La china Zhipu AI presenta GLM-5, un modelo de código abierto de 744.000 millones de parámetros entrenado con chips nacionales

El movimiento de China hacia la independencia en IA alcanza la escala de frontera

La empresa emergente china de inteligencia artificial Zhipu AI, que opera internacionalmente con la marca Z.ai, presentó GLM-5, un modelo de lenguaje de gran tamaño con 744.000 millones de parámetros. Es el primer sistema de IA de frontera entrenado íntegramente con hardware nacional chino, sin depender de tecnología estadounidense de semiconductores. El anuncio, realizado el 11 de febrero, disparó casi un 30 % las acciones de la empresa, que cotiza en Hong Kong con el nombre oficial de Knowledge Atlas Technology: cerraron a 405 dólares hongkoneses, cuatro veces por encima del precio de su oferta pública inicial, realizada apenas un mes antes. La empresa recaudó unos 558 millones de dólares en su salida a bolsa de enero de 2026 y se convirtió en la primera compañía de modelos fundacionales que cotiza en bolsa en el mundo. Fundada en 2019 como una escisión de la Universidad Tsinghua, Zhipu AI se ha consolidado rápidamente como líder del desarrollo de IA de código abierto.

El modelo llega en medio de una intensa oleada de lanzamientos de empresas tecnológicas chinas, decididas a mostrar sus capacidades antes de las vacaciones del Año Nuevo Lunar. Sin embargo, GLM-5 se distingue por combinar una gran escala técnica, disponibilidad de código abierto bajo la permisiva licencia MIT e independencia total de las unidades de procesamiento gráfico de NVIDIA. En su lugar, Zhipu AI utilizó chips Ascend de Huawei y el marco de trabajo MindSpore para entrenar el sistema, un avance con importantes repercusiones para la dinámica de las cadenas de suministro mundiales de infraestructura de inteligencia artificial. El logro demuestra que es posible entrenar IA de frontera fuera del ecosistema de NVIDIA, lo que abre paso a una mayor diversidad de hardware y reduce los riesgos que supone depender de un solo proveedor en toda la industria. El momento del anuncio subraya la urgencia de Pekín por mostrar avances hacia la autosuficiencia en chips nacionales, mientras Washington endurece las restricciones a la exportación de semiconductores de alta gama.

Arquitectura técnica y escala

GLM-5 supone una expansión considerable frente a su predecesor, GLM-4.7, que tenía 355.000 millones de parámetros. El nuevo modelo duplica esa capacidad hasta alcanzar un total de 744.000 millones de parámetros, mediante una arquitectura de mezcla de expertos que activa solo 40.000 millones por tarea de inferencia. Este enfoque, que emplea 256 módulos expertos y activa ocho por token, permite al sistema ofrecer un alto rendimiento y, al mismo tiempo, gestionar los costos computacionales de manera eficiente. La arquitectura representa un cambio hacia patrones de activación dispersa que maximizan las capacidades sin aumentar linealmente los gastos operativos, un aspecto crucial para las organizaciones que despliegan modelos grandes a gran escala.

El conjunto de datos de entrenamiento también se amplió: pasó de 23 billones de tokens en la generación anterior a 28,5 billones en GLM-5. Una innovación técnica clave es la adopción de DeepSeek Sparse Attention, un mecanismo desarrollado inicialmente por la empresa emergente DeepSeek, con sede en Hangzhou. Este permite al modelo procesar ventanas de contexto de hasta 200.000 tokens y generar hasta 131.000 tokens, cifras que se encuentran entre las más altas de la industria. Esta capacidad para manejar contextos largos permite procesar documentos extensos, bases de código completas, colecciones de artículos de investigación y transcripciones de video en una sola sesión, así como realizar razonamientos complejos a partir de grandes volúmenes de información. El mecanismo de atención dispersa aborda específicamente la carga computacional que suele afectar a los modelos de atención densa al procesar secuencias largas.

Resultados en pruebas de referencia y capacidades de programación

Según las pruebas internas publicadas por Zhipu AI, GLM-5 alcanza un rendimiento que lo sitúa en lo más alto de las clasificaciones de modelos de código abierto y cerca de los sistemas occidentales propietarios. En SWE-bench Verified, una prueba de referencia ampliamente reconocida que mide las capacidades de ingeniería de software en situaciones reales, el modelo obtuvo un 77,8 %, por encima del 76,2 % de Gemini 3 Pro, de Google DeepMind, y cerca del 80,9 % de Claude Opus 4.5, de Anthropic. La empresa reconoce que Claude sigue siendo el modelo líder en programación en general, pero destaca que GLM-5 encabeza los modelos abiertos. En SWE-bench Multilingual, GLM-5 obtuvo un 73,3 %, con un sólido rendimiento en diversos lenguajes de programación.

El modelo destaca especialmente en tareas operativas de larga duración. En Vending Bench 2, que simula operaciones comerciales prolongadas y exige un rendimiento autónomo sostenido, GLM-5 alcanzó un saldo final de 4.432 dólares y ocupó el primer lugar entre todos los modelos de código abierto evaluados. En BrowseComp, una prueba de referencia para la recuperación y síntesis de información, obtuvo 75,9 puntos, con lo que también lideró la categoría de código abierto. El modelo alcanzó además 50,4 puntos en Humanity's Last Exam con herramientas habilitadas y 89,7 en Tau Squared Bench, lo que indica sólidas capacidades de razonamiento lógico en varios pasos. En Terminal-Bench 2.0, obtuvo un 56,2 %, cifra que subió al 60,7 % en la versión verificada.

Las evaluaciones internas de ingeniería en CC-Bench-V2 muestran que GLM-5 alcanza una tasa de éxito del 98 % en la creación de interfaces web y una precisión del 74,8 % de principio a fin, frente al 93 % y el 75,7 %, respectivamente, de Claude Opus 4.5. El modelo también obtuvo un 65,6 % en tareas de larga duración con grandes repositorios. Estos resultados sugieren que el sistema tiene una capacidad especial para gestionar flujos de trabajo complejos de desarrollo integral y proyectos con múltiples archivos.

Lukas Petersson, cofundador de Andon Labs, una empresa emergente dedicada a desarrollar un protocolo de IA autónoma con énfasis en la seguridad, realizó una evaluación independiente de los registros de GLM-5 mediante la prueba Vending Bench 2. Observó que el modelo alcanza sus objetivos mediante una ejecución táctica agresiva, aunque advirtió que su conocimiento de la situación es limitado en comparación con las principales alternativas occidentales.

Después de horas leyendo los registros de GLM-5: es un modelo increíblemente eficaz, pero mucho menos consciente de la situación. Alcanza sus objetivos mediante tácticas agresivas, pero no razona sobre su situación ni aprovecha la experiencia. Esto da miedo. Así es como se crea un maximizador de clips.

Zhipu AI también destacó una tasa récord de alucinaciones baja: el modelo obtuvo menos uno en la versión 4.0 del índice Omniscience de Artificial Analysis, una mejora de 35 puntos respecto de la generación anterior. Esta métrica indica que el modelo ha mejorado su capacidad para reconocer los límites de su conocimiento y abstenerse de inventar información cuando tiene dudas, una característica fundamental para su uso en empresas, donde la precisión es primordial.

Innovación en el entrenamiento y soberanía tecnológica

Más allá de las métricas de rendimiento, el proceso de desarrollo de GLM-5 marca un hito para la soberanía tecnológica. El modelo se entrenó íntegramente con chips Ascend 910 de Huawei, sin depender del hardware de NVIDIA, actualmente sujeto a los controles de exportación de Estados Unidos dirigidos al sector de la computación avanzada de China. Esto coincide con el impulso más amplio de China hacia la autosuficiencia en semiconductores, con el objetivo de lograr una independencia sustancial en chips para centros de datos de aquí a 2027. Para la industria mundial de IA, esto demuestra que la diversidad de hardware para el entrenamiento de IA no solo es posible, sino que ya se está logrando a escala de frontera.

Para solucionar las ineficiencias del entrenamiento a esta escala, Zhipu AI desarrolló internamente una nueva infraestructura de aprendizaje por refuerzo, cuyo nombre en clave es slime. Los métodos tradicionales de aprendizaje por refuerzo suelen sufrir cuellos de botella en la generación, que consumen más del 90 % del tiempo de entrenamiento. El marco de trabajo slime supera estas limitaciones al permitir que las trayectorias se generen de forma independiente, lo que facilita las iteraciones precisas necesarias para comportamientos agénticos complejos mediante optimizaciones a nivel de sistema, entre ellas Active Partial Rollouts. El marco utiliza un sistema modular de tres componentes: un módulo de entrenamiento de alto rendimiento basado en Megatron-LM; un módulo de ejecución que utiliza SGLang y enrutadores personalizados para generar datos a gran velocidad; y un búfer de datos centralizado que gestiona la inicialización de instrucciones y el almacenamiento de las ejecuciones.

La empresa también ha optimizado GLM-5 para su despliegue en un amplio ecosistema de plataformas chinas de semiconductores, además de Huawei. Entre ellas hay chips de Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame y Hygon. Mediante la optimización de kernels y la cuantización del modelo, el sistema alcanza un rendimiento adecuado en estas plataformas alternativas. Esto indica que está madurando una infraestructura nacional de computación para IA que respalda el objetivo estratégico de China de construir sistemas sólidos con soporte local. Esta compatibilidad reduce la dependencia de un solo proveedor de hardware y demuestra la viabilidad de aceleradores de IA alternativos.

Ingeniería agéntica y generación de documentos

Zhipu AI presenta GLM-5 como una herramienta de ingeniería agéntica, no como una simple IA conversacional, lo que refleja la evolución de la industria desde lo que la empresa denomina programación intuitiva hacia una ingeniería de sistemas integral. El sistema incluye un modo agéntico nativo capaz de desglosar objetivos de alto nivel en subtareas concretas, coordinar herramientas y ejecutar flujos de trabajo de forma autónoma para producir resultados listos para usar. Este enfoque, que prioriza la entrega de resultados, va más allá de la conversación y permite a los usuarios definir criterios de calidad mientras la IA se encarga de los detalles de implementación.

Una capacidad distintiva es la generación directa de documentos profesionales de oficina. El modelo puede transformar instrucciones o datos sin procesar en documentos de Microsoft Word, archivos PDF y hojas de cálculo de Excel con formato, sin necesidad de darles formato manualmente ni de procesarlos en pasos intermedios. Entre sus aplicaciones están la generación automática de informes financieros y propuestas de patrocinio, así como visualizaciones complejas de análisis de datos, incluidos gráficos y tablas que se pueden exportar en formatos estándar. Los usuarios pueden cargar datos y recibir análisis instantáneos con resultados exportables en formatos xlsx, csv o png.

Para los desarrolladores de software, Zhipu AI ofrece GLM Coding Plan, un servicio de suscripción que se integra con más de veinte entornos de desarrollo populares, entre ellos Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush y Goose. El plan ofrece distintos niveles de acceso: una opción Lite de 10 dólares al mes, con un uso tres veces superior al de Claude Pro; una opción Pro de 30 dólares, con tiempos de respuesta entre un 40 % y un 60 % más rápidos; y una opción Max de 80 dólares, que garantiza el rendimiento en las horas de mayor demanda y ofrece acceso anticipado a nuevas funciones. Todos los planes incluyen las capacidades Vision Understanding, Web Search MCP y Web Reader MCP. La empresa afirma que este modelo de suscripción ofrece decenas de miles de millones de tokens al mes por aproximadamente el 1 % del precio estándar de la API, con velocidades superiores a 55 tokens por segundo para la interacción en tiempo real.

Estrategia comercial y limitaciones de infraestructura

Pese a sus logros técnicos, Zhipu AI enfrenta limitaciones inmediatas de infraestructura que la han obligado a ajustar los precios. La empresa aumentó un 30 % el precio de GLM Coding Plan a partir del 11 de febrero. Según explicó, el fuerte crecimiento del número de usuarios y del uso ha llevado sus recursos computacionales al límite. En un comunicado público, reconoció que la capacidad de computación es muy limitada y señaló que, incluso antes del lanzamiento de GLM-5, todos los chips disponibles funcionaban al máximo para atender la demanda existente de inferencia. Se eliminaron los descuentos para la primera compra, aunque ahora las opciones de facturación trimestral y anual ofrecen ahorros del 10 % y el 30 %, respectivamente.

El despliegue local de GLM-5 requiere aproximadamente 1.490 gigabytes de memoria, cerca del doble de lo que necesita GLM-4.7. Este requisito de hardware supone un obstáculo para las organizaciones pequeñas que quieren ejecutar el modelo en sus propias instalaciones, aunque los pesos abiertos siguen disponibles en HuggingFace y ModelScope para quienes cuenten con recursos suficientes. Para los usuarios de la API en la nube, la presión sobre la infraestructura podría generar incertidumbre sobre los límites de uso o una reducción de los tiempos de respuesta mientras la empresa amplía su capacidad para satisfacer la demanda.

El precio de acceso a la API posiciona a GLM-5 como una alternativa de bajo costo frente a los modelos occidentales propietarios. Los tokens de entrada cuestan aproximadamente un dólar por millón y los de salida, 3,20 dólares por millón. En comparación, Claude Opus 4.6, de Anthropic, cobra cinco dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida, lo que representa una ventaja de costos de entre seis y diez veces, según el patrón de uso. GPT-5.2 cuesta 1,75 dólares por millón de tokens de entrada y 14 dólares por millón de tokens de salida, por lo que sigue siendo considerablemente más caro que GLM-5. Grok 4.1 Fast cuesta 20 centavos por millón de tokens de entrada, una opción más económica, aunque con capacidades diferentes.

Panorama competitivo y momento del sector

El lanzamiento de GLM-5 coincidió con una oleada de anuncios de laboratorios rivales de IA en China, que concentraron la demostración de las capacidades tecnológicas nacionales antes de las vacaciones del Año Nuevo Lunar. DeepSeek actualizó su modelo insignia ese mismo día y amplió diez veces la capacidad de su ventana de contexto, hasta superar el millón de tokens. MiniMax, que salió a bolsa en Hong Kong junto con Zhipu en enero, lanzó su modelo M2.5 con herramientas agénticas mejoradas y sus acciones subieron casi un 50 % durante la semana. También se anunciaron el modelo de generación de video Seedance 2.0, de ByteDance; el sistema multimodal unificado Ming-Flash-Omni 2.0, de Ant Group, capaz de generar voz y música; y el modelo Kimi 2.5, de Moonshot AI, presentado a finales de enero.

El primer ministro chino, Li Qiang, destacó el desarrollo coordinado de los recursos de computación y de la infraestructura energética para respaldar esta aceleración durante un discurso sobre políticas el 11 de febrero. También pidió ampliar y comercializar las aplicaciones de IA y coordinar mejor los recursos, y subrayó los planes para mejorar las condiciones para el talento y las empresas del sector. La coincidencia en las fechas refleja el posicionamiento estratégico del sector de IA en China, donde las empresas coordinan cada vez más los grandes anuncios para maximizar su impacto y demostrar avances colectivos frente al liderazgo tecnológico estadounidense.

Para los inversionistas, el repunte de las empresas emergentes especializadas en IA contrasta con la debilidad de grandes conglomerados tecnológicos como Tencent y Alibaba, cuyas acciones cayeron un 2,6 % y un 2,1 %, respectivamente, durante el mismo período. Esto sugiere que el mercado prefiere las empresas especializadas en inteligencia artificial a los grandes grupos diversificados. Analistas de Jefferies señalaron que los modelos chinos muestran sólidas capacidades de IA agéntica, lo que los posiciona favorablemente para aprovechar la rápida adopción empresarial. El índice Hang Seng Tech de Hong Kong cayó un 1,7 % en total, lo que pone de relieve el carácter selectivo del entusiasmo de los inversionistas.

Lo esencial

• Zhipu AI presentó GLM-5, un modelo de lenguaje de código abierto con 744.000 millones de parámetros, entrenado íntegramente con chips Ascend de Huawei y sin hardware de NVIDIA. El lanzamiento marca un hito en la independencia de China en infraestructura de IA.
• El modelo obtuvo un 77,8 % en la prueba de programación SWE-bench Verified, cerca de Claude Opus 4.5, de Anthropic, y ocupa el primer lugar entre los modelos de código abierto en Vending Bench 2 y BrowseComp.
• GLM-5 utiliza una arquitectura de mezcla de expertos con 256 expertos y DeepSeek Sparse Attention, que le permite procesar ventanas de contexto de 200.000 tokens con eficiencia computacional.
• El sistema registra una tasa de alucinaciones excepcionalmente baja: obtuvo menos uno en el índice Omniscience de Artificial Analysis, una mejora de 35 puntos respecto de la generación anterior.
• Zhipu AI aumentó un 30 % los precios de suscripción de GLM Coding Plan debido a la presión sobre su infraestructura, mientras que sus acciones cotizadas en Hong Kong subieron casi un 30 % tras el anuncio.
• El lanzamiento coincide con importantes actualizaciones de DeepSeek, MiniMax, ByteDance y Ant Group, que intensifican la competencia en el sector de IA de China antes de las vacaciones del Año Nuevo Lunar.