GLM-5.3 (Z.AI) — grandes saltos en benchmarks de código y ciberseguridad, pero los pesos abiertos que hicieron populares a sus predecesores todavía no están disponibles

Z.AI publicó el 14 de agosto de 2026 GLM-5.3, la última entrega de su familia de modelos GLM, con la misma arquitectura base que GLM-5.2 pero sometida a un post-entrenamiento mucho más extenso. El resultado, según los propios benchmarks de Z.AI, es un salto notable en tareas de terminal, desarrollo agéntico y ciberseguridad ofensiva -- pero con una diferencia importante frente a sus tres predecesores directos: de momento no hay pesos abiertos que descargar.

Saltos de benchmark que sí son grandes, no ruido de versión menor

Los números que reporta Z.AI son llamativos por la magnitud del salto, no solo por la dirección: Terminal-Bench 3.0 pasa de 4,6 en GLM-5.2 a 28,3 en GLM-5.3, y DeepSWE v1.1 sube de 46,2 a 66,9. Son mejoras de varias veces el valor anterior, no el tipo de incremento marginal que suele acompañar a una versión .3 sobre una arquitectura sin cambios. En CyberGym, el benchmark de ciberseguridad ofensiva, GLM-5.3 marca 84,5%, por delante de Claude Mythos 5 (83,8%) y GPT-5.6 Sol (83,6%) -- competir con dos modelos de frontera cerrados de referencia en esa métrica concreta es un resultado a tener en cuenta, con la salvedad de que la cifra es autoreportada por Z.AI y todavía no hay comparativa independiente que la confirme.

El listón que GLM-5.2 dejó marcado -- pesos MIT casi de inmediato -- es exactamente el que GLM-5.3 todavía no ha alcanzado

GLM-5, GLM-5.1 y GLM-5.2 se publicaron con pesos completos bajo licencia MIT, disponibles para autoalojar poco después de cada lanzamiento -- el mismo patrón que ha hecho populares a los modelos de esta familia entre quien monta IA local en su homelab. GLM-5.3 rompe esa cadencia: Z.AI ha anunciado que el acceso más amplio, incluyendo pesos, llegará "por fases" en las semanas posteriores al lanzamiento, sin una fecha exacta confirmada a día de hoy. Para cualquiera que quisiera probar este modelo concreto en su propio hardware, la respuesta por ahora es que no se puede -- solo existe acceso vía API.

Por qué esto importa más de lo que parece para nuestra audiencia

Buena parte del atractivo de la familia GLM en El Rack, igual que con DeepSeek o Qwen, no es solo el rendimiento en benchmarks sino la posibilidad de ejecutarlo en infraestructura propia, sin depender de la API de nadie ni enviar datos fuera de casa. Mientras los pesos de GLM-5.3 no lleguen, ese es exactamente el uso que queda fuera de alcance -- el modelo puede ser tan bueno como prometen sus benchmarks, pero solo es evaluable como cualquier otro modelo cerrado de pago.

Qué hacer mientras tanto

Si tu interés es exclusivamente de rendimiento vía API y no te importa la dependencia de terceros, GLM-5.3 merece probarse ya, sobre todo si tu caso de uso pasa por tareas de terminal o desarrollo agéntico. Si lo que buscas es un modelo de este calibre para autoalojar, la recomendación por ahora sigue siendo GLM-5.2 -- con pesos ya disponibles y benchmarks más modestos pero reales y verificables en tu propio hardware -- hasta que Z.AI confirme cuándo llegan los pesos de 5.3.