GPT-6 vs GLM 5.3: Uno de estos te lo puedes descargar, y la diferencia de precio es menor que la diferencia en el índice

La razón para poner GPT-6 frente a GLM 5.3 no es la tabla de benchmarks. Es que GLM 5.3 es el único modelo de este rango de precios cuyos pesos puedes llevarte a casa, y GPT-6 es una generación cerrada cuyos tres integrantes solo son accesibles a través de una API. Esa diferencia determina más decisiones de compra que cualquier variación en un índice, y también es la razón por la que las dos puntuaciones no son directamente comparables, que es justo lo que hacen mal la mayoría de las comparaciones publicadas de este par.

Los dos lados, precisamente

GLM 5.3 es el buque insignia de Z.ai, lanzado el 18 de agosto de 2026, con los pesos publicados aproximadamente una semana después. Es un modelo solo de texto —sin entrada de imágenes— con una ventana de contexto de 1.000.000 de tokens y un límite de salida de 128.000 tokens, con un precio listado por Z.ai de 1,40 $ por millón de tokens de entrada y 4,40 $ por millón de salida, con una tarifa de entrada en caché de 0,234 $ por millón. Se sirve bajo el id de modelo z-ai/glm-5.3.

GPT-6 es una generación más que un modelo. GPT-6 Astra, GPT-6 Sol y GPT-6 Luna son tres ids con tres precios distintos, todos publicados el 22 de septiembre de 2026, todos multimodales en la entrada (texto, imagen y archivo), todos con una ventana de contexto cercana a 1.050.000 tokens y un límite de salida de 128.000 tokens. No existe un endpoint openai/gpt-6. Cuando alguien dice "GPT-6" en una conversación sobre precios, casi siempre se refiere a GPT-6 Sol, el nivel intermedio a $2,00 / $10,00 — así que ese es el miembro que utiliza esta comparación siempre que se necesita un único id.

• Pesos — GLM 5.3 abierto, descargable y autoalojable; GPT-6 cerrado, solo API
• Modalidades de entrada — GLM 5.3 solo texto; los tres niveles de GPT-6 aceptan texto, imagen y archivo
• Precio de entrada — GLM 5.3 $1,40 por millón frente a GPT-6 Sol $2,00 por millón
• Precio de salida — GLM 5.3 $4,40 por millón frente a GPT-6 Sol $10,00 por millón
• Entrada en caché — GLM 5.3 $0,234 por millón frente a GPT-6 Sol $0,20 por millón
• Contexto — GLM 5.3 1.000.000 de tokens frente a GPT-6 Sol 1.050.000 de tokens
• Tramo por solicitud larga — GLM 5.3 no tiene ninguno en su ficha publicada; GPT-6 Sol vuelve a tarifar toda la solicitud por encima de 272.000 tokens de entrada a $4,00 / $15,00
• Licencia — GLM 5.3 se distribuye bajo la licencia abierta propia de Z.ai; GPT-6 no tiene archivo de licencia porque no hay nada que licenciar

Ten en cuenta la advertencia en la línea de precio, porque es real y este blog ya se ha topado con ella antes: una página de modelo de OrcaRouter no siempre está sincronizada con la propia lista de tarifas del proveedor y, en GLM 5.3 en concreto, nuestro catálogo muestra $1.26 / $3.96, mientras que la cifra publicada por Z.ai es $1.40 / $4.40. Cuando ambas discrepen, cita la cifra del proveedor en el texto —que es lo que hacen las viñetas anteriores— y lee la cifra de la página como el valor propio de la página. Ambas son legítimas; simplemente no son el mismo número.

Por qué la comparación de índices necesita una etiqueta de advertencia

Aquí está la trampa. En el Artificial Analysis Intelligence Index, GLM 5.3 obtiene 44,8 y GPT-6 Sol obtiene 47,6 — 2,8 puntos de diferencia. Eso parece casi un empate entre un modelo cerrado y uno abierto a aproximadamente un quinto del precio de salida, y es la frase en la que se detienen la mayoría de las comparaciones de este par.

No es una resta válida. Artificial Analysis clasifica los modelos de pesos abiertos únicamente frente a otros modelos de pesos abiertos de la misma clase de tamaño, y los modelos propietarios dentro de una banda propietaria usando una proporción combinada de precios de entrada a salida de 3:1. El 44.8 de GLM 5.3 es una puntuación de pesos abiertos. El 47.6 de GPT-6 Sol es una puntuación de banda propietaria. Se sitúan en escalas distintas, y la diferencia entre ellos no es una medición de capacidad. La misma advertencia se aplica a las dos cifras de las entradas del catálogo de OrcaRouter, que es de donde provienen ambos números anteriores.

Lo que puedes comparar a lo largo de esa línea es la contabilidad de costos y las tarifas, y, en segundo lugar, las filas que corresponden a la misma evaluación realizada de la misma manera. Lee en ambas páginas:

• AA Coding Index — GLM 5.3 74.8 vs GPT-6 Sol 60.0
• GPQA Diamond — GLM 5.3 91.7
• Humanity's Last Exam — GLM 5.3 42.3 vs GPT-6 Sol 47.9
• Terminal-Bench 2.1 — GLM 5.3 83.9
• Terminal-Bench 4.0 — GLM 5.3 41.9 vs GPT-6 Sol 43.9
• τ-bench banking — GLM 5.3 50.3
• SciCode — GLM 5.3 59.0 vs GPT-6 Sol 57.6
• Recuperación de contexto largo — GLM 5.3 79.7 vs GPT-6 Sol 83.7

Léelo como una forma, más que como una diferencia de puntuación: GLM 5.3 es fuerte en las evaluaciones agénticas y de programación —τ-bench banking y SciCode se inclinan por él, y su Coding Index está muy por encima del de Sol—, mientras que GPT-6 Sol se queda con las filas de recuperación de contexto largo y de Humanity's Last Exam. Ninguna de esas lecturas es un veredicto. Son dos conjuntos distintos de fortalezas, medidos por un tercero, en un modelo que puedes descargar y en uno que no puedes.

¿Qué pesos abiertos valen realmente la pena aquí?

La razón para preocuparse por la licencia de GLM 5.3 no es la ideología. Es que hay tres cosas concretas que dejan de ser decisiones del proveedor una vez que los pesos son tuyos.

El primero es la residencia. Un GLM 5.3 autoalojado se ejecuta donde tú lo pongas, y ningún acuerdo de procesamiento de datos rige lo que sale de tu red. GPT-6 no tiene una opción equivalente — la única forma de llamarlo es a través de una API, y los datos van a un lugar que no controlas. Para una carga de trabajo regulada, esto suele ser toda la decisión, y es una decisión que el índice nunca captura.

El segundo es la curva de precios. Una tarifa de API es una cifra del proveedor que este puede modificar; las tarifas publicadas de GPT-6 están declaradas por el proveedor como permanentes en lugar de promocionales, pero eso es una declaración de intención, no un contrato. Los pesos en propiedad tienen un coste fijo que deja de escalar con los tokens, y el punto de cruce es función de tu volumen, no de la decisión de precios de nadie. Por eso, la tarifa de $1.40 / $4.40 no es realmente la comparación — la comparación es $1.40 / $4.40 frente a tu propio hardware amortizado entre tu propio tráfico.

El tercero es el modo de fallo. Un modelo alojado puede quedar obsoleto, estar limitado por tasa, o degradarse por un cambio en el servicio. GLM 5.3 ha sido invocable desde el 18 de agosto con un checkpoint público detrás; si Z.ai cambia algo con lo que no estás de acuerdo, el checkpoint contra el que validaste sigue en disco.

El costo de esa libertad también es real, y merece la pena decirlo con claridad. GLM 5.3 solo admite texto, así que una carga de trabajo que alimenta al modelo con capturas de pantalla o PDF no tiene cabida alguna en el lado de pesos abiertos de esta comparación. Servir tú mismo contextos de 1.000.000 de tokens no es algo que se haga en un portátil. Y el modelo que descargas es el modelo del que eres responsable: la evaluación, el filtrado de seguridad, el tiempo de actividad y las actualizaciones pasan a ser tuyos, lo cual constituye un verdadero presupuesto de ingeniería que el precio de la API no incluye.

Donde GPT-6 justifica el sobreprecio

Frente a eso, el argumento a favor del lado cerrado es más estrecho de lo que sugiere su precio, pero no está vacío.

La entrada multimodal es el punto concreto. Los tres niveles de GPT-6 aceptan imágenes y archivos de forma nativa, y GLM 5.3 no acepta ninguno de los dos. Un pipeline que lee un gráfico, una captura de pantalla o un documento escaneado y razona sobre ellos en la misma llamada no se puede construir sobre GLM 5.3 tal como se publica.

La recuperación de contexto largo es la segunda. GPT-6 Sol supera a GLM 5.3 en esa fila por tres, y es la fila que determina si un contexto muy grande es realmente utilizable o meramente aceptado. Una ventana de 1.000.000 de tokens que pierde la parte central es una ventana peor que una de 100.000 tokens que no lo hace.

Y la generación tiene más de un nivel de precios. La tarjeta Sol de $2.00 / $10.00 es la que normalmente se compara con GLM 5.3, pero GPT-6 Luna se sitúa en $0.10 / $0.50 —por debajo de la tarifa de entrada de GLM 5.3 en un orden de magnitud y por debajo de su tarifa de salida en casi nueve veces—, y GPT-6.1 Sol, lanzado el 29 de septiembre, obtiene 51.8 en el mismo índice al precio de Sol. Si la pregunta es puramente "el token competente más barato", la generación GPT-6 tiene una respuesta que GLM 5.3 no tiene.

Ejecutarlos juntos, que es la respuesta a la que llegan la mayoría de los equipos

La conclusión práctica de esta comparación es que no es excluyente. GLM 5.3 ha estado atrayendo un volumen muy grande —el catálogo de OrcaRouter registró aproximadamente 1,9 mil millones de tokens enrutados hacia él en una ventana de siete días, frente a unos 2,1 millones para GPT-6 Sol—, que es así como se ve un modelo de pesos abiertos con una tarifa de salida económica cuando los equipos le ponen trabajo en masa. El tráfico de GPT-6 en la misma ventana se concentra en las gamas más altas, donde el trabajo es del tipo que necesita la entrada multimodal o el modelo premium.

Ambas son rutas activas en el mismo catálogo en OrcaRouter: una API delante de más de 200 modelos, a la que se llama mediante un endpoint compatible con OpenAI, con el precio de lista del proveedor trasladado con un 0 % de recargo, de modo que un cambio de precio del proveedor se refleja en nuestro lado el mismo día y no en tu próximo ciclo de facturación. Eso importa más de lo habitual en esta comparación en concreto, porque toda la cuestión del precio de GLM 5.3 tiene un elemento variable —la cifra del catálogo y la cifra del proveedor ya difieren en torno a un 10 %— y una ruta de paso directo significa que se te factura la cifra del proveedor en lugar de un margen que la oculta.

El DSL de enrutamiento es lo que hace explícita la repartición: envía el grueso del tráfico de clasificación y extracción de solo texto a GLM 5.3 y el trabajo multimodal o de recuperación de contexto extenso a un nivel de GPT-6, por solicitud en lugar de por trimestre, y deja que la conmutación por error automática cubra cualquiera de los dos lados. La cuestión de pesos abiertos frente a API deja de ser un compromiso arquitectónico de todo o nada y pasa a ser una regla de enrutamiento que puedes cambiar la semana que viene.

El veredicto, que es una pregunta sobre tus restricciones

Si puedes autoalojarlo, necesitas rendimiento de solo texto a escala o tienes un requisito de residencia que una API no puede satisfacer, GLM 5.3 es la respuesta, y la diferencia de precio es lo bastante grande como para financiar el trabajo de servir el modelo. Si necesitas entrada de imágenes y archivos, si la recuperación de contexto largo es crítica o si no tienes ningún interés en operar un modelo tú mismo, GPT-6 es la respuesta, y la prima compra algo concreto en lugar de una marca.

Lo que ninguna de las dos respuestas es: «GPT-6 obtiene 2,8 puntos más». Esa resta no está disponible, porque las dos cifras provienen de grupos de pares diferentes en la misma tabla —y una comparación construida sobre ella estaría citando un número como si midiera algo que no mide. Las tarjetas de tarifas son comparables. La situación de licencia es comparable, en el sentido de que es marcadamente diferente. Las filas del índice no lo son.