Cara a cara

Logotipo de GLM-5.2vsLogotipo de Kimi K3

GLM-5.2 vs Kimi K3: ¿qué modelo de IA gana en 2026?

GLM-5.2 ($4.40/1M out) y Kimi K3 ($15/1M out) están entre las modelos de IA más usadas en 2026. Con 7 votos de la comunidad, Kimi K3 va en cabeza con un 57 % de aprobación.

Veredicto rápido

En Razonamiento, GLM-5.2 y Kimi K3 empatan con 4.5/5. En presupuesto gana GLM-5.2: empieza en $4.40/1M out, frente a $15/1M out de Kimi K3.

Comparación línea a línea

Desde
$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.
$15/1M outPrecio oficial de lista de la API de Moonshot para kimi-k3: $3 por millón de tokens de entrada (fallo de caché), $0,30 por millón con acierto de caché, $15 por millón de salida incluyendo el rastro de razonamiento, precio fijo en toda la ventana de 1M de tokens (sin niveles según longitud). Mismo precio de $3/$15 en OpenRouter (el precio de caché no se muestra ahí). Un aumento de 3 veces respecto a los $0,95/$4 de Kimi K2.6. Verificado en platform.kimi.ai/docs/pricing/chat-k3 en julio de 2026.
Proveedor
Z.ai (Zhipu AI)
Moonshot AI
Ventana de contexto
1M tokens (128K max output)
1M tokens
Precio de entrada
$1.40/1M in (cache hit $0.26)
$3/1M in
Precio de salida
$4.40/1M out
$15/1M out
Modalidades
text only
text, vision, video input
Pesos abiertos
Sí
Sí
Puntuación de la multitud
50%(4)
57%(3)
Notas de la arena (1-5)
Razonamiento
4.5
4.5
Código
4.5
4.5
Escritura
3.5
4.0
Velocidad
4.0
2.0
Relación calidad-precio
4.0
3.5

Fortalezas y debilidades

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

Kimi K3

  • Puesto número 3 en el Artificial Analysis Intelligence Index (57) al lanzamiento, comparable a Claude Opus 4.8 y GPT-5.5: el laboratorio chino que más se ha acercado a la frontera cerrada estadounidense
  • 93,4% en SWE-bench Verified con el arnés independiente de Vals AI (GPT-5.6 Sol: 96,2%, Claude Fable 5: 95,0%) y puesto número 1 en el Frontend Code Arena de Arena.ai con 1679 puntos, por delante de Fable 5
  • 93,5% en GPQA Diamond (entre el 92,6% de Fable 5 y el 94,1% de GPT-5.6), 96,1% en AIME 2025, y un Elo de 1668 en trabajo agéntico de GDPval-AA v2, solo detrás de Fable 5
  • Perfil agéntico sólido: puesto número 1 en flujos de trabajo SaaS de AutomationBench-AA (53%), navegación autónoma de largo horizonte en terminal y repositorio mediante Kimi Code, y cerca de un 21% menos de tokens de salida que K2 con más inteligencia
  • $3/$15 por millón de tokens (la entrada baja a $0,30 con acierto de caché), precio fijo en toda la ventana de 1M de tokens: aún muy por debajo de los precios de la frontera cerrada estadounidense, con una API compatible con OpenAI y disponibilidad en OpenRouter
  • Entrada multimodal nativa (texto, imagen, video) y pesos abiertos publicados en Hugging Face bajo la licencia Kimi K3 de tipo MIT, lo que lo convierte en el primer modelo de frontera de pesos abiertos de clase 3 billones de parámetros
  • Un salto de precio de 3 veces respecto a Kimi K2.6 (de $0,95/$4 a $3/$15), lo que lo convierte en el modelo chino más caro lanzado hasta ahora, al precio de lista de Claude Sonnet 5: la era de “10 veces más barato que los modelos estadounidenses” terminó (alza documentada por Simon Willison)
  • Lento: 33 tokens de salida por segundo, en el puesto 145 de 190 modelos en Artificial Analysis, poco apto para uso interactivo
  • La tasa de alucinación subió de 39% (K2.6) a 51% en AA-Omniscience, ya que el modelo ahora intenta responder donde antes se habría negado (Fable 5 se ubica en un nivel comparable de 54,9%)
  • Censura política en temas sensibles en mandarín (evade preguntas sobre Xi, el PCCh, Tiananmen) y jurisdicción de Pekín para los datos de la API, un obstáculo de cumplimiento para muchos despliegues empresariales y de la UE; el UK AISI/CAISI también encontró que sus salvaguardas de ciberseguridad no lograron bloquear intentos de desarrollo de exploits durante las pruebas
  • “Pesos abiertos” que por ahora son teóricos para la mayoría: alrededor de 594 GB en MXFP4 nativo, que requieren un centro de datos multi-GPU para autoalojarlo, y la licencia Kimi K3 exige un acuerdo aparte a los revendedores de API con más de 20 M$ de ingresos anuales

Dicta tu veredicto

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

GLM-5.2$4.40/1M out
50%puntuación · 4
Kimi K3$15/1M out
57%puntuación · 3

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.

El veredicto de la arena sobre Kimi K3

Kimi K3 es el argumento más contundente hasta ahora de que la frontera ya no es exclusivamente estadounidense: puesto número 3 en Artificial Analysis, puntajes de primer nivel en GPQA y SWE-bench Verified, y el mejor ranking del sector en la arena de código frontend, todo a aproximadamente la mitad o un tercio de los precios de la frontera cerrada estadounidense. Elegirlo para codificación agéntica, trabajo frontend y automatización SaaS, donde sus benchmarks son más sólidos, o si la hoja de ruta contempla autoalojar un modelo de clase frontera una vez publicados los pesos. Evitarlo para productos interactivos (33 tokens por segundo es lento), para cualquier cosa que involucre contenido políticamente sensible o requisitos estrictos de residencia de datos en la UE (censura en mandarín, jurisdicción de Pekín), y para búsquedas de alta precisión, donde su tasa de alucinación del 51% en AA-Omniscience exige una capa de verificación. Los equipos obsesionados con el costo deben notar que DeepSeek V4 todavía entrega muchos más tokens por dólar: la propuesta de K3 es la máxima capacidad por dólar, no el token más barato.

Lo que dice la multitud

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.”

Sobre Kimi K3

Capitán Churn

“Tried it for our knowledge-base assistant and the hallucination rate is real: it confidently invented two API endpoints in one afternoon. 33 tokens per second on top of that. Back to waiting for the open weights to fine-tune.”

Pulgar de Oro Maximus

“Our Zapier-style automation stack runs on it now. Tool orchestration that GPT-5.5 fumbled works reliably, and the cache-hit pricing makes repeated workflows genuinely cheap.”

San Deployus

“The Frontend Arena ranking is deserved. Gave it the same dashboard spec I gave Fable 5 and K3's React came out cleaner, with fewer invented props. At $3/$15 through OpenRouter it was a drop-in swap.”

Preguntas frecuentes

¿Es GLM-5.2 mejor que Kimi K3?

La multitud se inclina hoy por Kimi K3: el 57 % lo recomienda, frente al 50 % de GLM-5.2 (7 votos). 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, GLM-5.2 o Kimi K3?

GLM-5.2 es más barata: empieza en $4.40/1M out, mientras que Kimi K3 empieza en $15/1M out.

¿Cuánto cuestan GLM-5.2 y Kimi K3 por millón de tokens?

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. Kimi K3: $3/1M in por millón de tokens de entrada, $15/1M out por millón de tokens de salida.