Dots vs GLM-5.2: Los Dos Extremos de la Cadena de Suministro de Agentes

Dots and GLM-5.2 sit at opposite ends of the same supply chain, and neither one is the other's rival. Dots is the agent surface the company announced at DevDay on September 29, 2026 — an always-on worker with its own cloud computer and browser, connections to more than 4,000 apps, reachable in ChatGPT, Slack and Teams, powered by GPT-6 Astra and included with Pro and Business Premium at no extra cost. GLM-5.2 is Z.ai's open-weight flagship text model, released June 16, 2026, with a one-million-token context window, up to 128,000 tokens of output and a published rate of $1.40 per million input tokens and $4.40 per million output tokens. One is the layer you rent and cannot see inside; the other is the layer you can download, inspect and price to the token. If you are deciding how to run agents this quarter, that is the pair of decisions in front of you.

Qué es cada uno, en una sola pasada

• Qué es — un agente alojado siempre activo sin identificador de modelo propio (Dots) frente a un modelo de texto descargable con pesos publicados (GLM-5.2)

• Quién lo hace — OpenAI, anunciado en DevDay el 2026-09-29, frente a Z.ai (Zhipu AI), lanzado el 2026-06-16

• Dónde se ejecuta — el ordenador en la nube y el navegador de OpenAI, aislados de tu máquina a menos que los vincules, frente a dondequiera que lo despliegues: tu propio hardware, una nube de tu elección o nuestro endpoint

• Modelo subyacente — GPT-6 Astra, nombrado por OpenAI en sus materiales de lanzamiento (según el proveedor), frente a GLM-5.2 en sí, un modelo de mezcla de expertos que Z.ai ha publicado con pesos abiertos

• Modalidad — mensajes, datos de la aplicación y un navegador en un extremo, frente a solo texto de entrada y texto de salida, sin entrada de imagen ni de audio

• Capacidad — límites de respuesta no documentados para un punto, frente a 1.000.000 de tokens de contexto y 128.000 tokens de salida máxima

• Precio — el primer dot incluido con Pro o Business Premium, con la asignación no publicada, frente a $1.40 por millón de entrada y $4.40 por millón de salida, como se indica en nuestro catálogo

• Evidencia — demos de proveedores, ningún benchmark independiente para dots, frente a un Artificial Analysis Intelligence Index de 33.7 y un 99.1 reportado por el proveedor en τ²-Bench, ambos incluidos con sus fuentes en nuestro catálogo

La mitad de open-weights, y el pero del primer día

La propuesta de GLM-5.2 es la típica de los modelos de pesos abiertos, y aquí es más sólida de lo habitual porque el modelo es barato según cualquier criterio y los pesos implican que la decisión de despliegue es tuya. Los resultados publicados por el propio Z.ai encabezan con el uso de herramientas agénticas —99,1 en τ²-Bench, 76,8 en MCP-Atlas y 74,4 en FrontierSWE—, y son cifras del proveedor, algo que conviene decir sin rodeos porque son los números que hacen que el modelo parezca una ganga. La medición independiente es más moderada: un Índice de Inteligencia de Artificial Analysis de 33,7 lo sitúa a mitad de tabla en ese ranking, un recorte de τ-banking de 34,6 es modesto, y 78,3 en recuerdo de contexto largo queda por detrás de los líderes actuales. Nuestro catálogo registra 123,2 millones de tokens de tráfico con este modelo en los últimos siete días, lo que es la señal más clara disponible de que la gente realmente lo está usando.

Aquí está la pega, y es la razón por la que este artículo existe en lugar de una simple comparación de especificaciones. Artificial Analysis marca GLM-5.2 como obsoleto en favor de una versión más reciente, GLM-5.3, y su página en vivo lo indica en la parte superior: el modelo sigue siendo enrutable y sigue teniendo disponibilidad general, pero la hoja de ruta del proveedor ha avanzado y las cifras de índice asociadas a GLM-5.2 son una instantánea, no una medición vigente. Sus otras cifras independientes permanecen estáticas por la misma razón: el aviso de AA explica que, tras declararlo obsoleto, sigue midiendo el rendimiento solo de la carga de trabajo predeterminada del modelo, y los resultados de todo lo demás pasan a ser históricos.

De eso se desprenden dos lecciones, y ambas aplican mucho más allá de este modelo. En primer lugar, un precio y una licencia son hechos duraderos de un lanzamiento de pesos abiertos; una posición en una tabla de clasificación es cambiante, y un modelo puede ser barato, descargable y, aun así, quedar superado. En segundo lugar, el sucesor ya está aquí: Z.ai ha lanzado GLM-5.3 como su actual buque insignia, con un precio inferior al de GLM-5.2, a $1.26 de entrada y $3.96 de salida por millón, con un Índice de Inteligencia independiente de 44.8 frente al 33.7 de GLM-5.2. Quien esté construyendo ahora debería cotizar primero el modelo más nuevo y tratar a GLM-5.2 como el piso más barato por debajo de él, no como la frontera de la familia.

Lo que cuesta un punto, y por qué ninguno de ustedes puede presupuestarlo

OpenAI ha publicado un precio para los dots — el primero está incluido con Pro y Business Premium, con límites ampliados en el primer mes y conversaciones que no consumen los límites de uso de ChatGPT. No hay una cifra de asignación, ni precio para un segundo dot, ni tarifa por velocidad o capacidad adicionales, ni coste por tarea finalizada, ni precio empresarial para los dots especializados que actualmente están en pruebas internas. La cobertura de CNBC sobre la presentación principal tiene a la directora financiera Sarah Friar fijando el precio del nuevo nivel Pro 500 de $500 como una asignación de uso más el modo Ultrafast en lugar de como una tarifa por dot; el plan más caro de la hoja de OpenAI tampoco se traduce en un coste por unidad de trabajo de agente.

GLM-5.2 tiene el problema opuesto, que es el mejor problema: demasiados números, todos verificables. La tarifa es de $1.40 y $4.40 por millón de tokens, con lecturas en caché a $0.26, y el modelo es descargable, así que el costo marginal de una solicitud que ejecutas tú mismo es hardware y electricidad en lugar de la factura de un proveedor. Ese es el intercambio en una frase. Un punto te da un trabajador y ningún medidor; GLM-5.2 te da un medidor y ningún trabajador.

Poner un modelo con medición por uso bajo un agente que alquilas

La forma útil de mantener ambos es darle a cada uno la mitad del trabajo que hace bien. Un dot se encarga de la coordinación: vigilar un proyecto, perseguir a las personas y los sistemas involucrados, volver con algo terminado. GLM-5.2 —o el sucesor con el que lo has comparado en precio— se encarga del razonamiento que necesitas dominar: la pasada de extracción sobre un archivo de un millón de tokens, la generación larga, la cola de clasificación, la parte donde una respuesta incorrecta cuesta más que los tokens que ahorró.

Esa división necesita que la mitad del razonamiento sea portátil, lo cual es un problema de enrutamiento más que un problema de modelo. OrcaRouter sirve GLM-5.2 como z-ai/glm-5.2 al precio de lista del proveedor, trasladado con un 0 % de recargo —sin nada añadido por encima, de modo que una rebaja de tarifas de Z.ai llega a tu cuenta el mismo día— dentro de un catálogo de más de 200 modelos tras una única clave, con las herramientas de conmutación por error y de enrutamiento que permiten que un trabajo pase al modelo más nuevo o más barato sin cambiar el código. Lo que no ofrece es un dot: no hay endpoint de dots, ni identificador de modelo para el agente, ni forma de cambiar la inteligencia que se ejecuta dentro de él. La frontera es real, y fingir lo contrario sería la única diapositiva deshonesta de esta comparación.

La recomendación, dicha una vez

Si quieres que el trabajo ocurra sin que tú lo dirijas, compra el dot —no cuesta nada más allá de una suscripción que quizá ya tengas, y su limitación es que todavía no puedes demostrar lo que te ahorró. Si quieres saber cuánto cuesta tu razonamiento y poder trasladarlo más adelante, pon GLM-5.2 o su sucesor detrás de tu propio endpoint y medilo. Los equipos que están haciendo esto bien a finales de 2026 están haciendo ambas cosas, y la disciplina que lo hace funcionar es negarse a dejar que la capa alquilada sea dueña de nada que no pudieran reemplazar.