Z.ai confirma que creó Ox Alpha, revelado como GLM-5.3-Flash

Un modelo misterioso llamado Ox Alpha apareció sin previo aviso a finales de agosto en OpenRouter y OpenCode, escalando en las clasificaciones y los benchmarks frente a los mejores modelos disponibles sin que ningún laboratorio lo reclamara. En los días siguientes, ese silencio alimentó uno de los mayores juegos de adivinanzas de la industria de la IA: nuestra cobertura anterior de ese lanzamiento sigiloso recogía cinco teorías rivales sobre su creador —la familia GLM de Z.ai, Microsoft, Google, Cursor y ByteDance—, basadas sobre todo en la huella del tokenizador, ya que ninguno de los laboratorios mencionados quiso confirmar ni desmentir nada. Las pruebas de tokenizador apuntaban de forma más consistente a Z.ai, cuyos modelos GLM coincidían en once pruebas distintas, mientras que ningún otro laboratorio superaba las cuatro coincidencias; pero la magnitud del uso gratuito que absorbía Ox Alpha sembraba dudas incluso sobre esa teoría, la más sólida hasta entonces.

Ese misterio ya está resuelto. Según una información de Bloomberg citada por TechCrunch, Z.ai confirmó que Ox Alpha es la última iteración de su serie GLM. La empresa anunció que publicará los pesos de Ox Alpha el miércoles, tras lo cual los desarrolladores externos podrán construir directamente sobre él. Z.ai describe el modelo como orientado a la programación, el trabajo agéntico prolongado y las cargas de producción, pensado para tareas de ingeniería de software de largo alcance y flujos que combinan texto e imagen.

Detrás de la máscara: GLM-5.3-Flash

Bajo su nombre oficial, Ox Alpha es GLM-5.3-Flash, el primer modelo nativamente multimodal de la serie GLM-5, según el medio alemán the-decoder.de. El modelo cuenta con 320.000 millones de parámetros en total, de los que solo 18.000 millones están activos para cualquier tarea concreta, un diseño de mezcla de expertos pensado para reducir el coste de inferencia. Se publica bajo licencia MIT, con sus pesos disponibles en Hugging Face, y admite una ventana de contexto de un millón de tokens.

En el Intelligence Index de Artificial Analysis, GLM-5.3-Flash obtiene 57 puntos con el máximo esfuerzo de razonamiento, solo tres puntos por debajo de los 60 del mayor GLM-5.3, y prácticamente al nivel de GPT-5.6 Terra y Muse Spark 1.2. La diferencia que realmente importa es el precio: Artificial Analysis cifra el coste por tarea de su índice en 0,09 dólares, frente a 0,68 dólares de GLM-5.3, unas 7,5 veces más barato, lo que sitúa al modelo, según la firma, en la frontera de Pareto entre inteligencia y coste. A través de la propia API de Z.ai, GLM-5.3-Flash cuesta 0,15 dólares por millón de tokens de entrada y 0,50 dólares por millón de salida, aproximadamente una décima parte del precio de GLM-5.3. En el benchmark agéntico GDPval-AA v2 obtiene un Elo de unos 1770 puntos, empatado con GLM-5.3 y Grok 4.6, y solo por detrás de Claude Opus 5. La contrapartida está en la eficiencia: según Artificial Analysis, cerca del 90 % de los tokens de salida del modelo se destinan al razonamiento y no a la respuesta final, lo que puede hacer las respuestas más lentas pese al menor precio por token.

• 320.000 millones de parámetros totales, 18.000 millones activos por tarea (mezcla de expertos)
• Intelligence Index: 57 puntos frente a 60 de GLM-5.3, con un coste por tarea unas 7,5 veces menor (0,09 $ frente a 0,68 $)
• Precio de API: 0,15 $ por millón de tokens de entrada, 0,50 $ de salida — cerca de una décima parte del precio de GLM-5.3
• Puntuación agéntica GDPval-AA v2: Elo ≈ 1770, solo por detrás de Claude Opus 5
• 100 billones de tokens servidos al día, según Z.ai, íntegramente sobre chips chinos

Poner a prueba el 'foso de CUDA' de Nvidia

La afirmación más llamativa no es sobre el modelo, sino sobre la infraestructura. Antes de su lanzamiento con nombre propio, Z.ai probó GLM-5.3-Flash de forma anónima como 'ox-alpha' en OpenCode y OpenRouter, donde se convirtió en el modelo más usado de la semana. Según Z.ai, todo ese tráfico funcionó sobre chips de IA chinos en lugar de hardware de Nvidia. SemiAnalysis informó de que ese sistema entregó 100 billones de tokens al día, una escala que hasta ahora se consideraba alcanzable solo por los laboratorios de vanguardia, y señaló que Z.ai reivindica una eficiencia de hardware y un coste por token comparables a los de las GPU de Nvidia habituales. SemiAnalysis interpreta el resultado como una nueva prueba del llamado 'foso de CUDA' de Nvidia: la capa de software propietaria, construida a lo largo de casi dos décadas, que se sitúa entre los frameworks de IA y los chips de Nvidia y a la que está ajustado prácticamente todo el software de IA. Cambiar a un chip distinto exige normalmente reprogramar las operaciones de cómputo y el acceso a memoria desde cero, un trabajo que históricamente ha dejado a los rivales de Nvidia con chips rápidos sobre el papel pero mal aprovechados en la práctica. Z.ai afirma haber sorteado ese obstáculo construyendo su propio software de servicio sobre el framework de código abierto SGLang, dividiendo la inferencia en etapas escalables de forma independiente; el equipo asegura haber triplicado así el rendimiento en el mismo hardware respecto a su primer intento, con la ayuda de un agente basado en GLM-5.3 para ese trabajo de optimización.

Este tipo de lanzamiento anónimo o 'sigiloso' se ha convertido en una táctica habitual, sobre todo entre los laboratorios chinos: publicar un modelo sin nombre asociado permite que se le juzgue solo por sus resultados en las clasificaciones y su uso real por parte de los desarrolladores, libre de los prejuicios —favorables o no— que acompañan a una marca conocida, antes de que el laboratorio se comprometa con un lanzamiento formal. También sirve para probar a escala de producción una infraestructura completamente nueva —en este caso, una cadena de servicio sin Nvidia— antes de vincularle el nombre de la empresa.

Esta reivindicación de independencia frente a Nvidia llega en el contexto de años de restricciones estadounidenses a la exportación, que han limitado el acceso de los laboratorios chinos a los chips de IA más avanzados de Nvidia y los han empujado hacia alternativas nacionales y software a medida para hacerlas competitivas. Si las cifras de eficiencia de Z.ai resisten un escrutinio independiente, debilitan la idea de que el ecosistema de software CUDA basta por sí solo para garantizar a Nvidia una ventaja duradera frente a laboratorios que construyen en torno a las restricciones a la exportación en lugar de a través de ellas, con consecuencias reales sobre el poder de fijación de precios que Nvidia puede conservar en un mercado que domina desde hace años.

Para las empresas de habla hispana que estudian derivar cargas de producción hacia un modelo chino más barato en lugar de uno occidental de vanguardia, GLM-5.3-Flash aporta un dato concreto: un rendimiento cercano al de un modelo insignia de tamaño completo, por aproximadamente una décima parte del precio de la API, bajo una licencia que permite el autoalojamiento. Las contrapartidas también son reales: un consumo de tokens de razonamiento más alto que puede ralentizar las respuestas, un laboratorio con sede en China con sus propias cuestiones de tratamiento de datos y cumplimiento de las restricciones a la exportación, y unas características que, como el propio lanzamiento sigiloso de Ox Alpha, permanecieron sin verificación independiente hasta que Z.ai decidió revelarlas. Sopesar el ahorro de costes frente a esas cuestiones de gobernanza de datos, y no solo frente a las puntuaciones de los benchmarks, es probable que se convierta en un paso habitual de la evaluación de proveedores a medida que lleguen más lanzamientos económicos y de alto rendimiento desde laboratorios chinos.