Un momento decisivo para un modelo chino de programación
Zhipu AI, la startup de Pekín detrás de la marca Z.ai, afirma que el uso de pago de sus servicios fuera de China se ha multiplicado por diez en los últimos dos meses. La empresa cuenta ahora con unos 100.000 clientes mensuales de API que pagan por el acceso y alrededor de 3 millones de usuarios gratuitos de su chatbot en el extranjero. Este impulso llegó después del lanzamiento, a finales de septiembre, de GLM 4.6, un modelo orientado a la programación, el razonamiento y los flujos de trabajo con agentes. Su lanzamiento incorporó de inmediato a Zhipu a las herramientas que muchos desarrolladores usan a diario, gracias a su precio atractivo, sus opciones sencillas de integración y su rendimiento práctico en tareas reales de programación.
Contenido
- Un momento decisivo para un modelo chino de programación
- Qué hace atractivo GLM 4.6 para los desarrolladores
- La estrategia de precios y la tesis de que basta con que sea «suficientemente bueno»
- Integración en herramientas globales y un nuevo debate sobre el origen de los modelos
- El enfoque internacional y las limitaciones en China
- El rendimiento de GLM 4.6 más allá de las clasificaciones
- Qué significan la ventana de contexto y los tokens
- Riesgos, regulación y acceso
- Un mercado saturado de asistentes de programación
- La perspectiva de la dirección sobre los próximos pasos
- Lo que hay que saber
Li Zixuan, responsable de las operaciones globales de Zhipu, presentó el auge como una señal de hacia dónde se dirige el mercado y de dónde planea invertir la empresa a continuación. Dijo que la demanda internacional crece ahora más rápido que la adopción en China y que el equipo quiere seguir desarrollando su actividad en distintas regiones, en lugar de dar prioridad a una sola zona geográfica.
Tras describir el cambio, Li resumió la estrategia en términos sencillos.
"Queremos crecer en todos los mercados porque el crecimiento en el extranjero supera al crecimiento nacional", dijo Li Zixuan, responsable de las operaciones globales de Zhipu AI.
GLM 4.6 se presentó como un potente modelo abierto para la programación. Se integró rápidamente en herramientas para desarrolladores que muchos programadores ya utilizan. Claude Code, respaldado por Anthropic, añadió acceso a GLM 4.6. Después lo hicieron otros agentes de programación, como Cline, Roo Code y Kilo Code. Kilo Code afirmó que el modelo propició la adopción más rápida que había registrado la plataforma: el uso de tokens se multiplicó por 94 en 12 días porque el modelo era una opción de bajo costo y «suficientemente buena» frente a los principales sistemas estadounidenses. Esa combinación de capacidad práctica y buen precio ayudó a Zhipu a abrirse paso entre desarrolladores particulares y equipos pequeños fuera de China.
Qué hace atractivo GLM 4.6 para los desarrolladores
GLM 4.6 amplía la ventana de contexto a 200.000 tokens, lo que significa que puede leer y procesar más material de una sola vez, como grandes bases de código o documentos técnicos extensos. El modelo también mejora la calidad de la programación, el razonamiento y el uso de herramientas. En las evaluaciones internas de la empresa sobre agentes, razonamiento y código, GLM 4.6 muestra avances claros frente a GLM 4.5. Se integra mejor con los marcos de agentes, gestiona las llamadas a herramientas durante la inferencia y genera páginas de interfaz más pulidas que la versión anterior.
En pruebas internas y públicas, GLM 4.6 compite con muchos modelos de uso extendido. Se acerca al nivel de Claude Sonnet 4 en comparaciones directas en las tareas con agentes de CC Bench, con una tasa de victoria del 48,6%, y utiliza menos tokens que GLM 4.5 para completar los mismos trabajos. Zhipu también reconoce que GLM 4.6 aún está por detrás de Claude Sonnet 4.5 en algunas pruebas de programación. Ese equilibrio coincide con los comentarios de los desarrolladores, que suelen centrarse en si un sistema es lo bastante fiable para el trabajo diario, aunque no sea el mejor modelo en todas las clasificaciones.
Los desarrolladores pueden acceder a GLM 4.6 a través de la API de Z.ai, de centros de enrutamiento como OpenRouter o ejecutando localmente los pesos abiertos. Zhipu ha publicado los pesos del modelo en plataformas como Hugging Face y ModelScope y es compatible con entornos de inferencia habituales, como vLLM y SGLang, lo que lo hace atractivo para equipos de ingeniería que quieren controlar el despliegue. El blog técnico de la empresa detalla los cambios y explica los ajustes recomendados para tareas de programación y tareas asistidas por herramientas. Para consultar notas técnicas más detalladas, Zhipu mantiene una página del modelo y documentación sobre GLM 4.6 en sus canales oficiales, incluido el blog en z.ai.
La estrategia de precios y la tesis de que basta con que sea «suficientemente bueno»
El costo es una de las razones principales por las que GLM 4.6 está ganando terreno. Zhipu promociona un plan de programación que, según afirma, ofrece un rendimiento al nivel de Claude por una fracción del precio. La empresa anuncia un costo de aproximadamente una séptima parte y una cuota de uso mayor para sus suscriptores, en comparación con un nivel equivalente de un servicio estadounidense de primer nivel. El valor exacto depende del uso y de la región, pero el mensaje está claro. Muchos desarrolladores quieren un asistente fiable que se ajuste a un presupuesto limitado y prefieren poner código en producción en lugar de perseguir pequeñas mejoras en pruebas poco conocidas.
Para programadores autónomos, estudiantes y startups, una herramienta «suficientemente buena» y de bajo costo puede marcar la diferencia entre adoptar la IA como ayuda cotidiana o dejar de usarla tras un periodo de prueba. GLM 4.6 ha demostrado ser eficaz en tareas habituales a las que se enfrentan muchos programadores a diario, como depurar, escribir funciones de backend, conectar integraciones y dar estilo a componentes de interfaz. Las reseñas de la comunidad de desarrolladores han destacado que el modelo es rentable y que, incluso cuando requiere correcciones ocasionales, su velocidad y precio lo convierten en una opción práctica para el trabajo rutinario.
Zhipu también señala que el modelo completa tareas con menos tokens que su predecesor. Este detalle importa a quienes pagan por token, porque una factura menor para el mismo trabajo reduce el costo total de propiedad. La empresa ha acompañado esa afirmación de eficiencia con una vía sencilla de actualización. Los suscriptores de su plan de programación pasan automáticamente a GLM 4.6 y, para cambiar la configuración de la aplicación, basta con seleccionar el nombre del nuevo modelo.
Integración en herramientas globales y un nuevo debate sobre el origen de los modelos
Una de las razones por las que GLM 4.6 se extendió rápidamente es que se integra con herramientas en las que los desarrolladores ya confían. Claude Code, Cline, Roo Code y Kilo Code son compatibles con el modelo. En la práctica, esto permite a un programador cambiar de proveedor dentro del mismo agente de programación, comparar resultados para un problema y elegir el modelo que mejor equilibre velocidad, calidad y costo. Esa facilidad de integración ayudó a Zhipu a aprovechar el crecimiento de los asistentes de programación con agentes, que gestionan tareas de varios pasos mediante el uso de herramientas, búsquedas en la web y operaciones en repositorios.
El impulso también ha reavivado el debate sobre el origen de algunas nuevas herramientas estadounidenses de programación. Dos servicios de gran repercusión lanzados en las últimas semanas, entre ellos un nuevo modelo de Cognition AI llamado SWE 1.5 y una herramienta Composer de Cursor, fueron objeto de escrutinio de usuarios que observaron indicios de comportamiento de modelos chinos en ambos sistemas. Una herramienta generó registros de razonamiento en chino y otra reconoció que se había creado sobre la base de un modelo abierto de primer nivel, sin identificarlo.
Zhipu abordó el tema públicamente. En un comunicado, la empresa dijo que creía que una de las herramientas utilizaba su modelo más reciente como base.
"Creemos que SWE 1.5 utilizó nuestro modelo más reciente, GLM 4.6, como base", dijo Zhipu AI en un comunicado en respuesta a preguntas sobre el origen de los modelos.
El debate gira menos en torno a la ley que a las normas del sector. Las licencias abiertas permiten la reutilización comercial, incluso sin atribución, por lo que los sistemas de primer nivel con pesos abiertos suelen convertirse en la base de muchos productos derivados. Algunos expertos subrayan que el valor diferencial de una herramienta comercial puede proceder del ajuste fino, los procesos de datos y la ingeniería de sistemas que se añaden sobre un modelo base.
Florian Brand, investigador de la Universidad de Tréveris que estudia los modelos abiertos, resumió esa perspectiva.
"El ajuste fino es la salsa", dijo Florian Brand, en referencia al entrenamiento personalizado y la ingeniería que convierten un modelo base en un producto pulido.
El enfoque internacional y las limitaciones en China
El auge en el extranjero refleja tanto factores de atracción como de presión. La demanda internacional de IA de programación asequible es fuerte, y Zhipu la satisface con un modelo fácil de integrar y de bajo costo de ejecución. En China, la empresa se enfrenta a un ciclo más lento de contratación del sector público y a una mayor competencia. La dirección ha dicho que el crecimiento internacional supera ahora la expansión en China, razón por la que Zhipu invierte en mercados donde los desarrolladores ya pagan por herramientas de IA.
Los inversores han tomado nota. La empresa está valorada en unos 40.000 millones de yuanes y se prepara para una salida a bolsa prevista para 2026. Zhipu se fundó en 2019 como una empresa derivada de la Universidad de Tsinghua y se ha convertido en una de las firmas de IA más destacadas de China. Aunque todavía no busca crear un negocio de suscripción para consumidores masivos que compita con las plataformas estadounidenses, apuesta por acuerdos empresariales y una suscripción de programación dirigida a desarrolladores para generar ingresos más previsibles.
La geopolítica sigue influyendo en las decisiones de los compradores. Zhipu afirma que los clientes de terceros países se sienten cómodos usando sus servicios cuando los datos pueden alojarse localmente o cuando la empresa se compromete a no retenerlos. Esa combinación de alojamiento local y políticas estrictas de retención se está convirtiendo en una forma habitual de abordar las preocupaciones sobre privacidad a través de las fronteras.
El rendimiento de GLM 4.6 más allá de las clasificaciones
Las pruebas de rendimiento ayudan a evaluar las capacidades, pero a los desarrolladores les importa si un modelo puede completar tareas reales. Zhipu amplió sus evaluaciones de CC Bench para incluir trabajos más difíciles y de varios pasos en desarrollo de interfaces, creación de herramientas, análisis de datos, pruebas y problemas algorítmicos. En esas pruebas, evaluadores humanos trabajaron con modelos en entornos aislados y puntuaron su capacidad para gestionar flujos de trabajo realistas y de varios turnos. GLM 4.6 mejoró frente a GLM 4.5 y se acercó al nivel de Claude Sonnet 4 en esas tareas con agentes. También completó trabajos con aproximadamente un 15% menos de tokens que GLM 4.5, lo que apunta a una mayor eficiencia en la práctica.
Los desarrolladores afirman que GLM 4.6 funciona mejor con repositorios que contienen varios archivos y puede planificar secuencias más largas al crear funciones. El modelo comete menos errores de contexto en proyectos grandes porque puede leer más archivos a la vez. También genera componentes de interfaz más limpios y páginas completas que requieren menos modificaciones, aunque los estilos complejos y los casos límite siguen beneficiándose de la revisión humana. Son mejoras relevantes para el ritmo de trabajo diario de los equipos de software.
Qué significan la ventana de contexto y los tokens
Un token es una pequeña unidad de texto que un modelo utiliza para leer y escribir. Puede entenderse como un fragmento de palabra. El precio de las API suele depender de la cantidad de tokens que consume un modelo. Por eso importa la eficiencia. Si un modelo puede completar una tarea con menos tokens, baja la factura y la interacción suele parecer más rápida.
La ventana de contexto es la cantidad de texto que un modelo puede tener en cuenta a la vez. Una ventana más amplia permite al modelo leer más archivos e instrucciones antes de empezar a trabajar. Con un contexto de 200.000 tokens, GLM 4.6 puede procesar de una vez largas cadenas de funciones, archivos de configuración y conjuntos de pruebas, algo esencial para el trabajo de programación real. Esto no elimina la necesidad de redactar instrucciones cuidadosas ni de elegir bien las herramientas, pero reduce los intercambios que ralentizan a los desarrolladores en proyectos grandes.
Riesgos, regulación y acceso
Las empresas chinas de IA operan bajo controles a la exportación, restricciones en la cadena de suministro y supervisión regulatoria en múltiples jurisdicciones. Ese entorno influye en los planes de entrenamiento y despliegue. Los modelos de pesos abiertos, como GLM 4.6, pueden ayudar al dar a los clientes más control sobre dónde y cómo se ejecuta el sistema, ya sea en sus propias instalaciones o en la región de nube que prefieran. Incluso con esas opciones, los compradores siguen evaluando el soporte a largo plazo, los compromisos sobre el nivel de servicio y las funciones de cumplimiento normativo antes de elegir un proveedor.
El tratamiento de datos es una de las principales preocupaciones. La oferta de Zhipu para los clientes internacionales incluye alojamiento local de datos y opciones para no retenerlos. La idea es mantener el código y los documentos confidenciales dentro de la región elegida por el cliente y, al mismo tiempo, aprovechar un asistente de programación de alta calidad. Para muchos equipos, esa configuración es un compromiso razonable entre rendimiento, privacidad y costo.
Un mercado saturado de asistentes de programación
El mercado de los asistentes de programación está ahora repleto de servicios consolidados y nuevos competidores. GitHub Copilot popularizó la categoría. Los modelos de OpenAI y Anthropic impulsan herramientas prémium con sólidas capacidades de razonamiento y gestión del contexto. Las empresas chinas han avanzado rápidamente con sistemas como DeepSeek y Qwen, mientras que startups de muchas regiones crean asistentes de programación con agentes integrados en entornos de desarrollo, que coordinan búsquedas, análisis, cambios de código y pruebas en un mismo ciclo.
En ese panorama, Zhipu apuesta por tres factores diferenciales. Primero, el precio. La empresa presenta GLM 4.6 como una herramienta práctica que ofrece un buen rendimiento a menor costo. Segundo, la apertura. El acceso a los pesos del modelo y la compatibilidad con marcos de inferencia habituales lo hacen atractivo para equipos que quieren personalizarlo o alojarlo por su cuenta. Tercero, la integración. Al adaptarse sin problemas a agentes de programación populares y ofrecer opciones sencillas de API, Zhipu reduce el esfuerzo necesario para probar y adoptar su modelo. Ninguno de esos factores garantiza el liderazgo. Sí ofrecen una vía creíble hacia un crecimiento sostenido entre los desarrolladores que valoran la fiabilidad, el control y una factura razonable al final del mes.
La perspectiva de la dirección sobre los próximos pasos
El director ejecutivo de Zhipu, Zhang Peng, ha hablado públicamente sobre el ritmo de los avances en IA avanzada. Sostiene que los debates sobre la superinteligencia artificial tienden a difuminar detalles importantes y que cualquier calendario debe considerarse cambiante. Para los clientes, lo importante es si los modelos pueden superar a los seres humanos en tareas concretas que les interesan y si esas mejoras se traducen en un aumento real de la productividad.
En un reciente acto de presentación, Zhang explicó cómo ve los próximos años.
"Alcanzar o superar la inteligencia humana para 2030 podría significar aventajar a los seres humanos en ciertos ámbitos y seguir estando por detrás en muchos otros", dijo Zhang Peng, director ejecutivo de Zhipu AI.
Ese enfoque pragmático se refleja en las decisiones de producto de la empresa. Zhipu no compite por ganar todas las suscripciones para consumidores. Se centra en las empresas y en un plan de programación para desarrolladores, mientras mantiene una opción gratuita y accesible de chatbot que ayuda a incorporar nuevos usuarios. El objetivo a corto plazo no es definir el límite de la inteligencia, sino ofrecer un modelo que ayude a las personas a publicar nuevas funciones, corregir errores y trabajar más rápido, manteniendo los costos bajo control.
Lo que hay que saber
- Zhipu AI afirma que el número de usuarios de pago en el extranjero se multiplicó por diez en dos meses, hasta llegar a unos 100.000 clientes mensuales de API, y que cuenta con 3 millones de usuarios gratuitos de chatbot fuera de China.
- El aumento se produjo tras el lanzamiento de GLM 4.6, un modelo de programación y razonamiento que se integró rápidamente en herramientas como Claude Code, Cline, Roo Code y Kilo Code.
- Kilo Code informó de la adopción más rápida que ha registrado, con un uso de tokens de GLM 4.6 que se multiplicó por 94 en 12 días gracias a su menor costo.
- GLM 4.6 amplía la ventana de contexto a 200.000 tokens, mejora el uso de herramientas y el rendimiento de los agentes, y completa tareas con aproximadamente un 15% menos de tokens que GLM 4.5.
- El modelo se acerca al nivel de Claude Sonnet 4 en las tareas con agentes de CC Bench, aunque sigue por detrás de Claude Sonnet 4.5 en algunas pruebas de programación.
- Los pesos abiertos están disponibles para el despliegue local y el modelo es compatible con entornos de inferencia como vLLM y SGLang.
- Zhipu destaca su estrategia de precios bajos y promociona un plan de programación que, según afirma, ofrece un rendimiento al nivel de Claude por una fracción del costo.
- La empresa está valorada en unos 40.000 millones de yuanes y se prepara para una posible salida a bolsa en 2026, mientras centra sus esfuerzos en el crecimiento internacional entre empresas y desarrolladores.
