¿Qué es GLM-Image?
GLM-Image lo publicó en enero de 2026 Z.ai, la empresa antes llamada Zhipu AI. Combina un generador autorregresivo de 9.000 millones de parámetros, inicializado a partir de GLM-4-9B, que planifica la imagen como unos 256 tokens y la amplía a entre 1K y 4K tokens, con un decodificador de difusión de 7.000 millones de parámetros que incluye un codificador de glifos específico para el texto. Un solo modelo cubre texto a imagen e imagen a imagen, incluida la edición, la transferencia de estilo y la generación que conserva la identidad de personas y objetos.
Los pesos principales tienen licencia MIT; el tokenizador VQ y los pesos ViT proceden de X-Omni bajo Apache 2.0. La salida va de unos 1K a 2K píxeles por lado, con dimensiones divisibles por 32. La API de Z.ai cobra 0,015 $ por imagen. Los pesos en Hugging Face se actualizaron por última vez el 15 de enero de 2026 y el repositorio de GitHub no recibe cambios desde marzo de 2026.
¿Cuánto cuesta GLM-Image?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | MIT, con tokenizador y componentes ViT bajo Apache 2.0 |
| Z.ai API | $0.015 per image |
Pesos gratuitos bajo MIT (con componentes Apache 2.0). API de Z.ai a 0,015 $ por imagen.
¿Merece la pena GLM-Image?
GLM-Image es un especialista en imágenes con mucho texto y un modelo de imagen general flojo. En CVTG-2K, una prueba que mide cómo representa varios textos en una misma imagen, Z.ai indica una precisión por palabra de 0,9116, por delante de Seedream 4.5 con 0,8990 y de Z-Image con 0,8671, y su puntuación de 0,979 en LongText-Bench en chino es la mejor de esa tabla.
En calidad general se queda corto. En la tabla de texto a imagen de Artificial Analysis ocupa el puesto 89 de 108 con 891 Elo, detrás de ERNIE Image con 909, Z-Image Turbo con 936 y el líder abierto Qwen-Image-2.1 con 1045. En las propias tablas de Z.ai, su 0,528 en OneIG-EN empata con Z-Image-Turbo y queda por debajo de Qwen-Image con 0,539.
Además es lento. Según Z.ai, en una H100 tarda 64 segundos y usa 37,8 GB de memoria para una imagen de 1024x1024, y 253 segundos y 45,1 GB a 2048x2048; el offloading a CPU baja la memoria a unos 23 GB a costa de más lentitud. Las vías más rápidas con vLLM-Omni y SGLang siguen figurando como en integración, diez meses después del lanzamiento.
La licencia y la API son lo que lo salva. MIT en los pesos principales significa sin tope de ingresos ni exclusiones regionales, y a 0,015 $ por imagen la versión alojada de Z.ai ahorra a la mayoría de equipos la H100.
Dónde se gana su sitio
El equipo de marketing de una cadena de restaurantes en Shanghái
Producir cartas y carteles promocionales bilingües con precios y nombres de platos exactos
Envía prompts con cada texto entre comillas a la API de Z.ai a 0,015 $ por imagen, así que 2.000 borradores al mes cuestan 30 $. Un diseñador sigue revisando, porque una precisión por palabra de 0,9116 aún deja errores.
Un ingeniero de infraestructura de una editorial con H100 libres
Autoalojar un servicio de imágenes que pase la revisión legal rápido
Sirve la pipeline de Diffusers en una H100 a unos 64 segundos y 38 GB por imagen de 1024x1024, unas 56 imágenes por hora por GPU. Los términos MIT no exigen comprobar ingresos ni territorios.
El equipo de catálogo de una tienda online de muebles
Cambiar fondos manteniendo productos y modelos coherentes
Usa el modo imagen a imagen con una o varias imágenes de referencia; alto y ancho deben fijarse explícitamente en múltiplos de 32, y cada edición de 1024x1024 tarda unos 59 segundos en una H100.
Antes de decidirte
- Puesta en marcha
- Instala Transformers y Diffusers desde el código fuente y carga GlmImagePipeline en una GPU de 80 GB, o activa el offloading a CPU para unos 23 GB; la API solo necesita una clave de Z.ai.
- Integraciones
- Pipelines de Transformers y Diffusers, un servidor SGLang con endpoints de generación y edición al estilo OpenAI, y la API de Z.ai; Z.ai recomienda GLM-4.7 para mejorar los prompts.
- Datos y privacidad
- Los pesos con licencia MIT pueden funcionar totalmente sin conexión; la ficha del modelo no publica condiciones de retención específicas de la API de imágenes.
- Coste a escala
- API: 100.000 imágenes al mes cuestan 1.500 $. Autoalojado: unas 56 imágenes por hora por H100 a 1024x1024 con la configuración por defecto.
- Límites
- Las dimensiones deben ser divisibles por 32; el texto a representar debe ir entre comillas; el muestreo a temperatura 0,9 sacrifica estabilidad por variedad; todavía no hay un servicio optimizado.
Lo bueno
- Licencia MIT sin tope de ingresos ni límites regionales
- La mejor precisión por palabra en CVTG-2K de la comparativa de Z.ai
- Texto a imagen y edición en un solo modelo
- API alojada a 0,015 $ por imagen
Lo malo
- Puesto 89 de 108 en la tabla de texto a imagen de Artificial Analysis
- Unos 64 segundos por imagen de 1024x1024 en una H100
- Necesita unos 38 GB de memoria de GPU sin offloading
- El texto que se quiere representar debe ir entre comillas
Ideal para
Equipos que producen carteles, menús e infografías en chino o inglés y necesitan texto correcto en la imagen y una licencia sin restricciones más que velocidad o acabado.
Alternativas a GLM-Image
GLM-Image: preguntas frecuentes
- ¿Merece la pena GLM-Image?
- GLM-Image acierta con las palabras de un cartel más a menudo que cualquier otro modelo de la comparativa de Z.ai, pero se queda atrás en todo lo demás y tarda un minuto por imagen en una H100. Le damos un 3.3 sobre 5.
- ¿Cuánto cuesta GLM-Image?
- Pesos gratuitos bajo MIT (con componentes Apache 2.0). API de Z.ai a 0,015 $ por imagen.
- ¿Qué inconvenientes tiene GLM-Image?
- Puesto 89 de 108 en la tabla de texto a imagen de Artificial Analysis; unos 64 segundos por imagen de 1024x1024 en una H100; necesita unos 38 GB de memoria de GPU sin offloading; el texto que se quiere representar debe ir entre comillas.
- ¿Para quién es GLM-Image?
- Equipos que producen carteles, menús e infografías en chino o inglés y necesitan texto correcto en la imagen y una licencia sin restricciones más que velocidad o acabado.
- ¿Cuánto cuesta GLM-Image para un equipo o en producción?
- API: 100.000 imágenes al mes cuestan 1.500 $. Autoalojado: unas 56 imágenes por hora por H100 a 1024x1024 con la configuración por defecto.
- ¿Es GLM-Image seguro para los datos de la empresa?
- Los pesos con licencia MIT pueden funcionar totalmente sin conexión; la ficha del modelo no publica condiciones de retención específicas de la API de imágenes.
- ¿Cuáles son las mejores alternativas a GLM-Image?
- Las alternativas más cercanas que hemos analizado son ERNIE-Image (and Turbo), Qwen-Image-2.1, MOSS-Image y Ming-Image-0.1-Design.
Respuestas comprobadas el 7 nov 2026.