GPT-6.1 Terra vs GLM-5.5: El modelo desaparecido y el que puedes descargar

Buscando GPT-6.1 Terra frente a GLM-5.5 aparecen un montón de tablas muy seguras de sí mismas sobre un modelo que no existe. Z.ai no ha publicado ninguna ficha de modelo, ningún identificador de API, ningún precio ni ningún peso bajo el nombre GLM-5.5; su catálogo sigue llegando como máximo hasta GLM-5.3, publicado a mediados de agosto de 2026, con los pesos abiertos llegando más tarde ese mismo mes. Terra, en cambio, se lanzó el 26 de octubre y hoy mismo se puede invocar. Así que la comparación real es Terra frente a GLM-5.3, y en esa comparación los dos modelos cuestan casi exactamente lo mismo por token, mientras que Terra cuesta aproximadamente una quinta parte por tarea completada. La razón no es un truco de precios. Es la verbosidad.

El estado de GLM-5.5 merece precisarse, porque el molino de rumores ha sido productivo. Los informes de finales de octubre apuntan a una ventana de lanzamiento de finales de octubre a principios de noviembre de 2026. Notas filtradas sugieren entre 2,5 y 3,5 billones de parámetros totales, frente a afirmaciones anteriores de 1T y 1,6T, y un objetivo de rendimiento de «clase Fable». Z.ai solo ha dicho que GLM-5.4 y GLM-5.5 serán de la clase del billón de parámetros, y mencionó GLM-6.0 en su conferencia de resultados del 31 de agosto sin una fecha. Nada de eso es un producto. La prueba de cuatro partes —un ID de API invocable, precios publicados con tarifas de caché, una entrada independiente en la tabla de clasificación y pesos descargables— actualmente falla en las cuatro.

El modelo que realmente está al otro lado de esta comparación

• GLM-5.3 — lanzado a mediados de agosto de 2026; pesos abiertos bajo la licencia GLM-5.3; aproximadamente 750B de parámetros totales con unos 40B activos por token; contexto de 1M de tokens; salida de 128K; solo texto; razonamiento activado por defecto; precio de lista de $1.40/$4.40 por 1M de entrada/salida, o $1.26/$3.96 a través de OrcaRouter.

• GPT-6.1 Terra — lanzado el 26 de octubre de 2026; pesos cerrados; contexto de 1,05 M de tokens; salida de 128 K; entrada de texto e imágenes; seis niveles de razonamiento; $1.00/$5.00 por 1 M de entrada/salida, que aumentan a $2.00/$7.50 después de 272 K tokens de entrada; entrada en caché $0.05.

• Índice de Inteligencia Independiente — Terra 48, GLM-5.3 45, en la escala actual de Artificial Analysis.

En la tabla de precios, estos son casi gemelos. Con el precio de traspaso de OrcaRouter, GLM-5.3 cuesta $1.26/$3.96 frente a los $1.00/$5.00 de Terra. GLM es un 26% más barato en entrada y un 21% más barato en salida. Un equipo que eligiera con esos dos números se quedaría con GLM-5.3 y pasaría a otra cosa.

Por token cuestan lo mismo; por tarea, no.

Artificial Analysis mide el coste por tarea del Intelligence Index, que incluye cuántos tokens gasta realmente un modelo para llegar a una respuesta. Terra se sitúa en unos 0,40 $. GLM-5.3 se sitúa en unos 2,01 $, cinco veces más, a pesar de sus tarifas por token más baratas. La causa se ve en la propia evaluación: Terra consumió aproximadamente 130 M de tokens de salida en el conjunto de pruebas, y GLM-5.3, unos 210 M. GLM-5.3 piensa más tiempo, repite más y lo paga en el contador.

Esto es lo más útil que se puede entender sobre la comparación, y es justo lo que la cobertura del lanzamiento de ambos modelos suele pasar por alto. El precio por token es un insumo del costo, no una medida de este. Un modelo que es un 20 % más barato por token y un 60 % más verboso es un 33 % más caro por respuesta. En extracción, clasificación o generación de respuestas cortas de gran volumen, esa inversión decide la factura.

También significa que la comparación se invierte según la forma de la carga de trabajo. La verbosidad de GLM-5.3 perjudica sobre todo en salidas cortas, donde domina la sobrecarga del razonamiento. En la generación de formato largo, donde ambos modelos producen miles de tokens de todos modos, la diferencia de precio por token vuelve a imponerse y el descuento del 21 % en la salida de GLM se convierte en dinero real.

Donde GLM-5.3 es de todos modos la mejor compra

Los pesos abiertos son la respuesta obvia, y no son poca cosa. GLM-5.3 se puede descargar, alojar en infraestructura propia, ajustar y mantener dentro de un límite de cumplimiento normativo. Terra no. Para un sector regulado, un despliegue aislado de la red o un equipo que necesita que un modelo deje de cambiar bajo sus pies, eso zanja la cuestión antes de consultar los benchmarks.

GLM-5.3 también ofrece un perfil técnico sólido por el precio. Lidera el campo de modelos de pesos abiertos en el índice de Artificial Analysis, prácticamente empatado con Kimi K3, y es inusualmente fuerte en ciberseguridad e investigación de vulnerabilidades: tanto las evaluaciones de ciberseguridad de Zhipu como las pruebas de red team de Anthropic lo sitúan cerca de los modelos de frontera en descubrimiento de exploits. En SciCode obtuvo 59,0, por delante del 54,2 de GPT-6.1 Sol, aunque Terra no aparecía en esa ejecución. Admite un contexto de 1 millón de tokens y un descuento de caché de aproximadamente el 81 %, lo que hace que los prompts largos repetidos sean más baratos de lo que sugiere el precio de lista.

Sus límites son igualmente claros. Es solo texto: sin imágenes, sin audio, sin PDF. El pensamiento siempre está activado, con múltiples niveles de esfuerzo pero sin un verdadero interruptor de apagado. Y la verbosidad es un costo operativo real, no solo un artefacto de las pruebas de referencia: se traduce en latencias más largas, facturas más altas y más tokens que filtrar en los pipelines posteriores.

Donde Terra gana

La ventaja de tres puntos de Terra en el índice es modesta, y los conjuntos de pruebas independientes hacen que parezca aún más pequeña. En el Vals Index, Terra obtiene un 60,17 % frente al 59,73 % de GLM-5.3 —una diferencia de 0,44 puntos que está dentro del margen de ruido, con un coste por prueba superior de 2,92 $—. En el benchmark contable de DualEntry, GLM-5.3 obtuvo una puntuación más alta y a un coste menor que el 78,2 % de Terra. Si la pregunta es «qué modelo es más inteligente», la respuesta honesta es que están lo bastante cerca como para que el benchmark que elijas determine el ganador.

Las ventajas de Terra están en otro terreno. Acepta imágenes; GLM-5.3 no. Ofrece seis niveles de razonamiento, por lo que el tráfico sencillo puede derivarse a un esfuerzo bajo, algo que el pensamiento siempre activo de GLM no permite. Su fecha de corte de conocimiento es junio de 2026, frente a la ventana de entrenamiento anterior de GLM-5.3. Y es rápida: 90,9 tokens de salida por segundo en Artificial Analysis, en el mismo rango que GLM-5.3, cuyo rendimiento medido ha oscilado entre finales de los 60 y mediados de los 90 según el proveedor y la instantánea. La velocidad junto con un menor coste por tarea es una combinación realmente potente para productos interactivos.

El recargo de 272K juega en su contra. Superado ese umbral de entrada, los precios de Terra se disparan a $2.00/$7.50, lo que borra por completo su ventaja de entrada frente a GLM-5.3 y hace que la salida sea un 89% más cara. Los flujos de trabajo con documentos largos deberían calcularse con el recargo, no con el precio anunciado.

Si GLM-5.5 de verdad llega a salir

La forma útil de pensar en el modelo faltante no es «qué puntuación obtendrá», sino «qué tendría que ser cierto para que cambie esta decisión». Tres cosas:

• Tendría que ser drásticamente menos verboso. Un modelo de 2,5 billones de parámetros que piense aún más tiempo que GLM-5.3 saldría perdiendo en coste por tarea, por muy bueno que parezca su precio por token. Los rumores sobre los parámetros apuntan en la dirección equivocada en este asunto.

• Tendría que ofrecer pesos abiertos en el lanzamiento, no semanas después. Los pesos de GLM-5.3 llegaron unos diez días después de la API; ese retraso basta para romper un ciclo de adquisición.

• Necesitaría un precio inferior al de GLM-5.3, o un salto de capacidad lo bastante grande como para justificar un precio superior. Un modelo de un billón de parámetros ofrecido a tarifas de vanguardia no lograría ser más barato que los 0,40 $ por tarea de Terra.

Nada de eso es una predicción. Es la lista de verificación que hay que ejecutar el día que aparezca una tarjeta. Hasta entonces, GLM-5.5 es un motivo para estar atento a las notas de la versión de Z.ai, no un motivo para retrasar una decisión.

Ejecutando ambos hoy

GLM-5.3 está en el catálogo de OrcaRouter a $1.26/$3.96 por millón de tokens, el precio de lista del proveedor traspasado con un margen del 0 %, junto con más de 200 modelos adicionales con una sola clave y conmutación por error automática. Terra no está en el catálogo a la fecha de publicación —está disponible a través de la API de OpenAI y varias plataformas de terceros—, así que el experimento práctico consiste en llamar a GLM-5.3 a través de OrcaRouter y a Terra a través de OpenAI, y luego compararlos con tu propio tráfico en lugar de con una tabla de clasificación.

Cuando lo hagas, mide los tokens por tarea completada, no el precio por token. Ese es el número que separa a estos dos modelos, y es el número que ninguno de los dos anuncios de lanzamiento puso en su titular. Si Terra termina tu carga de trabajo con un tercio menos de tokens de salida, su desventaja del 21 % en el precio de salida desaparece y su tarifa de entrada más barata empieza a generar un efecto compuesto. Si el razonamiento de GLM-5.3 se amortiza con menos reintentos y menos revisión humana, la factura por tarea se invierte. Los promedios de los benchmarks dicen que los modelos están a pocos puntos. Tus recuentos de tokens dirán cuál es más barato.

La pregunta sobre esperar tiene una respuesta sencilla. GLM-5.5 puede llegar en cuestión de semanas; GLM-5.3 ya se puede descargar y Terra ya se puede invocar. Un equipo que necesita pesos abiertos tiene una opción real hoy, y un equipo que necesita el costo más bajo por tarea terminada tiene otra distinta. Ninguna de esas opciones mejora por esperar un modelo sin endpoint.