GLM-5.3 y GLM-5.3-Flash: benchmarks, capacidades cyber, Ox Alpha, open weights y comparación con Kimi K3, Hy4, Claude y GPT-5.6 Sol

A finales de agosto de 2026 Z.ai presentó dos modelos muy distintos de la misma generación.

GLM-5.3 es el gran modelo text-only con reasoning orientado a ingeniería de larga duración, coding agents y capacidades de ciberseguridad en fuerte crecimiento. Z.ai lo anunció el 14 de agosto y los pesos públicos aparecieron en Hugging Face el 28 de agosto después del periodo de safety evaluation y hardening anunciado por la compañía.^[1][17]

GLM-5.3-Flash llegó como modelo mucho más barato, nativamente multimodal y entrenado desde una nueva base. Tiene 320B parámetros totales, 18B activos por token, contexto de 1M, entrada text/image/video/file y pesos públicos con licencia MIT.^[6][8][11]

Antes del lanzamiento Flash se probó de forma anónima como:

Ox Alpha

en OpenCode y OpenRouter. Z.ai afirma que se convirtió rápidamente en el modelo más popular de la semana y que el tráfico se sirvió sobre aceleradores AI chinos; esa popularidad es una afirmación del fabricante.^[6][7][19]

GLM-5.3 y Flash no son simplemente una versión grande y pequeña del mismo modelo.

GLM-5.3:

~753B total según metadata HF/AA actual
~40B activos
text-only
contexto 1M
128K max output
reasoning siempre activo
licencia GLM-5.3 personalizada

Flash:

320B total
18B activos
multimodal nativo
contexto 1M
128K max output
sparse + linear attention
MIT

^{[2][6][10][11]}

Los benchmarks de lanzamiento son sobre todo Z.ai-reported. En agentes, harness, herramientas, contexto, timeout y presupuesto de inference pueden cambiar mucho el resultado.

Estado de la información: 31 de agosto de 2026.

TL;DR

¿Qué ocurrió en agosto?

Z.ai anunció GLM-5.3 el 14 de agosto.^[1]

La novedad es que mantiene el mismo base model que GLM-5.2. Según Z.ai, toda la mejora procede del post-training.^[1][15]

La API estuvo disponible primero y los pesos llegaron después de una evaluación de seguridad adicional. Hugging Face marcó el 28 de agosto y actualmente los pesos están disponibles.^[17][5]

Flash usa, en cambio, nueva base, nueva arquitectura y multimodalidad nativa.^[6][8]

GLM-5.3 no es simplemente un Flash grande

GLM-5.3 prioriza máxima calidad en coding, long-horizon agents, terminal y cyber reasoning.

Flash prioriza coste, multimodalidad, inference efficiency, visual coding, workflows office y contexto largo.

Z.ai afirma que Flash fue entrenado desde una nueva base y no es una simple distillation del flagship.^[6][8]

¿Cuántos parámetros tiene GLM-5.3?

La arquitectura original GLM-5 se presentó como:

744B total
40B active

^[16]

Metadata actual de Hugging Face y Artificial Analysis:

753B total
40B active

^[5][10]

Como GLM-5.3 comparte base con GLM-5.2, tratamos 744B vs 753B como diferencia de conteo/implementación y usamos 753B/40B para deployments actuales.^[1][15]

Flash: 320B total, 18B activos

Z.ai especifica:

320B total
18B active
45 layers

^[6][8]

GLM-4.5, en la comparación de Z.ai, tenía 355B total, 32B active y 92 layers.^[6]

1M context y 128K output

Docs oficiales:

Context Length: 1M
Maximum Output: 128K

para ambos.^[2][6]

Útil para grandes repos, sesiones largas y análisis multi-file.

Pero 1M context no es 1M memoria perfecta. Hay que validar retrieval e instruction retention.

Text-only frente a multimodal

GLM-5.3:

Input: Text
Output: Text

^[2]

Flash:

Input: Text, Image, Video, File
Output: Text

^[6]

Flash es mucho más adecuado para screenshots, GUI, documentos, PDF, slides y visual coding. Artificial Analysis estandariza actualmente text+image en su perfil independiente.^[11]

Sparse + linear attention

Flash combina sparse attention y linear attention.^[6][8]

Linear attention trabaja relaciones más locales con state modeling; sparse attention recupera información global mediante indexer.

El objetivo es reducir coste en contextos largos.

IndexPool

Flash introduce:

IndexPool

^[6]

Comprime cuatro key vectors cacheados en uno.

Z.ai reporta frente a GLM-5.3:

3.01× menos attention compute
4.44× menos KV cache

^[6]

Son cifras del fabricante.

mHC

También usa:

Manifold-Constrained Hyper-Connections

^[6][8]

La técnica pretende mejorar flujo de información y scaling efficiency. El objetivo práctico es conservar mucha capacidad con solo 18B parámetros activos.

30T tokens multimodales

Z.ai dice que Flash usa:

30T-token multimodal corpus

^[6][8]

GLM-5.3 mantiene la base de GLM-5.2; Flash incorpora nuevo pre-training.

Ox Alpha era Flash

Antes del nombre oficial:

ox-alpha

se probó en OpenCode y OpenRouter.^[6][19]

Z.ai confirma que era GLM-5.3-Flash. La afirmación de que fue el modelo más popular de la semana sigue siendo vendor claim.^[7]

¿Por qué importa el stealth test?

El anonimato reduce parte del sesgo de marca.

Pero uso y popularidad también dependen de precio, promoción, routing, disponibilidad e interfaz. Por eso es señal de interés real, no una evaluación científica.

El salto viene del post-training

Z.ai conserva la misma base que GLM-5.2.^[1][15]

Escaló:

• environments,
• task diversity,
• post-training compute,
• long-horizon tasks,
• verifiers,
• reinforcement learning,
• generación automática de entornos.

El framework open-source slime conecta training, rollout y data generation.^[1]

¿Qué significa +50% coding?

Z.ai anuncia:

+50% vs GLM-5.2

^[1][2]

Se refiere al benchmark privado Z.ai Code Bench.

Max effort:

GLM-5.3: 34.5% / ~75K output tokens
GLM-5.2: 23.4% / ~96K output tokens

^[1]

No significa 50% mejor en toda programación.

Benchmarks públicos GLM-5.3

Tabla Z.ai:^[3]

Todo es Z.ai-reported.

Terminal-Bench 3.0

GLM-5.2: 4.6
GLM-5.3: 28.3

^[1][3]

Es un salto enorme, pero no “6× más inteligente”.

Z.ai usa un harness con Claude Code 2.1.207, max effort, gran contexto, hasta 600 agent turns y timeout amplio.^[3]

DeepSWE

GLM-5.2: 46.2
GLM-5.3: 66.9
Kimi K3: 67.5
GPT-5.6 Sol: 72.7

^[3]

GLM mejora mucho, pero no lidera esta tabla.

Terminal-Bench 2.1

GLM-5.3: 88.2
Kimi K3: 88.3
GPT-5.6 Sol: 88.8
Fable 5: 88.0

^[3]

Las diferencias son demasiado pequeñas para titulares absolutos.

Agents' Last Exam

GLM-5.3: 28.5
GPT-5.6 Sol: 28.6
Kimi K3: 27.6

^[3]

Otra situación prácticamente empatada.

CyberGym: 84.5%

Z.ai reporta:

GLM-5.3: 84.5%
GPT-5.6 Sol: 83.6%
Fable 5: 83.8%
Kimi K3: 80.0%
GLM-5.2: 77.2%

^[1][3]

CyberGym parte de source code white-box y valida vulnerabilidades provocando faults. No equivale a medir ataques sobre sistemas reales arbitrarios.

ExploitBench: frontera clara

GLM-5.3: 54.4%
GLM-5.2: 24.4%
Kimi K3: 32.2%
Opus 4.8: 40.0%
Fable 5: 78.0%
GPT-5.6 Sol: 76.5%

^[1][3]

GLM da un gran salto, pero el closed frontier sigue claramente por delante.

ExploitGym

Tareas 2h/6h:

GLM-5.3: 105 / 130
Kimi K3: 36 / 70
Fable 5: 181 / 247
GPT-5.6 Sol: 216 / 293

^[3]

Z.ai normaliza tiempo por throughput de cada modelo; es una metodología específica.

2.436 vulnerabilidades

Z.ai afirma que tras review, screening y deduplication se obtuvieron:

2,436 findings
269 proyectos
1,097 critical + high

^[1][2]

Ledger:

53 publicadas
2,383 bajo embargo
107 critical
990 high
1,286 medium
53 low

^[1]

Son datos operativos del fabricante, no un dataset CVE independiente.

Cyber capabilities requieren governance

Usos defensivos:

• secure code review,
• vulnerability triage,
• reproducción controlada,
• SAST augmentation,
• patch analysis,
• fuzzing support,
• threat modeling.

Controles: sandbox, network isolation, logs, approval gates, separación de secrets y permisos mínimos.

Benchmarks Flash

Z.ai reporta:^[7][8]

Flash recupera mucha calidad a menor coste; no significa igualdad con GLM-5.3.

Flash vs Opus 4.8 en benchmark privado

Z.ai Code Bench Max:

Flash: 29.0
Opus 4.8: 29.5

^[6]

No es evidencia independiente de que Flash iguale Claude en todos los escenarios.

Artificial Analysis: 60 vs 57

Artificial Analysis Intelligence Index v4.1.1:

GLM-5.3 max: 60
Flash: 57

^[10][11][12]

Mediciones actuales first-party:

GLM-5.3: ~66.5 tokens/s, ~1.6s TTFT
Flash: ~45–49 tokens/s, ~1.5s TTFT

^[10][11][20]

El nombre Flash no implica necesariamente más output tokens/s. Sus ventajas son coste, compute activo y multimodalidad.

Precios API

Z.ai:^[9]

GLM-5.3

Input $1.40
Cached $0.26
Output $4.40

Flash lista

Input $0.15
Cached $0.03
Output $0.50

Promo hasta 9 septiembre

Input $0.075
Cached $0.015
Output $0.25

por 1M tokens.

OpenRouter también ofrece ambos y puede tener precios/routing distintos.^[18][19]

¿“One-tenth the price” es razonable?

A precio de lista Flash es aproximadamente:

9.3× más barato input
8.8× más barato output

^[9]

“Una décima parte” es una aproximación razonable. Coste por task puede variar por reasoning y tool calls.

GLM-5.3 vs Kimi K3

Z.ai:^[3]

TB2.1 88.2 vs 88.3
DeepSWE 66.9 vs 67.5
TB3.0 28.3 vs 17.4
AutomationBench 48.2 vs 46.7
ExploitBench 54.4 vs 32.2

No hay un ganador único.

GLM-5.3 vs Hy4

Tencent evaluó 163 expertos y 203 tareas.^[13][14]

Hy4 2.99
Kimi K3 2.94
GLM-5.3 2.92

Hy4 vs GLM:

46.8% wins
12.8% ties
40.4% losses

^[14]

Es un test interno Tencent, no ranking universal.

GLM-5.3 vs GPT-5.6 Sol

Z.ai:^[3]

TB3.0: 28.3 vs 34.6
DeepSWE: 66.9 vs 72.7
ExploitBench: 54.4 vs 76.5
ExploitGym 6h: 130 vs 293
HLE+Tools: 62.5 vs 64.5

GLM supera ligeramente CyberGym y AutomationBench. Resultado mixto.

¿Y Claude Opus 5?

La tabla launch de Z.ai usa sobre todo Opus 4.8 y Fable 5, no Opus 5.^[3]

Por tanto no permite afirmar:

GLM-5.3 > Claude Opus 5

Open weights y licencias

Flash:

MIT

^[8][11]

GLM-5.3:

custom GLM-5.3 License

^[4]

La licencia permite uso, modificación, distribución, fine-tuning y venta, pero añade una condición para operadores Model as a Service con más de $10B de ingresos agregados en 12 meses consecutivos: deben pasar una security review de Z.ai antes de uso comercial.^[4]

Self-hosting

Rutas oficiales:

vLLM
SGLang
Transformers
Docker Model Runner

y otros frameworks.^[3][8]

Repositorio GLM-5.3:

~756 GB
141 safetensors shards

^[5]

Flash es más ligero en compute activo, pero sigue siendo un modelo grande.

Chips AI chinos y 3× serving

Z.ai dice que traffic real de Flash/Ox Alpha fue servido sobre accelerators chinos.^[6][7]

Stack:

Tensor Parallelism
ReplaySSM
W8A8
INT8/FP8/BF16 cache
Layer Split
Encode–Prefill–Decode disaggregation

Claim:

3× end-to-end serving
vs baseline inicial en el mismo hardware

^[6][7]

Debe tratarse como vendor claim.

¿Qué modelo elegir?

GLM-5.3 para máxima calidad coding GLM, terminal agents, reasoning textual y security analysis.

Flash para coste, vision, screenshots, documentos, video/file, 1M context y licencia MIT.

Kimi, Hy4, GPT o Claude si un POC propio muestra mejor:

cost per successful task

Checklist POC

Calidad

• Probar tareas reales.
• Mismo harness.
• Medir test pass rate.
• Medir task completion.
• Medir regresiones.
• Medir cambios fuera de scope.
• Probar sesiones largas.
• Probar recovery.
• Validar tool calling.
• Validar structured output.

Reasoning

• Comparar low, high, max.
• Recordar que reasoning no se desactiva.
• Medir reasoning tokens.
• Medir output total.
• Medir latencia end-to-end.
• No usar max en todo.

Long context

• Probar 32K.
• Probar 128K.
• Probar 256K.
• Probar 1M.
• Medir retrieval accuracy.
• Medir instruction loss.
• Probar repos grandes.
• Probar cross-file dependencies.
• Medir KV cache y concurrency.
• No equiparar 1M con memoria perfecta.

Multimodal Flash

• Probar screenshots.
• Probar documentos.
• Probar charts.
• Probar OCR-like workflows.
• Probar GUI verification.
• Probar video real.

Security

• Sandbox para cyber.
• Limitar network.
• Log de tool calls.
• Approval gates.
• Separar production secrets.
• Limitar credentials.
• Validar patches antes de merge.
• No tratar el modelo como autoridad autónoma.

Licencia y operaciones

• Revisar GLM-5.3 License.
• Revisar cláusula MaaS >$10B.
• Revisar MIT Flash.
• Revisar data policy provider.
• Revisar processing region.
• Revisar retention.
• Medir cache hit.
• Medir cost per successful task.
• Definir fallback.
• Monitorizar precio Flash tras promo.

Veredicto POLPROG

GLM-5.3 es una de las releases coding más interesantes de agosto de 2026 porque empuja mucho más lejos la misma base que GLM-5.2 mediante post-training.^[1][15]

Terminal-Bench 3.0: 4.6 → 28.3
DeepSWE: 46.2 → 66.9
ExploitBench: 24.4 → 54.4

^[1][3]

Flash sigue otra estrategia:

320B total
18B active
multimodal
1M context
MIT
API muy barata

y logra 57 en Artificial Analysis frente a 60 para GLM-5.3 max.^[10][11][12]

Para muchos productos Flash puede ser más atractivo que el flagship.

La pregunta correcta no es quién gana un leaderboard, sino:

qué modelo ofrece el mejor cost per successful task con la calidad, seguridad y latencia necesarias.