Flash?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | Licencia MIT |
| GLM-5.3-Flash | $0.15 in / $0.50 out per 1M tokens | $0,03 en caché |
| FlashX | $0.37 in / $1.25 out per 1M tokens |
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.
¿Merece la pena GLM-5.3-Flash?
GLM-5.3-Flash es el modelo abierto que hace difícil justificar GLM-5.3 para la mayoría de cargas de trabajo. Z.ai declara 63,4 en DeepSWE v1.1 frente a 66,9 del GLM-5.3 completo y 46,2 de GLM-5.2, y 48,8 frente a 26,2 de GLM-5.2 en AutomationBench. En su Z.ai Code Bench interno obtuvo 29,0 con esfuerzo max frente a 29,5 de Claude Opus 4.8. Son cifras del fabricante, y el gráfico comparativo principal de la ficha del modelo es una imagen, no una tabla.
Las cifras independientes son menos favorables pero siguen siendo buenas. Artificial Analysis le da 42 en su Intelligence Index, sexto en su clase de tamaño de pesos abiertos, a $0,28 por tarea del índice. La documentación de Z.ai cita 57 en la versión 4.1.1 del índice a un precio rebajado de $0,045 por tarea, así que comprueba qué versión usa cada comparación. Kimi K3 obtiene 44 en el mismo conjunto de páginas de Artificial Analysis a $2,00 por tarea, aproximadamente siete veces el coste por dos puntos.
La diferencia de precio con su hermano es grande. A $0,15/$0,50 cuesta alrededor de una décima parte de los $1,40/$4,40 de GLM-5.3, la entrada en caché cuesta $0,03 frente a $0,26, y el almacenamiento en caché es gratuito por ahora. Flash además lee imágenes, vídeo y archivos, algo que GLM-5.3 no puede, y la MIT sin modificaciones elimina las condiciones propias de la licencia de GLM-5.3.
Sus costes se esconden en la salida. El razonamiento no se puede desactivar y por defecto va a esfuerzo max, y Artificial Analysis midió 180M de tokens de salida para ejecutar su índice frente a una mediana de 140M, a 67 tokens por segundo en la API de Z.ai. Una llamada de clasificación que un modelo sin razonamiento responde con diez tokens aquí puede devolver cientos, así que la tarifa por token baja lo favorece de más en trabajos cortos y sencillos. Autoalojarlo es más fácil que con rivales de 2,8 billones de parámetros, aunque unos 330 GB de pesos FP8 ya superan una máquina de cuatro GPU de 80 GB antes de cualquier caché KV.
Dónde se gana su sitio
Un ingeniero de plataforma que ejecuta una flota de agentes de programación en OpenCode o Claude Code
Reducir la factura mensual del modelo sin bajar a un modelo flojo
Apunta el entorno de agentes a glm-5.3-flash en Z.ai o en un proveedor como Together o Fireworks, ambos al mismo precio de $0,15/$0,50. Un mes de 2B de tokens de entrada con un 80 % de aciertos de caché más 200M de tokens de salida cuesta unos $208, frente a unos $1.856 con el mismo tráfico en GLM-5.3.
Una startup de dos personas que crea preguntas y respuestas sobre capturas de pantalla y PDF
Leer capturas de interfaz y documentos escaneados con un solo modelo
Envía las imágenes como bloques image_url junto al texto en la misma llamada de chat; también acepta archivos y vídeo. Pasa reasoning_effort low para consultas sencillas, porque el valor por defecto es max y cada token de razonamiento se factura como salida.
Un engineering manager con el GLM Coding Plan de Z.ai
Estirar una suscripción fija para todo un equipo
Flash consume 3 veces la cuota de GLM-5.3 en el Coding Plan por puntos, y las llamadas fuera de horas punta y en fin de semana cuestan la mitad de puntos. FlashX todavía no está en el plan, así que el nivel de 200 tokens por segundo implica pago por uso a $0,37/$1,25.
El equipo de ML de un banco que no puede enviar código a una API externa
Ejecutar un modelo de programación capaz en su propio hardware con una licencia limpia
Sirve el checkpoint FP8 con vLLM o SGLang usando las recetas publicadas por Z.ai; con MIT no hay umbrales de MAU ni de ingresos que vigilar. Presupuesta un servidor de clase de ocho GPU, porque solo los pesos rondan los 330 GB.
Antes de decidirte
- Puesta en marcha
- Llama a glm-5.3-flash en la API de estilo OpenAI de Z.ai, o descarga los pesos FP8 y sírvelos con vLLM, SGLang, TokenSpeed, KTransformers o Transformers. Z.ai recomienda temperatura 1, top_p 0.95 y esfuerzo max.
- Integraciones
- Streaming, llamadas a funciones, salida JSON estructurada y caché de contexto en la API de Z.ai; la búsqueda web integrada cuesta $0,01 por llamada. Unos 30 endpoints de proveedores lo sirven en OpenRouter, la mayoría a $0,15/$0,50 y algunos proveedores FP4 por menos.
- Datos y privacidad
- 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.
- Coste a escala
- 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.
- Límites
- Contexto de 1M de tokens y 128K de salida en la API; la ficha del modelo no indica una longitud de contexto. El razonamiento no se puede desactivar, y Artificial Analysis midió 67 tokens por segundo y 3,15 segundos hasta el primer token en Z.ai. Los límites de uso de la API no se publican en la página del modelo.
Lo bueno
- Licencia MIT sin modificaciones, sin cláusulas de ingresos ni de atribución
- DeepSWE 63,4 frente a 66,9 de GLM-5.3, por alrededor de una décima parte del precio
- Lee imágenes, vídeo y archivos; GLM-5.3 es solo texto
- Contexto de 1M de tokens y 128K de salida en la API
Lo malo
- Razonamiento siempre activo y verboso: 180M de tokens en la ejecución de Artificial Analysis frente a una mediana de 140M
- Unos 330 GB de pesos FP8, así que autoalojarlo requiere un servidor con varias GPU
- Los benchmarks principales son de la propia Z.ai, en parte publicados solo como imagen
Ideal para
Equipos que ejecutan agentes de programación o multimodales a gran volumen y quieren un modelo abierto sin condiciones de licencia y con costes de API muy bajos.
Alternativas a GLM-5.3-Flash
GLM-5.3-Flash: preguntas frecuentes
- ¿Merece la pena GLM-5.3-Flash?
- GLM-5.3-Flash ofrece la mayor parte de la capacidad de programación de GLM-5.3 por una décima parte del precio por token, y su licencia MIT no deja nada que leer a un abogado. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta GLM-5.3-Flash?
- 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.
- ¿Qué inconvenientes tiene GLM-5.3-Flash?
- Razonamiento siempre activo y verboso: 180M de tokens en la ejecución de Artificial Analysis frente a una mediana de 140M; unos 330 GB de pesos FP8, así que autoalojarlo requiere un servidor con varias GPU; los benchmarks principales son de la propia Z.ai, en parte publicados solo como imagen.
- ¿Para quién es GLM-5.3-Flash?
- Equipos que ejecutan agentes de programación o multimodales a gran volumen y quieren un modelo abierto sin condiciones de licencia y con costes de API muy bajos.
- ¿Cuánto cuesta GLM-5.3-Flash para un equipo o en producción?
- 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.
- ¿Es GLM-5.3-Flash seguro para los datos de la empresa?
- 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.
- ¿Cuáles son las mejores alternativas a GLM-5.3-Flash?
- Las alternativas más cercanas que hemos analizado son GLM-5.3, DeepSeek-V4.1-Flash, Qwen3.5-397B-A17B y Kimi K3.
Respuestas comprobadas el 26 oct 2026.