GLM-5.3-Flash: el MoE abierto de 18B activos que corre sin Nvidia y cuesta 7,5× menos

Z.ai ha lanzado GLM-5.3-Flash, un modelo mixture-of-experts de 320.000 millones de parámetros de los que solo 18.000 millones se activan por token, con licencia MIT y un contexto de 1 millón de tokens. Es el primer GLM de la serie 5 nativamente multimodal y sus pesos ya están disponibles en Hugging Face. En el Intelligence Index de Artificial Analysis alcanza 57 puntos con el máximo esfuerzo de razonamiento —apenas 3 puntos por detrás de su hermano mayor GLM-5.3 (60), y a la altura de GPT-5.6 Terra y Muse Spark 1.2— pero con un coste radicalmente menor.

Lo que lo hace especialmente relevante no es solo la inteligencia, sino la economía y la infraestructura. A 0,09 dólares por tarea frente a los 0,68 dólares de GLM-5.3, el modelo se sitúa en la frontera de Pareto entre coste e inteligencia, y su API cobra 0,15 dólares por millón de tokens de entrada y 0,50 por salida —alrededor de una décima parte del precio de GLM-5.3. En tareas agénticas iguala el ritmo de su hermano: 1770 Elo en GDPval-AA v2, empatando con GLM-5.3 y Grok 4.6 y quedando solo detrás de Claude Opus 5, aunque sigue siendo menos eficiente en tokens (cerca del 90% de su salida va a razonamiento).

🧠 Sin Nvidia: otro test del "CUDA moat"

Antes del lanzamiento, Z.ai probó el modelo de forma anónima como "ox-alpha" en OpenCode y OpenRouter, donde se convirtió en el modelo más popular de la semana. El dato clave: todo ese tráfico corrió sobre chips de IA chinos, sin una sola GPU de Nvidia, según Z.ai. SemiAnalysis calcula que el despliegue sirvió 100 billones de tokens al día, una capacidad que hasta ahora se creía reservada a los grandes laboratorios frontier, y que Z.ai sitúa con una eficiencia y coste por token a la par de GPUs Nvidia comunes.

Para lograrlo, Z.ai construyó su propio software de serving sobre SGLang, dividiendo el procesamiento en etapas que escalan de forma independiente y triplicando el throughput de su primer intento. Como apunta SemiAnalysis, esto es otro test del "CUDA moat" —la capa de programación que lleva casi 20 años atando el software de IA a las tarjetas de Nvidia—, en la línea de los resultados recientes del chip Jalapeño de OpenAI. GLM-5.3-Flash demuestra que un modelo abierto de frontera puede servirse por completo debajo de Nvidia, y a un precio que tensa la competencia frente a los proveedores occidentales.