Step 5 Preview vs GLM-5.2: un historial de cuatro meses frente a un endpoint de dos semanas de antigüedad

Pídele a un ingeniero en activo que elija entre Step 5 Preview y GLM-5.2 y la mayoría se decantará por el más nuevo, porque el más nuevo es más barato por token y obtiene diez puntos más en la tabla independiente. Pídele al mismo ingeniero que lo ponga delante de usuarios de pago y la respuesta se vuelve más difícil, porque uno de estos modelos ha estado soportando tráfico de producción desde 16 de junio de 2026 y el otro se lanzó el 20 de septiembre de 2026. Step 5 Preview es el modelo más rápido, más barato, multimodal y con mayor puntuación. GLM-5.2 es el que ya tiene sus modos de fallo escritos en algún sitio por otra persona, cuyos pesos se distribuyen bajo MIT en lugar de una licencia personalizada con umbrales de ingresos, y cuya lista de tarifas no ha cambiado en cuatro meses. Ninguno de esos es un criterio de desempate que puedas poner en una hoja de cálculo, y juntos son toda la decisión. Lo que los números no pueden decirte es si algo de esto ha salido mal en el terreno: los incidentes de IA documentados y los fallos de agentes en torno a modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

La comparación de especificaciones es genuinamente desigual y vale la pena quitarla de en medio primero, porque el argumento a favor de GLM-5.2 no es un argumento de especificaciones. El modelo de Z.ai es solo texto, 753 mil millones de parámetros en total con aproximadamente 40 mil millones activos por token, limitado a 128.000 tokens de salida, y con un precio de $1.40 por millón de entrada y $4.40 por millón de salida. El de StepFun cuesta $1.00 y $2.70, acepta video además de texto e imágenes, limita una respuesta a 64k, y tiene 27 mil millones de parámetros activos. En los números que un comprador ve primero, StepFun gana en cinco de seis filas.

Cada fila del contraste

• Precio de entrada — Step 5 Preview $1.00 por millón de tokens frente a GLM-5.2 $1.40, una ventaja del 29% para StepFun

• Precio de salida — $2.70 frente a $4.40, una ventaja del 39 %, y el medidor que domina la factura de un agente

• Entrada en caché — Step 5 Preview $0.10 por millón, un descuento del 95 % frente a GLM-5.2 $0.26, un descuento del 81 %

• Coste por tarea completada de Intelligence Index — Step 5 Preview, unos $0,71 frente a los $2,01 de GLM-5.2, lo que combina la verbosidad y el comportamiento de la caché en un solo número y es la lectura menos favorecedora de la ficha de StepFun en toda esta comparación

• Puntuación independiente — Step 5 Preview 44 vs GLM-5.2 34 en el Artificial Analysis Intelligence Index v4.3.2, donde la página de GLM-5.2 también lleva un marcador de obsolescencia

• Contexto y salida — 1M de tokens de contexto para ambos; 64k de salida máxima para Step 5 Preview frente a 128K para GLM-5.2

• Modalidad — Vista previa del Paso 5: texto, imágenes y video de entrada, texto de salida frente a GLM-5.2: texto de entrada, texto de salida, sin ninguna ruta de imagen en absoluto

• Arquitectura — Step 5 Preview, mezcla de expertos dispersa, 600B en total y 27B activos frente a GLM-5.2, 753B en total con aproximadamente 40B activos, una cifra de parámetros activos que Z.ai no declara en la tarjeta del modelo y que los listados de terceros proporcionan

• Licencia — StepFun Model License 1.0, una concesión personalizada con un desencadenante de atribución y umbrales de licencia comercial por separado frente a GLM-5.2 bajo MIT, sin umbral, sin requisito de atribución y sin vía de negociación para el modelo

• Pesos — ambos descargables; Step 5 Preview en FP8 y BF16 desde el día de su lanzamiento, además de una compilación NVFP4 publicada el 14 de octubre de 2026 frente a GLM-5.2 en BF16 y FP8 a través de la zai-orgorganización

• Estabilidad de tarifas — Step 5 Preview sin cambios desde el 20 de septiembre frente a GLM-5.2 sin cambios desde el 16 de junio

Dos notas antes de que esas filas se lean demasiado. La brecha entre 44 y 34 no es la misma comparación que parece. GLM-5.2 se lanzó en junio con una cifra de índice destacada de 51, que se produjo bajo una revisión anterior del mismo índice; desde entonces, Artificial Analysis ha reformulado la escala, y el 34 de arriba es la lectura de la revisión actual de un modelo que el evaluador ahora marca como obsoleto. Citar 51 frente a 44 sería comparar dos reglas distintas, y es, con diferencia, el error más común en la cobertura de este enfrentamiento. Segundo, el modelo de StepFun tiene una sola configuración puntuada —un único 44 en un ajuste de esfuerzo—, mientras que GLM-5.2 se ha medido a lo largo de una ventana más amplia, así que la cifra del modelo más nuevo es un punto, mientras que la del más antiguo se acerca más a un perfil.

La diferencia de licencia es la que sobrevive al contacto con una revisión legal

Ambos modelos se describen como de pesos abiertos, y los dos documentos no son equivalentes. GLM-5.2 es MIT. Esa es una licencia que un abogado lee una vez y aprueba para siempre: usar, modificar, distribuir, sublicenciar, vender, sin obligación de atribución, sin umbral de usuarios, sin acuerdo por separado para ningún modelo de negocio que no raye en el absurdo. Los pesos se publican a través de la propia organización de Z.ai en Hugging Face, en BF16 y FP8, la tarjeta del modelo no declara límites regionales, y no hay ninguna cláusula en ella que una startup tenga que modelar antes de poder planificar un producto.

Los términos de Step 5 Preview son más permisivos que no publicar los pesos y más restrictivos que MIT, y la diferencia no es retórica. La StepFun Model License 1.0 otorga un derecho perpetuo, mundial, libre de regalías y no exclusivo de usar, copiar, distribuir, sublicenciar, modificar y crear obras derivadas, con una concesión de patente correspondiente. Se aplican dos condiciones. Un producto o servicio comercial que incorpore el modelo y que supere los 100 millones de usuarios activos mensuales o los 20 millones de dólares de ingresos en cualquier mes calendario debe mostrar "Powered by StepFun AI" de forma destacada en la interfaz del producto y en el acuerdo de usuario. Un fabricante de hardware o propietario de una marca que distribuya las capacidades del modelo en dispositivos, o una empresa de modelo como servicio cuyos ingresos combinados superen los 20 millones de dólares en cualquier período de doce meses, necesita una licencia comercial por separado. El uso interno que no exponga el modelo ni sus capacidades a un tercero queda dentro de la concesión sin nada de eso.

For a team building an internal tool, this difference costs nothing and the argument for GLM-5.2 on licence grounds is weak. For a team building a hosted product with a revenue curve they expect to cross $20 million, it is the difference between a legal checkbox and a line item with a counterparty attached, and it is the kind of thing that gets discovered after the architecture is committed. The honest framing is that StepFun's licence is a standard shape — Llama and other open-weight licences use similar thresholds — and that MIT is simply a shorter conversation.

Lo que realmente vale una trayectoria

GLM-5.2 ha estado en el mundo desde mediados de junio. En ese tiempo, se ha ejecutado dentro de arneses de agentes, ha sido reproducido por hosts y revisores externos, ha acumulado modos de fallo reportados públicamente y ha tenido dos sucesores lanzados sobre él: GLM-5.3 el 18 de agosto de 2026, sobre los mismos pesos base, y GLM-5.5 después. Z.ai nunca retiró los precios ni retiró los pesos. Ese último punto es más importante de lo que parece: el riesgo práctico de adoptar un modelo más antiguo no es que sea peor, sino que deje de tener soporte mientras aún lo estás ejecutando, y GLM-5.2 ya ha sobrevivido a dos renovaciones generacionales con su tabla de tarifas intacta.

El historial operativo de Step 5 Preview se mide en semanas, y lo que le falta concretamente es lo menos glamoroso: un conjunto de informes sobre cómo se comporta bajo carga sostenida, con alta concurrencia, con prompts patológicos y durante una ventana lo bastante larga como para que se haya producido y se haya detectado una regresión por parte del proveedor. Ni la tarjeta de modelo de StepFun ni su documentación son un sustituto de eso, y la propia tabla de benchmarks del proveedor —presentada como imagen en lugar de como texto citable— no es una medición independiente de nada. Los dos harnesses sí tienen números asociados: StepFun indica los ajustes con los que evaluó, incluidos una temperatura de 1.0, top-p de 0.95, top-k de 0 y el harness SWE-agent para DeepSWE v1.1. Eso es más divulgación de la que ofrecen muchas tarjetas de lanzamiento. Aun así, sigue siendo el proveedor calificando su propio trabajo.

Hay una estrecha excepción en la que los números del modelo más nuevo son genuinamente independientes y dignos de confianza: el 44 en el Intelligence Index, que es la única puntuación neutral que tiene Step 5 Preview, junto con los aproximadamente 0,71 $ por tarea de índice completada y la etiqueta de «muy verboso» del evaluador en su ejecución de la suite de 160 millones de tokens. Trata el 44 como un único número bien documentado y no como un perfil. Trata la etiqueta de verbosidad como lo más probable que te perjudique, porque es una afirmación sobre el coste y no sobre la calidad, y aparece en todas las facturas.

Donde la elección realmente recae

Elige GLM-5.2 si alguna de estas condiciones es cierta. Necesitas una licencia MIT sin umbrales, porque de lo contrario tu equipo legal le dedicará un trimestre. Necesitas una respuesta única de 128,000 tokens, que el modelo de Z.ai proporciona y el de StepFun no ofrece a ningún precio. Estás ejecutando una carga de trabajo de texto y código en la que un modelo con cuatro meses de historial público en producción vale más que diez puntos de índice, porque prefieres heredar la lista de errores de otro antes que generar la tuya. O necesitas la opción autoalojada más barata posible y un Mixture-of-Experts de 753B con un diseño de atención dispersa IndexShare publicado que, según Z.ai, reduce los FLOPs por token aproximadamente 2.9 veces a contexto completo, y tienes la intención de implementarlo de verdad en lugar de llamarlo.

Elige Step 5 Preview si la carga de trabajo quiere vídeo, o si la brecha de diez puntos en el índice es la diferencia entre una demo que funciona y una que no, o si simplemente quieres el token más barato de la página y estás dispuesto a ser un adoptante temprano. La capacidad de vídeo es real pero no está puntuada — StepFun documenta entrada MP4, QuickTime y Matroska por URL, Base64 o una referencia de Files API, con archivos basados en URL de menos de 128 MB y una duración recomendada de menos de cinco minutos, y no existe ninguna evaluación independiente de ella. Eso lo convierte en una razón para hacer una prueba en lugar de una razón para comprometerse, y lo mismo ocurre con todo el modelo: sus filas más sólidas son aquellas de las que su propio proveedor es la única fuente, y su fila más fiable —el índice— es aquella en la que no pierde contra nada y gana por diez.

Las dos propuestas tampoco son igualmente arriesgadas en la otra dirección. Elegir el modelo más antiguo te cuesta capacidad que puedes medir. Elegir el más nuevo te cuesta una incógnita que no puedes medir, y la manera de acotar una incógnita es no apostar a ella la ruta de producción. Ese es el argumento a favor de ejecutar Step 5 Preview detrás de un fallback en lugar de en sustitución de algo: dirige una porción del tráfico hacia él, mantén GLM-5.2 o cualquier otra cosa en la que confíes como fallback, y deja que decida el coste por tarea completada en lugar del precio de etiqueta. En OrcaRouter, GLM-5.2 está en z-ai/glm-5.2 al precio de lista de Z.ai con 0 % de recargo — $1.40 y $4.40 con la lectura de caché de $0.26 transferida sin cambios — y, como la transferencia es el propio precio del proveedor, un cambio de tarifa de Z.ai llega a tu factura el mismo día en que se aplica, en lugar de en el siguiente ciclo.La conmutación automática por error es lo que hace seguro un periodo de prueba de dos semanas de un endpoint desconocido: el modelo de prueba falla, la solicitud no.

Step 5 Preview no está en el catálogo en vivo de OrcaRouter, y la instrucción honesta es llamarlo a través de la propia plataforma de StepFun o autoalojarlo a partir de los checkpoints publicados en FP8, BF16 o NVFP4. Para esta comparación en particular, eso no supone una gran pérdida, porque la razón para elegirlo en lugar de GLM-5.2 es que quieres ser de los primeros, y ser de los primeros normalmente significa convivir con un solo proveedor de todos modos.

Lo único que zanjaría esta comparación no es un benchmark. Es el tiempo. En tres meses, Step 5 Preview tendrá lo que GLM-5.2 tiene ahora: un registro público de cómo se comporta bajo la carga de otras personas, con la concurrencia de otras personas, en los casos de fallo de otras personas. Hasta entonces, la elección entre estos dos modelos tiene menos que ver con cuál es mejor y más con qué tipo de evidencia estás dispuesto a usar: la evidencia que heredaste, o la evidencia que generas tú mismo.