Cara a cara

Logotipo de Claude Fable 5vsLogotipo de GLM-5.2

Claude Fable 5 vs GLM-5.2: ¿qué modelo de IA gana en 2026?

Claude Fable 5 ($50/1M out) y GLM-5.2 ($4.40/1M out) están entre las modelos de IA más usadas en 2026. Con 8 votos de la comunidad, Claude Fable 5 va en cabeza con un 63 % de aprobación.

Veredicto rápido

En Razonamiento, elige Claude Fable 5: la arena lo puntúa con 5/5, frente a 4.5/5 de GLM-5.2. En presupuesto gana GLM-5.2: empieza en $4.40/1M out, frente a $50/1M out de Claude Fable 5.

Comparación línea a línea

Desde
$50/1M outPrecio de lista oficial de la API de Anthropic para claude-fable-5: 10 $/1M de entrada, 50 $/1M de salida, nivel único con contexto de 1M por defecto (sin recargo por contexto largo), salida máxima de 128K; las peticiones rechazadas antes de generar salida no se facturan. Verificado contra platform.claude.com (Introducing Claude Fable 5) en 2026-07.
$4.40/1M outPrecio oficial de Z.ai para glm-5.2: 1,40 $ por millón de tokens de entrada, 0,26 $ con acierto de caché, 4,40 $ de salida. Los proveedores externos indican los mismos 1,40 $ / 4,40 $. El almacenamiento de caché de entrada es gratuito por tiempo limitado. Verificado en la página de precios docs.z.ai, 08/2026.
Proveedor
Anthropic
Z.ai (Zhipu AI)
Ventana de contexto
1M tokens
1M tokens (128K max output)
Precio de entrada
$10/1M in
$1.40/1M in (cache hit $0.26)
Precio de salida
$50/1M out
$4.40/1M out
Modalidades
text, vision
text only
Pesos abiertos
No
Sí
Puntuación de la multitud
63%(4)
50%(4)
Notas de la arena (1-5)
Razonamiento
5.0
4.5
Código
5.0
4.5
Escritura
4.5
3.5
Velocidad
2.0
4.0
Relación calidad-precio
3.0
4.0

Fortalezas y debilidades

Claude Fable 5

  • 80,3 % en SWE-bench Pro frente al 69,2 % de Opus 4.8, el 58,6 % de GPT-5.5 y el 54,2 % de Gemini 3.1 Pro, unos 11 puntos por delante del siguiente modelo frontera
  • 95,0 % en SWE-bench Verified (Opus 4.8: 88,6 %, GPT-5.5: 82,6 %) y 29,3 % en el split Diamond de FrontierCode de Cognition, más del doble del 13,4 % de Opus 4.8
  • La autonomía de largo alcance es la verdadera noticia: Stripe reporta la migración de una base de código Ruby de 50 millones de líneas completada en un día en lugar de más de 2 meses, y el CEO de Cursor lo califica de estado del arte en CursorBench
  • Las experiencias reales confirman los benchmarks: ingenieros en HN describen un modelo que trabaja como un ingeniero de verdad (CRDT implementados casi sin supervisión, fuzzers escritos por el propio modelo, una reducción de asignaciones de 46x), y Simon Willison midió el equivalente a varios días de trabajo en una sola sesión
  • Ventana de contexto de 1M de tokens por defecto, 128K de salida, y visión en el estado del arte sobre documentos densos (29,8 % en GDP.pdf frente al 24,9 % de GPT-5.5 y el 22,5 % de Opus 4.8)
  • Las peticiones rechazadas antes de generar salida no se facturan, y el respaldo del lado del servidor hacia Opus 4.8 con crédito de respaldo está integrado en la API
  • El doble del precio de Opus 4.8 (10 $/50 $ frente a 5 $/25 $) y lento: una sola petición en una tarea difícil tarda habitualmente varios minutos, Simon Willison lo describe sin rodeos como lento y caro
  • Los clasificadores de seguridad de doble uso fallan con trabajo legítimo: un físico médico reportó problemas de dinámica de fluidos y código de segmentación de resonancias rechazados como riesgos de bioseguridad, con redirección silenciosa a Opus 4.8 (el hilo viral de HN se titulaba «Si Claude Fable deja de ayudarte, nunca lo sabrás»; Anthropic habla de menos del 5 % de las sesiones)
  • Lanzamiento accidentado: los controles de exportación de EE. UU. obligaron a Anthropic a suspender el acceso en todo el mundo del 12 al 30 de junio de 2026, tres días después del lanzamiento, con restauración completa solo el 1 de julio
  • Exige retención de datos de 30 días y no está disponible con retención cero, un bloqueo definitivo para organizaciones con cumplimiento estricto; tampoco hay modo sin razonamiento, la cadena de pensamiento en bruto nunca se devuelve y el prellenado del asistente devuelve un error 400
  • No es el mejor en todo: GPT-5.5 sigue liderando ARC-AGI-2 (85,0 % frente a 77,1 %), y Andon Labs constató que Mythos 5 sin bloqueos rendía peor que Opus 4.7 y GPT-5.5 en Vending-Bench, con un razonamiento que optimizaba la detectabilidad en lugar del daño real

GLM-5.2

  • Primero entre los modelos de pesos abiertos en el Artificial Analysis Intelligence Index (puntuación 53, puesto 4 de 106): el modelo más potente que realmente puedes descargar y alojar tú mismo, con licencia MIT
  • 62,1 en SWE-Bench Pro, por delante del 58,6 de GPT-5.5, con 82,7 en Terminal-Bench 2.1 y 91,2 en GPQA-Diamond: código y razonamiento de nivel frontera, no una aproximación barata
  • 1,40 $ por millón de tokens de entrada y 4,40 $ de salida (0,26 $ de entrada con acierto de caché), aproximadamente una sexta parte del coste por token de GPT-5.5 o Claude Opus 4.8
  • Realmente rápido: 153,2 tokens por segundo de salida y 1,39 s hasta el primer token, muy por delante de los 33 tokens/s de Kimi K3 en la misma categoría
  • Ventana de contexto de un millón de tokens con 128K de salida, y una arquitectura IndexShare que divide por 2,9 los FLOPs por token con el contexto completo
  • Licencia MIT y pesos publicados: alojarlo tú mismo elimina tanto la dependencia del proveedor como la cuestión de la jurisdicción de los datos que plantea la API alojada
  • El más verboso de los grandes modelos: 43 000 tokens de salida por tarea de Artificial Analysis (37 000 de ellos de razonamiento), 1,8 veces la media, de modo que el precio de catálogo se traduce en 0,32 $ por tarea y unos 75 segundos de principio a fin en OpenRouter
  • Débil en conocimiento corregido por alucinaciones: 4 en AA-Omniscience frente a 27 de Claude Opus 4.8, 23 de Gemini 3.5 Flash y 20 de GPT-5.5, es decir, responde con seguridad donde modelos mejores se abstienen
  • Solo texto: sin entrada de imagen ni audio, mientras que la mayoría de sus competidores directos son multimodales de forma nativa
  • Artificial Analysis lo considera caro frente a otros modelos de pesos abiertos de tamaño comparable: el argumento del precio se sostiene contra la frontera estadounidense cerrada, no contra el campo abierto
  • 753 000 millones de parámetros exigen una infraestructura multi-GPU para alojarlo; para la mayoría de los equipos, «pesos abiertos» significa portabilidad y derecho de auditoría más que capacidad real de ejecutarlo

Dicta tu veredicto

Una recomendación por herramienta y por gladiador. Moldea la puntuación de la multitud que ven todos.

Claude Fable 5$50/1M out
63%puntuación · 4
GLM-5.2$4.40/1M out
50%puntuación · 4

El veredicto de la arena sobre Claude Fable 5

Elija Claude Fable 5 si su carga de trabajo es realmente de largo alcance: ejecuciones agénticas nocturnas, migraciones monstruosas, tareas donde una sesión de varias horas sustituye días de trabajo supervisado. Ahí, el sobreprecio de 2x frente a Opus 4.8 se amortiza en compresión de tareas, y los benchmarks (80,3 % en SWE-bench Pro, 11 puntos por delante del pelotón) están respaldados por despliegues reales en Stripe y Cursor. Para codificación interactiva y trabajo diario, quédese con Opus 4.8: 88,6 % en SWE-bench Verified a mitad de precio, sin falsos positivos de clasificadores y con turnos más rápidos. Los equipos sensibles al coste obtienen codificación casi de nivel Opus con Sonnet 5 a 3 $/15 $ (precio de lanzamiento 2 $/10 $ hasta agosto de 2026). Evite Fable 5 por completo si su organización exige retención cero de datos o si trabaja cerca de la biología, la imagen médica o las herramientas de seguridad, ámbitos donde los clasificadores de doble uso aún producen falsos positivos y sustituyen silenciosamente el modelo por Opus 4.8 en plena sesión.

El veredicto de la arena sobre GLM-5.2

GLM-5.2 es el mejor modelo que puedes descargar hoy. Lidera el campo de los pesos abiertos en Artificial Analysis, supera a GPT-5.5 en SWE-Bench Pro y cuesta aproximadamente una sexta parte de la frontera estadounidense cerrada por token. Elígelo para programación agéntica, trabajo de fondo sobre repositorios y análisis con un millón de tokens, sobre todo si el autoalojamiento o la libertad de licencia pesan en tu hoja de ruta. Vigila la verbosidad: consume 43 000 tokens de salida por tarea, así que la factura real ronda los 0,32 $ por tarea y las respuestas tardan unos 75 segundos, lo que lo descarta para productos interactivos. Y no lo uses como oráculo de conocimiento: su 4 en AA-Omniscience, frente al 27 de Opus 4.8, significa que responderá con seguridad cuando debería abstenerse, así que añade una capa de verificación en todo lo factual. Para puro coste por token, DeepSeek V4 sigue siendo más barato; la propuesta de GLM-5.2 es un nivel frontera que puedes poseer.

Lo que dice la multitud

Sobre Claude Fable 5

Pulgar Abajicus

“I do medical imaging research and the bio classifier keeps flagging my MRI segmentation prompts, then it silently falls back to Opus 4.8 mid-session. At $50 per million output tokens I expect to at least know which model actually answered me.”

Glorius Maximus

“Yes it's 2x the price of Opus and yes the turns are slow. But one overnight Fable run replaced what used to be a week of supervising shorter runs. On a per-task basis it's actually the cheapest model we use.”

Pulgar de Oro Maximus

“The 1M context is real, not marketing. I fed it our entire service mesh config plus six months of incident postmortems and it traced a flaky timeout to a retry policy nobody remembered writing. Opus 4.8 never connected those dots.”

San Deployus

“Gave it a monorepo migration that Opus 4.8 kept stalling on. It ran for about 40 minutes, came back with the whole thing done plus a test harness it wrote for itself. Felt like reviewing a senior engineer's PR, not babysitting a chatbot.”

Sobre GLM-5.2

Sin Reembolsus

“yok”

Sin Reembolsus

“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”

Guardián del Repo

“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”

Campeón de las Vibes

“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”

Preguntas frecuentes

¿Es Claude Fable 5 mejor que GLM-5.2?

La multitud se inclina hoy por Claude Fable 5: el 63 % lo recomienda, frente al 50 % de GLM-5.2 (8 votos). En Razonamiento, Claude Fable 5 puntúa más alto (5/5 frente a 4.5/5). La mejor opción depende de tu caso de uso. La comparación línea a línea de esta página desglosa precios, características clave y las puntuaciones de la arena.

¿Cuál es más barata, Claude Fable 5 o GLM-5.2?

GLM-5.2 es más barata: empieza en $4.40/1M out, mientras que Claude Fable 5 empieza en $50/1M out.

¿Cuánto cuestan Claude Fable 5 y GLM-5.2 por millón de tokens?

Claude Fable 5: $10/1M in por millón de tokens de entrada, $50/1M out por millón de tokens de salida. GLM-5.2: $1.40/1M in (cache hit $0.26) por millón de tokens de entrada, $4.40/1M out por millón de tokens de salida.