
Claude Opus 5.5 vs GLM-5.4: un token barato no es una tarea barata
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 182 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 364 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 148 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
El error más caro en la selección de modelos es comparar listas de precios en lugar de tareas terminadas. Claude Opus 5.5 cuesta 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida. GLM-5.3 —el modelo que Z.ai realmente distribuye y el que busca cualquiera que escriba «GLM-5.4»— cuesta 1,40 y 4,40 dólares. En la etiqueta de precio, el modelo chino de pesos abiertos cuesta aproximadamente una quinta parte. Según la propia medición de Artificial Analysis de lo que cuesta completar una tarea, la brecha se reduce a 2×. Esa reducción, y no la lista de precios, es la historia de esta comparación.
Primero, el nombre. GLM-5.4 no existe. El índice de documentación de Z.ai enumera GLM-5.3 y GLM-5.3-Flash como los modelos de texto actuales, la organización de Hugging Face del laboratorio no tiene ningún repositorio con «5.4», y una búsqueda de texto completo en el Hub el 19 de noviembre no devuelve nada. El número es un término de búsqueda, no un lanzamiento. GLM-5.3 se lanzó en agosto de 2026 —el 18 de agosto según la fecha de lanzamiento de Artificial Analysis, con los pesos en el Hub desde el 25 de agosto— y es el modelo al que se refiere cada afirmación a continuación.
Qué es GLM-5.3 y cuánto cuesta
GLM-5.3 es el buque insignia de texto de pesos abiertos de Z.ai. Utiliza el mismo modelo base que GLM-5.2, y todas las mejoras provienen del postentrenamiento, por lo que la licencia y la arquitectura no cambian y las mejoras se concentran en exactamente dos ámbitos: la programación compleja y el trabajo agéntico de largo horizonte. Tiene un contexto de 1M de tokens, una salida máxima de 128K, entrada solo de texto y un razonamiento que no se puede desactivar —tres niveles de esfuerzo, bajo, alto y máximo, por defecto máximo.

• Precio — Claude Opus 5.5 $4.00 entrada / $20.00 salida / $0.20 lectura de caché frente a GLM-5.3 $1.40 / $4.40.
• Pesos — solo API cerrada frente a publicación abierta estilo Apache en Hugging Face, descargable y autoalojable.
• Contexto — 1M de tokens en ambos, 128K de salida máxima en ambos.
• Control de esfuerzo — Opus 5.5 ejecuta pensamiento adaptativo que no se puede desactivar, por defecto medio frente a GLM-5.3 con razonamiento siempre activo, por defecto máximo.
• Índice de Inteligencia — 59,1 frente a 31,7 en la revisión v5.0.1, una diferencia de 27,4 puntos.
• Costo por tarea de Index — $10.04 frente a $5.01, una diferencia de 2×, no el 4.5× que implica el precio de etiqueta.
• Modalidad — entrada de texto e imagen frente a solo texto.
Por qué una ventaja de precio de 4,5× se convierte en una ventaja de coste de 2×
Artificial Analysis ejecutó ambos modelos con la misma suite Index y contó los tokens que consumió cada uno. Claude Opus 5.5 generó 218M tokens de salida en toda la suite. GLM-5.3 generó 135M. Esa no es la dirección que la mayoría de la gente espera —el modelo caro es el más verboso en este caso—, pero la relación que importa es la que se mide frente al precio, y la ventaja de 1,6× en tokens de GLM-5.3 no alcanza ni de lejos a compensar su ventaja de 4,5× por token en la dirección opuesta.

Haz las cuentas como las hace un presupuesto. En una tarea en la que ambos modelos gastan la misma cantidad de tokens, GLM-5.3 es 4,5× más barato. En la práctica, GLM-5.3 gasta alrededor de 0,62 tokens por cada uno que gasta Opus 5.5, así que la relación efectiva queda cerca de 2,8× antes de contar los tokens de entrada, y la cifra medida por tarea, de $5,01 frente a $10,04, lo sitúa en 2×. Sigue siendo un ahorro real —de aproximadamente la mitad—, pero la mitad es una decisión diferente de un quinto. Un equipo que presupuestó según el precio de etiqueta y recibió una factura de 2× habrá elaborado un caso de negocio equivocado.
Hay un efecto de segundo orden que vale la pena señalar porque sorprendió a más de un equipo: el razonamiento de GLM-5.3 se establece de forma predeterminada en max. Una migración que solo cambia el ID del modelo y deja intacto el valor predeterminado del razonamiento obtiene la configuración más costosa y lenta del modelo, que es precisamente de donde proviene la verbosidad. La propia nota de migración de Z.ai es explícita en que ya no se admite desactivar el razonamiento y que low debe establecerse deliberadamente.
La brecha de capacidades es real y no es uniforme.
Una diferencia de 27 puntos en el índice suena a descalificación, y para el trabajo de conocimiento general casi lo es. Pero las cifras por benchmark separan a los dos modelos por una línea que importa más que el compuesto. Todas las cifras a continuación son de Artificial Analysis, con el mismo harness, ambos en su configuración de esfuerzo más alta.
• Terminal-Bench 4.0 — 59,6 % frente a 41,9 %. Una brecha de 18 puntos en el trabajo de terminal agéntico.
• FrontierCode-AA 2.0 — 46,4 % frente a 21,6 %. Opus 5.5 más que duplica a GLM-5.3.
• Terminal-Bench-Science 0.1 — 59,0 % frente a 9,5 %. La mayor diferencia de la tabla, y una paliza.
• HLE-Diamond — 67,9 % frente a 17,9 %.
• AA-Omniscience — 48,1 con una precisión del 65,5 % frente a 6,0 con una precisión del 32,3 %.
• GDPval-AA v2.1 — 1866 Elo frente a 1655, la brecha más estrecha del conjunto con 211 puntos.
• ITBench-SRE — 38,2 % frente a 46,1 %, uno de los pocos casos en los que gana GLM-5.3.
• LCR (razonamiento de contexto largo) — 84,7 % frente a 79,7 %.
El patrón es que GLM-5.3 se mantiene firme en razonamiento de contexto largo y en tareas de confiabilidad de sitios, y se desmorona en trabajo de terminal con gran carga científica y en recuperación de conocimiento. Si tu carga de trabajo es análisis de documentos sobre un contexto largo, la puntuación compuesta de 27 puntos exagera la diferencia. Si es codificación agéntica en repositorios desconocidos —que es lo que comercializan ambos proveedores—, la puntuación compuesta la subestima.
La tabla de proveedores que Z.ai publica compara Opus 4.8, no Opus 5.5
Conviene saberlo antes de fiarse de cualquier cifra de GLM frente a Claude que encuentre en un gráfico. La ficha del modelo GLM-5.3 de Z.ai incluye una tabla de benchmarks con una columna «Opus 4.8» y una columna «Fable 5 (w/ fallback)». Claude Opus 5.5, publicado cinco semanas después de GLM-5.3, no aparece en ella. Eso no es deshonestidad —la tabla se elaboró cuando se lanzó 5.3 y Opus 5.5 aún no existía—, pero sí significa que la comparación que busca la mayoría nunca ha sido publicada por ninguno de los dos proveedores, y las únicas cifras disponibles con el mismo entorno de evaluación son las independientes mencionadas arriba.
Las propias cifras de Z.ai sí contienen una afirmación que merece tomarse en serio, porque apunta a una fortaleza genuina del modelo de pesos abiertos: en CyberGym, su benchmark de descubrimiento de vulnerabilidades, GLM-5.3 obtiene 84,5 frente a los 78,1 de Opus 4.8. La ficha describe la mejora como «emergente» —la capacidad cibernética escaló más rápido de lo que el equipo esperaba a medida que escalaba el postentrenamiento— y los benchmarks de explotación se multiplican por más de dos respecto a GLM-5.2. Anthropic publicó el 29 de septiembre un análisis de las capacidades cibernéticas de GLM-5.3, algo que los proveedores no suelen hacer sobre el lanzamiento de pesos abiertos de un competidor. Si trabajas en herramientas de seguridad defensiva, ese es el único eje en el que el modelo abierto está genuinamente por delante, y también es el eje en el que los pesos abiertos más importan: puedes ejecutar el clasificador en tu propia infraestructura en lugar de enviar prompts cercanos a exploits a la API de otro.
Dónde los pesos abiertos cambian realmente la decisión
Todo lo anterior es una comparación de capacidades y costos, y en ambos aspectos Claude Opus 5.5 gana para la mayoría del trabajo. La razón por la que GLM-5.3 todavía se despliega no es ninguna de las dos: es que un modelo de la familia 5.3 se descarga, se ejecuta detrás de tu propia puerta de enlace y nunca sale de tu red.
Tres situaciones concretas en las que eso pesa más que 27 puntos de índice. Datos regulados que no pueden cruzar una frontera jurisdiccional, donde la opción es GLM-5.3 o nada. Clasificación de gran volumen en la que un ajuste fino de 300 millones de parámetros del modelo base supera al modelo general en tus etiquetas a una fracción del coste por llamada. Y herramientas relacionadas con la ciberseguridad, donde la ventaja en los benchmarks y el requisito de autoalojamiento apuntan en la misma dirección.
Para todo lo demás, la recomendación honesta es mantener la decisión de enrutamiento barata. Ambos modelos están en una misma clave de OrcaRouter — anthropic/claude-opus-5.5 y z-ai/glm-5.3 — con un 0 % de recargo sobre el precio de lista del proveedor, lo que importa más del lado de Z.ai que del lado de Anthropic porque Z.ai volvió a fijar el precio de esta línea dos veces en 2026. Enruta las pasadas de alto volumen y bajo riesgo a GLM-5.3 y el bucle de planificación a Opus 5.5, y deja que el failover cubra el caso en que el proveedor del nivel barato tenga una mala tarde. El DSL de enrutamiento hace que eso sea un cambio de configuración en lugar de dos integraciones, y la cifra combinada por tarea es la que hay que poner en el presupuesto en lugar de cualquiera de las dos cifras de cartel.

La respuesta, con el nombre resuelto
Claude Opus 5.5 es el mejor modelo para la programación con agentes, el trabajo de terminal con fuerte carga científica y cualquier tarea en la que importe la recuperación de información. Cuesta aproximadamente el doble por tarea finalizada que GLM-5.3, no cuatro veces y media, y merece la pena la diferencia para las cargas de trabajo que ambos proveedores anuncian.
GLM-5.3 es la elección correcta cuando los pesos tienen que ser tuyos, cuando la carga de trabajo es razonamiento de contexto largo o triaje de guardia, o cuando la tarea es ciberdefensa. Es un modelo abierto genuinamente adyacente a la frontera a un precio genuinamente bajo, y su mayor debilidad —trabajo de terminal científica al 9,5%— es lo suficientemente estrecha como para que una evaluación específica de la carga de trabajo te diga en una tarde si es relevante para ti.
GLM-5.4, el modelo del título, no forma parte de la decisión. Es un número de versión sin lanzamiento detrás, y si Z.ai lo lanza, la aritmética anterior es lo que tendrá que superar.
Comparados en este artículo3
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
