GPT-6 Astra vs GLM-5.5: Un lado de esta comparación no se puede probar

El 6 de octubre de 2026, un sitio de tecnología de terceros publicó un informe cuyo titular afirmaba que GLM-5.5 supera a Mythos 5.1 y GPT-6 Astra. Esa afirmación es la razón por la que existe esta página, y vale la pena ser precisos sobre qué es: un titular sobre dos cosas que no son el mismo tipo de cosa. GPT-6 Astra es un modelo ya lanzado — OpenAI lo lanzó el 3 de septiembre de 2026, lleva el identificador gpt-6-astra, tiene cuatro métricas publicadas, una ventana de contexto documentada de 1.050.000 tokens y una posición en el Artificial Analysis Intelligence Index que cualquiera puede leer. GLM-5.5 es un número de versión que nunca ha aparecido en un registro de lanzamientos de Z.ai, en una ficha de modelo, en un tarifario ni en ningún repositorio que el laboratorio posea. A 15 de octubre de 2026, no hay ningún artefacto detrás de él que se pueda evaluar, invocar o tarificar.

Así que la forma honesta de esta comparación no es un enfrentamiento directo. Es una descripción de lo que cada lado puede respaldar como evidencia, y de las cosas concretas y verificables que tendrían que aparecer antes de que el enfrentamiento fuera real. Resulta que eso es más útil de lo que habría sido una hoja de especificaciones, porque el patrón —un número de versión filtrado que adquiere una afirmación de benchmark que no puede sostener— es el que los lectores siguen encontrando en esta línea de productos.

Qué es GLM-5.5, en un párrafo

Es un nombre dentro de un linaje que se lo saltó. El registro de lanzamientos de Z.ai incluye GLM-5.3 el 18 de agosto de 2026 y GLM-5.3-Flash el 26 de agosto; la documentación de la empresa enumera esos dos más GLM-5.2 y se detiene. Los espacios 5.4 y 5.5 se dieron por supuestos a partir de una proyección más antigua de un analista, y la propia llamada de resultados del 31 de agosto de la empresa nombró a GLM-6.0 como la base de próxima generación, pasando por alto ambos números. La auditoría completa de nueve superficies, con las URL y el método para que pueda volver a ejecutarse, está en nuestra página de referencia para el nombre. Lo que importa aquí es más acotado: un número filtrado no es una especificación, y una afirmación de benchmark vinculada a un número filtrado no puede ser verificada por nadie, ni siquiera por quienes la publicaron.

Dos modelos, dos tipos de evidencia.

Pon los dos lados frente a las mismas dimensiones y la asimetría {{1}}deja de ser retórica{{/1}}:

• Tarifas — GPT-6 Astra $10.00 de entrada, $1.00 en caché, $12.50 por escrituras en caché, $50.00 de salida por 1M frente a GLM-5.5, nada publicado, porque no hay una página de precios donde publicarlo

• Tramo de prompts largos — GPT-6 Astra con nuevo precio de $20.00 / $75.00 por encima de 272,000 tokens de entrada frente a GLM-5.5, sin términos que declarar

• Ventana de contexto — GPT-6 Astra 1,050,000 tokens de entrada, 128,000 de salida frente a GLM-5.5 no especificado

• Modalidad de entrada — GPT-6 Astra: entrada de texto, imagen y archivo, salida de texto vs. GLM-5.5: no especificado

• Identificador — GPT-6 Astra gpt-6-astra, resoluble en la documentación de OpenAI y en nuestro catálogo, frente a GLM-5.5, sin identificador en ninguna superficie de proveedor.

• Puntuación independiente — GPT-6 Astra 53 en el Artificial Analysis Intelligence Index, 44,6 tokens de salida por segundo, 3,26 $ por tarea completada del índice frente a GLM-5.5 sin entrada, y no hay manera de producir una

• Afirmación de benchmark — GPT-6 Astra, una tabla del proveedor (98% FrontierMath Tier 4, 99.9% ARC-AGI-3, 100% ExploitBench, 57.9% Terminal-Bench 4.0), cada cifra atribuible a O​penAI y cada una con salvedades más abajo; frente a GLM-5.5, una afirmación comparativa sin cifra, sin harness y sin modelo

• Pesos — GPT-6 Astra cerrado, solo API vs GLM-5.5 nada que publicar

La parte del historial de Astra que resiste el escrutinio, y la parte que no

Dado que un lado de esta página tiene una base de pruebas completa y el otro no tiene ninguna, lo más valioso que puede hacer este artículo es decir con precisión qué parte del registro de Astra es esencial.

La mitad independiente es sólida. Artificial Analysis mide GPT-6 Astra en 53 en su actual Intelligence Index sobre diez evaluaciones, séptimo de los 216 modelos de ese ranking, a $3.26 por tarea de índice completada, con aproximadamente 60M de tokens de salida generados durante la ejecución — más conciso que la mediana del ranking, de unos 85M. Se mide en 44.6 tokens de salida por segundo, lo que lo sitúa en el puesto 168 de 185 en velocidad, y eso no es un artefacto de redondeo: para un agente que realiza muchas llamadas secuenciales, el rendimiento es una línea de costos. Esas cifras provienen de un evaluador que publica su metodología, y son los números con los que un lector debería planificar.

La mitad del proveedor necesita que se le adjunten sus etiquetas. OpenAI informa de un 98 % en FrontierMath Tier 4 y describe el nivel como saturado; 99,9 % en ARC-AGI-3 con la afirmación de paridad de eficiencia de acción humana en el 96 % de los niveles; 100 % en ExploitBench, con Astra como el primer modelo de OpenAI en cruzar el umbral Crítico de ciberseguridad de la compañía; y 57,9 % en Terminal-Bench 4.0 frente al 37,3 % de GPT-5.6 Sol. Ninguno de esos ha sido reproducido de forma independiente. El número de ARC-AGI-3 es el que más necesita su nota al pie, y ARC Prize la proporcionó: bajo el arnés estándar, donde el modelo solo puede conservar las notas que escribe para sí mismo, Astra obtuvo un 62,7 %; el 99,9 % se midió bajo un adaptador de proveedor que preserva el estado de razonamiento entre solicitudes. Ambas columnas fueron publicadas. La diferencia de 37 puntos es del tamaño del arnés, y cualquiera que cite el 99,9 % frente a la cifra del arnés estándar de un rival está comparando dos experimentos diferentes.

Aplica esa disciplina a la afirmación del 6 de octubre y falla en el primer paso. No hay ningún arnés que nombrar, ninguna puntuación que comparar, ninguna configuración que mantener constante y ningún identificador de modelo que fijar. «Beats GPT-6 Astra» no es una afirmación que pueda ser verdadera o falsa todavía; es una afirmación que espera un sujeto.

El GLM que realmente puedes ejecutar contra Astra

Si la pregunta detrás de la búsqueda es «¿debería usar un GLM o un buque insignia de OpenAI?», el nombre en el informe no es el nombre en la respuesta. El buque insignia de texto disponible de Z.ai es GLM-5.3, lanzado el 18 de agosto de 2026 con pesos en Hugging Face desde el 25 de agosto — un modelo de mezcla de expertos de 753 mil millones de parámetros con aproximadamente 40B de parámetros activos por token, una ventana de contexto de 1.000.000 de tokens, un límite de salida de 128.000 tokens y solo texto de entrada y texto de salida. El modo de pensamiento siempre está activado; la profundidad se establece con reasoning_effort. Tiene una licencia personalizada en lugar de una abierta, lo cual es una limitación real si tienes la intención de construir sobre los pesos en vez de llamar a la API.

Contra GPT-6 Astra, la forma del intercambio es un intercambio de precio y verbosidad, y su segunda mitad es la mitad que nadie cita:

• Precio — GPT-6 Astra $10.00 / $50.00 por 1M frente a GLM-5.3 $1.40 / $4.40 en la propia tarifa de Z.ai, que en nuestro catálogo figura como $1.26 / $3.96

• Índice independiente — GPT-6 Astra 53 vs GLM-5.3 45, ambos en la escala actual de Artificial Analysis

• Costo por tarea de indexación completada — GPT-6 Astra $3.26 vs GLM-5.3 $2.01

• Tokens de salida en esa ejecución — GPT-6 Astra 60M vs GLM-5.3 210M, frente a una mediana del ranking cercana a 85M

• Rendimiento — GPT-6 Astra 44,6 tokens por segundo frente a GLM-5.3 58,2

Esa cuarta línea es la que cambia las decisiones. La tarifa de GLM-5.3 es aproximadamente siete veces más barata que la de Astra en entrada y once veces más barata en salida, y aun así cuesta $2,01 terminar una tarea de índice frente a los $3,26 de Astra: una diferencia mucho más estrecha de lo que sugieren las tarifas. La razón es la verbosidad: 210 M de tokens de salida frente a los 60 M de Astra para la misma suite. Un token barato multiplicado por un modelo locuaz no se mantiene barato. Esto también explica por qué los $1,26 / $3,96 que muestra nuestro catálogo importan menos de lo que parece: un descuento del 10 % sobre un medidor del que el modelo consume 3,5 veces más es un efecto pequeño comparado con la diferencia en el recuento de tokens.

Una corrección que debe constar en el registro y no en una nota al pie, porque afecta a cualquiera que tenga un número antiguo: la cobertura anterior en esta línea, incluido nuestro propio artículo de agosto, citaba GLM-5.3 con 60 en el Artificial Analysis Intelligence Index. Esa era la lectura en la versión del índice vigente en agosto. El mismo modelo marca 45 en la escala que se usa hoy, porque el propio índice fue revisado. El número no bajó; cambió la vara de medir. Cualquier comparación que mezcle una cifra de una versión del índice con una cifra de otra no es una comparación, que es el mismo modo de fallo que citar el 99,9 % de ARC-AGI-3 de Astra frente a un rival con el arnés estándar.

Dónde encaja el enrutamiento

Hay una prueba práctica en todo esto, y es la que realiza un catálogo. GPT-6 Astra se resuelve como openai/gpt-6-astra en OrcaRouter y GLM-5.3 se resuelve como z-ai/glm-5.3, ambos detrás de un único endpoint compatible con OpenAI a las tarifas de lista del proveedor, transferidas sin ningún recargo nuestro — así que un cambio de tarifas de Z.ai y un cambio de tarifas de OpenAI llegan ambos a la misma clave el día en que se publican, y mover tráfico entre los dos es un cambio en una cadena de modelo en lugar de un segundo contrato. Un nombre que no resuelve a nada es un tipo distinto de señal, y la consulta es barata de ejecutar.

Eso tiene un uso específico aquí. La forma de resolver una cuestión de GLM frente a Astra para tu propio tráfico es ejecutar tu propio conjunto de tareas contra ambos, y el coste de preparar ese experimento es exactamente lo que elimina un endpoint compartido. También te da la mitad más barata de la respuesta sin necesidad de un experimento: la banda de $20.00 / $75.00 de Astra por encima de 272,000 tokens se sitúa precisamente donde no lo hace la tarifa plana de $1.26 / $3.96 de GLM-5.3, así que una carga de trabajo de contexto largo tiene una razón de precio para preferir el GLM antes de consultar cualquier benchmark.

No se declara ninguna ruta para GLM-5.5 porque no hay nada que enrutar: es un nombre, y una consulta en el catálogo para él devuelve un no encontrado en lugar de un modelo.

¿Qué haría que esta página quedara obsoleta?

La lista es corta y cada elemento se puede verificar de forma independiente, que es precisamente la cuestión. GLM-5.5 se vuelve real cuando aparece una ficha de modelo en la documentación de Z.ai con un identificador, cuando una fila de tarifas lo incluye, cuando un repositorio de Hugging Face propiedad del laboratorio publica pesos bajo una licencia con nombre, cuando un evaluador independiente tiene una página para él, y cuando una consulta contra un catálogo devuelve un modelo en lugar de un 404. Cualquiera de esos es una señal fuerte. Hasta que llegue al menos uno, un informe que describa cómo se desempeña GLM-5.5 frente a GPT-6 Astra está describiendo una comparación entre un producto y una proyección.

La lectura defendible de este enfrentamiento hoy, por lo tanto, no es un veredicto, sino una división del trabajo. GPT-6 Astra es el modelo mejor fundamentado en evidencia y el más caro, y su terreno más débil es exactamente donde un GLM es más fuerte: contexto largo, alto volumen y trabajo donde la verbosidad de salida es el costo dominante. GLM-5.3 es el medidor más barato con el gasto más lento, la puntuación independiente es 8 puntos más baja, y no puede ver una imagen a ningún precio. Si finalmente se lanza un GLM-5.5, la cifra que hay que vigilar primero no es su benchmark —es su recuento de tokens de salida en una suite fija—, porque esa es la cifra que históricamente ha reducido la ventaja de precio de GLM a casi nada.

Un lanzamiento también es el momento de revisar lo que ha salido mal antes: los incidentes documentados de IA y los fallos de agentes relacionados con modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.