Muse Wonder vs GLM 5.5: Solo uno de estos modelos tiene una tarifa

No existe GLM 5.5. No hay tarjeta de modelo, ni identificador de API, ni fila de precio, ni repositorio de Hugging Face, ni página en el propio sitio de Z.ai que lleve ese nombre, y nunca la ha habido: es una forma abreviada de la comunidad que el proveedor no ha adoptado. Meta Muse Wonder, en cambio, se lanzó el 12 de octubre de 2026 con un endpoint, un precio por token publicado y dos checkpoints, y puedes invocarlo hoy. Así que una comparación literal de Meta Muse Wonder con GLM 5.5 es una comparación con un rumor. La comparación que realmente puede informar una decisión es Meta Muse Wonder frente a GLM-5.3, el buque insignia que Z.ai sí lanzó en agosto, y ese emparejamiento resulta tener una respuesta más clara que la mayoría de las comparativas directas: una diferencia de siete puntos en inteligencia frente a aproximadamente la mitad del costo por tarea completada.

Lo que existe, y lo que es solo un nombre

La disciplina que necesita esta pieza es una separación tajante entre ambas.

• Meta Muse Wonder — disponible de forma general desde el 12 de octubre de 2026 en la API de modelos de Meta como muse-wonder-1.0. $4.00 por millón de tokens de entrada, $0.20 de entrada en caché, $20.00 por millón de salida. Una ventana de contexto de 1,048,576 tokens. Razonamiento siempre activado, con niveles de esfuerzo de máximo a mínimo y con valor predeterminado medio.

• Meta Muse Wonder Full — un segundo checkpoint en el mismo lanzamiento, muse-wonder-full-1.0, con una puntuación más alta y que se vende solo dentro de una suscripción a Muse Code en lugar de por token.

• GLM-5.3 — disponible de forma general desde agosto de 2026. Anunciado el 14 de agosto, API activa alrededor del 18 de agosto, pesos abiertos publicados el 28 de agosto. $1.40 por millón de tokens de entrada, $0.234 en caché, $4.40 por millón de salida. Una ventana de 1,000,000 de tokens con 128,000 tokens de salida máxima. Texto de entrada, texto de salida. Razonamiento controlado por reasoning_effort en low, high o max, y el pensamiento no se puede desactivar.

• GLM 5.5 — nada. Sin anuncio del proveedor, sin identificador, sin pesos, sin licencia, sin puntuación.

Ese último punto no es pedantería. El interés de búsqueda en "GLM 5.5" es real, el nombre circula en capturas de pantalla de benchmarks y hilos de foros, y las páginas que responden a la consulta imprimiendo una hoja de especificaciones están inventando la especificación. La propia organización de modelos de Z.ai llega como máximo a la serie GLM-5.3, incluidos GLM-5.3-Flash y el nivel FlashX; GLM-5.4, GLM-5.5 y GLM-6 se han barajado y la compañía no ha confirmado ninguno de ellos.

De dónde viene el nombre y cuándo podría hacerse realidad

La etiqueta 5.5 se remonta a una fecha, no a un documento. Un pronóstico de analistas difundido el 25 de junio de 2026 situaba el próximo modelo insignia de Z.ai en agosto; aquello era una ventana de observación más que un compromiso del proveedor, y agosto terminó con el lanzamiento de GLM-5.3 en su lugar. Si se atiende a la cadencia real de Z.ai —aproximadamente un modelo insignia cada 54 a 70 días—, esos mismos analistas ahora proyectan el próximo lanzamiento en una ventana que abarca del 8 de octubre al 9 de noviembre de 2026, y la mayoría espera que lleve el número GLM-5.4 en lugar de GLM-5.5. Hoy es 13 de octubre y esa ventana está abierta, que es lo más concreto que cualquiera puede decir sobre el nombre.

Si llega, lo que hay que comprobar son las cosas que determinan si se trata del oponente de este artículo:

• Un identificador de API en la propia plataforma de Z.ai, no solo una entrada en la tabla de clasificación

• Un precio publicado por millón de tokens tanto en la línea de entrada como en la de salida

• Una ventana de contexto y una cifra máxima de salida

• Un repositorio de Hugging Face o una declaración explícita de que no habrá ninguno

• Una tarjeta de Artificial Analysis con fecha, ya que los listados de los agregadores van días por detrás de los lanzamientos de los proveedores

Hasta que existan tres de esos cinco, «GLM 5.5» es un término de búsqueda y GLM-5.3 es un modelo.

El verdadero enfrentamiento, en los números que lo deciden

Ponga los dos modelos en lanzamiento uno al lado del otro y el panorama resulta un intercambio directo en lugar de una sorpresa. Tenga en cuenta que las cifras de benchmark y de costos que aparecen a continuación son de Artificial Analysis, obtenidas con su propio arnés de pruebas a máximo esfuerzo, y no del material de ninguno de los proveedores.

• Índice de inteligencia — Muse Wonder (max) 52; GLM-5.3 (max) 45

• Coste por tarea del Índice de Inteligencia — Muse Wonder alrededor de $4.52; GLM-5.3 alrededor de $2.01

• Precio de entrada — Muse Wonder $4.00 por millón; GLM-5.3 $1.40, por lo que GLM-5.3 es aproximadamente un tercio del precio

• Precio de salida — Muse Wonder $20.00 por millón; GLM-5.3 $4.40, así que GLM-5.3 cuesta menos de una cuarta parte del precio

• Tokens de salida consumidos en la ejecución del índice — Muse Wonder alrededor de 130M; GLM-5.3 alrededor de 210M, frente a una mediana del tablero cercana a 140M para su clase de comparación

• Velocidad en la misma ejecución — Muse Wonder no está documentado por el evaluador en este emparejamiento; GLM-5.3 se mide en aproximadamente 66 tokens por segundo, descrito como más rápido que el promedio

• Pesos: los de GLM-5.3 se publican bajo la propia licencia de Z.ai; los de Muse Wonder no se publican en absoluto

• Superficie de entrada — Muse Wonder enumera texto, imagen, voz y video; GLM-5.3 es solo texto

• Contexto — 1,048,576 tokens en Muse Wonder frente a 1,000,000 en GLM-5.3, lo que en la práctica es una diferencia de redondeo

Dos cosas destacan. La primera es que GLM-5.3 es el modelo más barato tanto en la tarifa como en la factura de tareas completadas —alrededor de 2,25 veces más barato por tarea—, lo cual es inusual en esta categoría y vale la pena verificar en lugar de asumir: los laboratorios de pesos abiertos han estado cerrando la brecha de eficiencia de tokens, y con 210M de tokens de salida frente a los 130M de Muse Wonder, GLM-5.3 es el más hablador de los dos, pero aun así se queda en menos de la mitad del costo, puramente porque su tarifa está muy por debajo de la de Meta.

Lo segundo es lo que te cuesta la brecha de siete puntos en la dirección opuesta. En un índice compuesto que abarca un campo cuya mediana se sitúa cerca de 27, 45 y 52 son clases distintas de modelo, y la diferencia se manifiesta primero en el trabajo de horizonte largo más difícil: tareas agénticas de varios pasos, uso sostenido de herramientas y los benchmarks de tareas profesionales donde la propia tabla de Meta muestra que sus dos checkpoints se separan por 44 puntos. Si tu tarea es de esas en las que el modelo o completa el trabajo o no lo hace, siete puntos no son una diferencia de redondeo y el modelo más barato es una falsa economía. Si tu tarea es de esas en las que ambos modelos tienen éxito y pagas por volumen —clasificación, extracción, resumen, triaje inicial—, la brecha de precio es de 2,25x y la brecha del índice es invisible.

Los pesos abiertos cambian por completo la cuestión

Los pesos de GLM-5.3 llegaron el 28 de agosto bajo la licencia propia de Z.ai, y ese es el único eje de esta tabla en el que Muse Wonder no puede competir bajo ningún concepto. Muse Wonder es un modelo propietario con exactamente una vía comercial —la propia API de Meta y Muse Code— y el checkpoint Full, de mayor puntuación, no se vende por token en absoluto.

Los pesos publicados significan un checkpoint que puedes auditar, cuantizar, afinar, autoalojar o congelar en una versión que controlas. No significan un modelo ejecutable localmente: un checkpoint MoE de escala frontera es un artefacto de centro de datos, no algo que quepa en una estación de trabajo, y los términos de la licencia determinan lo que puedes hacer después con él. Pero para un equipo cuya postura de cumplimiento prohíbe enviar datos a un endpoint de terceros, la elección entre estos dos modelos no es nada reñida — uno de ellos tiene una salida.

Ser solo texto es el precio que se paga por eso. Si tu carga de trabajo incluye capturas de pantalla, vídeo o audio, GLM-5.3 queda descartado antes de que el precio entre en la conversación, y la entrada de voz y vídeo anunciada de Muse Wonder es la capacidad que hace el trabajo.

Ejecutar el patrón de lo más barato primero sin apostar todo el pipeline a ello

La respuesta práctica para la mayoría de los equipos que ven una diferencia de costos de 2,25 veces junto a una diferencia de siete puntos en la puntuación no es elegir una opción, sino secuenciarlas, y eso es un problema de enrutamiento más que un problema de modelo.

GLM-5.3 está en OrcaRouter a la tarifa de lista del propio Z.ai — 1,40 $ por millón de tokens de entrada y 4,40 $ por millón de salida, con lecturas de caché a 0,234 $, la ventana completa de un millón de tokens y el esfuerzo de razonamiento seleccionable en cada solicitud. No lleva ningún margen por nuestra parte, así que un cambio de precio de Z.ai aparece aquí el mismo día en que se anuncia, en lugar de en la siguiente renovación de contrato. Muse Wonder no está en nuestro catálogo y no vamos a fingir lo contrario; si lo quieres, la Model API de Meta es la vía.

El patrón al que invita la brecha es una cascada que prioriza lo barato: envía el tráfico de volumen a GLM-5.3, escala a un modelo de frontera solo cuando la pasada barata no sea lo bastante segura, y deja que el DSL de enrutamiento lo componga como una sola llamada en lugar de tres integraciones en tu propio código. La conmutación por error automática importa más de lo habitual en ese esquema, porque todo el diseño depende de que la ruta de escalado esté disponible cuando la primera pasada se atasca — una caída del proveedor en cualquiera de los dos tramos convierte una optimización de costes en un incidente. Muse Spark 1.2, el checkpoint de razonamiento multimodal de Meta a $1.25 de entrada y $4.25 de salida, es el otro tramo barato que vale la pena conectar si tus escalaciones son multimodales en lugar de texto.

Qué hacer esta semana

Si estás decidiendo entre estos dos modelos y no entre los modelos de este titular: elige GLM-5.3 cuando el trabajo sea de gran volumen, solo de texto, y ambos modelos vayan a tener éxito; elige Muse Wonder cuando el trabajo sea multimodal o cuando una diferencia de siete puntos en el índice sea la diferencia entre un trabajo completado y uno fallido; elige los pesos de GLM-5.3 antes que cualquiera de los dos si el autoalojamiento o la auditabilidad son un requisito estricto.

Si lo que te trajo aquí fue el nombre GLM 5.5, la instrucción honesta es esperar al identificador. Presta atención a la ventana del 8 de octubre al 9 de noviembre, y juzga la llegada por si aparecen una fila de precios y un ID de modelo de API en las propias superficies de Z.ai. Una captura de pantalla de una tabla de clasificación no es un lanzamiento, y hasta que haya una lista de tarifas no hay nada que comparar —lo cual es una respuesta más breve y más útil que una hoja de especificaciones que alguien escribió de memoria.