Cara a cara

Logotipo de Gemini 3 ProvsLogotipo de GLM-5.3

Gemini 3 Pro vs GLM-5.3: ¿qué modelo de IA gana en 2026?

Gemini 3 Pro ($12/1M out (prompts ≤200K)) y GLM-5.3 ($4.40/1M out) están entre las modelos de IA más usadas en 2026. Con 3 votos de la comunidad, Gemini 3 Pro va en cabeza con un 57 % de aprobación.

Veredicto rápido

En Razonamiento, elige Gemini 3 Pro: la arena lo puntúa con 4.5/5, frente a 3.5/5 de GLM-5.3. En presupuesto gana GLM-5.3: empieza en $4.40/1M out, frente a $12/1M out (prompts ≤200K) de Gemini 3 Pro.

Comparación línea a línea

Desde
$12/1M out (prompts ≤200K)Nivel estándar: $2/$12 por millón de tokens para prompts ≤200K, $4/$18 por encima de 200K; lotes con 50 % de descuento. Retirado el 9 de marzo de 2026; su sucesor Gemini 3.1 Pro mantiene precios idénticos.
$4.40/1M outPrecio oficial de la API de Z.ai para GLM-5.3: $1,40 por millón de tokens de entrada, $0,26 en caché, $4,40 de salida; almacenamiento de caché gratis por tiempo limitado. GLM-5.3-Flash ($0,15/$0,50) y GLM-5.3-FlashX ($0,37/$1,25) son variantes más baratas. Verificado en docs.z.ai/guides/overview/pricing el 2026-11-17.
Proveedor
Google (DeepMind)
Z.ai (Zhipu AI)
Ventana de contexto
1M tokens (64K output)
1M tokens (128K max output)
Precio de entrada
$2/1M in (prompts ≤200K)
$1.40/1M in (cache hit $0.26)
Precio de salida
$12/1M out (prompts ≤200K)
$4.40/1M out
Modalidades
text, image, audio, video in; text out
text only
Pesos abiertos
No
Sí
Puntuación de la multitud
57%(3)
50%(0)
Notas de la arena (1-5)
Razonamiento
4.5
3.5
Código
4.5
4.0
Escritura
3.5
3.5
Velocidad
3.5
3.0
Relación calidad-precio
4.0
3.5

Fortalezas y debilidades

Gemini 3 Pro

  • Lideró LMArena en su lanzamiento con un récord de 1501 Elo y logró 91,9 % en GPQA Diamond, estado del arte en su salida
  • ARC-AGI-2 de 31,1 %, unas 6x Gemini 2.5 Pro (4,9 %) y casi el doble de GPT-5.1 (17,6 %) en su momento
  • Comprensión multimodal de primera clase: 81 % en MMMU-Pro, 87,6 % en Video-MMMU, con ventana de contexto de 1M de tokens
  • Codificación agéntica sólida: 76,2 % en SWE-bench Verified, 54,2 % en Terminal-Bench 2.0, 1487 Elo en WebDev Arena
  • Rebajó a sus rivales con $2/$12 por millón de tokens, por debajo de los precios de clase Claude Sonnet ($3/$15)
  • El thinking_level configurable (low/medium/high) permite a los desarrolladores equilibrar profundidad de razonamiento, latencia y coste
  • Alucinaciones con exceso de confianza: en AA-Omniscience dio una respuesta errónea el 88 % de las veces en lugar de abstenerse, frente al 48 % de Claude Sonnet 4.5 (the-decoder)
  • Adulación ampliamente reportada por los analistas (Zvi Mowshowitz: « una vasta inteligencia sin columna vertebral »); necesita prompts de sistema estrictos
  • Problemas de fiabilidad en llamadas a herramientas en stacks de agentes: los desarrolladores reportaron salidas de herramientas volcadas al hilo de chat y más andamiaje necesario que con los modelos de OpenAI/Anthropic
  • Lento a thinking level alto: tiempo hasta el primer token medido en torno a 30-60 s en AI Studio pese a ~130 tokens/s de salida
  • Retirado: apagado en la API de Gemini y AI Studio el 9 de marzo de 2026, con gemini-3-pro-preview ahora apuntando como alias a Gemini 3.1 Pro

GLM-5.3

  • Grandes mejoras en código agéntico frente a GLM-5.2 según Z.ai: DeepSWE v1.1 sube de 46,2 a 66,9, Terminal-Bench 3.0 de 4,6 a 28,3 y Z.ai Code Bench del 23,4 % al 34,5 % usando menos tokens de salida
  • Mismo precio que GLM-5.2: $1,40 por millón de entrada ($0,26 en caché) y $4,40 de salida, con almacenamiento de caché gratis por tiempo limitado
  • Pesos descargables en Hugging Face: se puede alojar en infraestructura propia, a diferencia de los modelos cerrados estadounidenses
  • Contexto de 1 millón de tokens y hasta 128K tokens de salida, adecuado para trabajar con repositorios enteros o documentos largos
  • Buenos resultados en seguridad según Z.ai: CyberGym 84,5 % frente al 77,2 % de GLM-5.2, ExploitBench 54,4 % frente al 24,4 %
  • Llamadas a funciones, streaming, caché de contexto y salida JSON estructurada en la API oficial
  • Lejos de la frontera en pruebas independientes: 32 en el Intelligence Index v5 de Artificial Analysis, más o menos como DeepSeek-V4.1-Flash (33), que cuesta cuatro veces menos por token de salida
  • Muy verboso y lento en su esfuerzo max por defecto: 135 millones de tokens de salida para el índice, unos 60 s hasta el primer token de respuesta y $5,01 por tarea del índice según Artificial Analysis
  • Los pesos pasan de la licencia MIT de GLM-5.2 a una licencia GLM-5.3 que solo permite el uso comercial con restricciones
  • No se puede desactivar el razonamiento: las peticiones con thinking desactivado ahora fallan, lo que perjudica los usos sensibles a la latencia
  • Entrada solo de texto: ni imagen, ni audio, ni vídeo, cuando la mayoría de competidores a este precio son multimodales

Dicta tu veredicto

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

Gemini 3 Pro$12/1M out (prompts ≤200K)
57%puntuación · 3
GLM-5.3$4.40/1M out
50%puntuación · 0

El veredicto de la arena sobre Gemini 3 Pro

Un lanzamiento histórico que devolvió a Google a la cima a finales de 2025, con un salto enorme de razonamiento sobre Gemini 2.5 Pro y las mejores puntuaciones multimodales de su generación. A mediados de 2026 no hay razón para elegirlo: Google lo apagó en la API el 9 de marzo de 2026, y Gemini 3.1 Pro cuesta exactamente lo mismo mientras más que duplica el rendimiento en ARC-AGI-2 (77,1 % frente a 31,1 %). Los equipos con despliegues heredados deberían migrar a 3.1 Pro, al que de todos modos apunta ya el antiguo ID de modelo. Evítelo para cargas sensibles a alucinaciones salvo que añada grounding, una debilidad que los analistas señalaron repetidamente.

El veredicto de la arena sobre GLM-5.3

GLM-5.3 es la versión de GLM que conviene usar ahora: mismo precio que GLM-5.2, mismo modelo base, pero claramente mejor en código agéntico y seguridad según los benchmarks de Z.ai. Elígelo para agentes de código, automatización de terminal o autoalojamiento si quieres pesos descargables de un tamaño cercano a la frontera. Sé realista: Artificial Analysis le da 32, al nivel de DeepSeek-V4.1-Flash, mucho más barato y que acepta imágenes. Su razonamiento siempre activo lo hace lento (cerca de un minuto hasta el primer token de respuesta en esfuerzo max), y la nueva licencia es menos permisiva que la MIT de GLM-5.2: revisa las condiciones antes de construir un producto comercial sobre los pesos.

Lo que dice la multitud

Sobre Gemini 3 Pro

Juez Temible

“Confidently wrong is its worst mode. On AA-Omniscience it gave a wrong answer 88% of the time instead of declining. Add the sycophancy and you need a tight system prompt to trust it.”

Campeón de las Vibes

“ARC-AGI-2 at 31% was about 6x Gemini 2.5 Pro and nearly double GPT-5.1 at the time. For visual-heavy work (81 MMMU-Pro) nothing else came close.”

Glorius Maximus

“1501 Elo on LMArena at launch was deserved. Multimodal is where it kills, I feed it lecture videos and dense PDFs and it just gets it. 1M context helps.”

Sobre GLM-5.3

Aún no hay veredictos. Sé el primero en hablar.

Preguntas frecuentes

¿Es Gemini 3 Pro mejor que GLM-5.3?

La multitud se inclina hoy por Gemini 3 Pro: el 57 % lo recomienda, frente al 50 % de GLM-5.3 (3 votos). En Razonamiento, Gemini 3 Pro puntúa más alto (4.5/5 frente a 3.5/5). 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, Gemini 3 Pro o GLM-5.3?

GLM-5.3 es más barata: empieza en $4.40/1M out, mientras que Gemini 3 Pro empieza en $12/1M out (prompts ≤200K).

¿Cuánto cuestan Gemini 3 Pro y GLM-5.3 por millón de tokens?

Gemini 3 Pro: $2/1M in (prompts ≤200K) por millón de tokens de entrada, $12/1M out (prompts ≤200K) por millón de tokens de salida. GLM-5.3: $1.40/1M in (cache hit $0.26) por millón de tokens de entrada, $4.40/1M out por millón de tokens de salida.