GLM-5.1, el modelo de Zhipu AI (Z.ai) en cifras
GLM-5.1 en cifras: precio por token, ventana de contexto, puntuaciones en pruebas independientes y modelos comparables, según datos públicos consultados el 22 de octubre de 2026.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Fabricante | Zhipu AI (Z.ai) |
|---|---|
| Lanzamiento | 7 de abril de 2026 |
| Ventana de contexto | 200.000 tokens (≈ 300 páginas) |
| Respuesta máxima | 131.072 tokens |
| Precio de entrada | 0,90 US$ por millón de tokens (tarifa del fabricante) |
| Precio de salida | 3,59 US$ por millón de tokens |
| Pesos abiertos | Sí |
| Modo razonamiento | Sí |
| Llamada a herramientas | Sí |
| Salida estructurada (JSON) | Sí |
| Entradas aceptadas | texto |
| Proveedores que lo ofrecen | 55 |
| Índice de capacidad | 70,9 / 100 |
| Parámetros | 753,9 mil millones |
| Licencia | mit |
| Descargas en Hugging Face (30 días) | 598.053 |
GLM-5.1 en breve
GLM-5.1 es un modelo de lenguaje de Zhipu AI (Z.ai), lanzado el 7 de abril de 2026. Tiene, por tanto, 6 meses a 22 de octubre de 2026. Es un modelo de pesos abiertos: puede alojarlo usted mismo en una infraestructura que controla, y además lo ofrecen 55 proveedores de API recogidos en models.dev. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero.
Lo clasificamos entre los modelos de pesos abiertos (68 modelos de esta categoría en el sitio).
Rendimiento medido
Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), GLM-5.1 obtiene un índice de capacidad de 70,9 sobre 100, calculado con 5 pruebas de nuestra cesta.
No figura entre los 30 primeros del ranking semanal.
- GPQA Diamond (preguntas de ciencias de nivel doctorado): 89,9 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 96,4 %
- OTIS Mock AIME (problemas de matemáticas de competición): 93,3 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
- FrontierMath (matemáticas de investigación muy difíciles): 36,8 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %
- SWE-bench Verified (corrección de errores reales de software): 74,2 % — el mejor modelo seguido, Claude Opus 4.7, alcanza 83,5 %
Lo que sabe hacer
Su ventana de contexto alcanza 200.000 tokens, unas 300 páginas de texto a 500 palabras por página: suficiente para un informe largo o varios contratos a la vez. Una respuesta puede llegar a 131.072 tokens.
Acepta como entrada: texto.
Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.
Los pesos están publicados en Hugging Face (zai-org/GLM-5.1): 753,9 mil millones de parámetros, licencia mit y 598.053 descargas en los últimos 30 días. Vea también nuestra selección de modelos open source.
¿Cuánto cuesta GLM-5.1?
GLM-5.1 cuesta 0,90 US$ por millón de tokens de entrada y 3,59 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).
En la práctica, una tarea de agente que lee 20 000 tokens y escribe 2000 cuesta unos 0,025 US$, es decir, 25,1 US$ por 1000 tareas de este tipo.
Son 3,6 veces el precio de salida mediano de los modelos de pesos abiertos (1 US$).
Los tokens leídos desde la caché cuestan 0,19 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.
Para estimar su propio presupuesto, use la calculadora de coste de un agente.
¿A quién va dirigido?
Por su categoría, GLM-5.1 está pensado sobre todo para los proyectos en los que quiere controlar sus datos o el alojamiento, o adaptar el modelo a su sector.
Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.
¿Con qué sustituirlo?
En la misma categoría, los modelos más cercanos a GLM-5.1 son:
- GLM-5.2 (Zhipu AI (Z.ai), índice 70,5)
- GLM-5.3-Flash (Zhipu AI (Z.ai), índice 71,9) — ver la comparativa
- DeepSeek V4 Pro 0813 (DeepSeek, índice 72,2) — ver la comparativa
- Qwen3.6 27B (Alibaba Cloud (Qwen), índice 72,2) — ver la comparativa
Puntuaciones en pruebas independientes
| Prueba | Qué mide | Puntuación |
|---|---|---|
| GPQA Diamond | preguntas de ciencias de nivel doctorado | 89,9 % |
| OTIS Mock AIME | problemas de matemáticas de competición | 93,3 % |
| FrontierMath | matemáticas de investigación muy difíciles | 36,8 % |
| SWE-bench Verified | corrección de errores reales de software | 74,2 % |
| APEX-Agents | tareas profesionales realizadas por un agente | 40,9 % |
Modelos parecidos
- GLM-5.2 · Zhipu AI (Z.ai) · índice 70,5
- GLM-5.3-Flash · Zhipu AI (Z.ai) · índice 71,9 · Comparar GLM-5.1 y GLM-5.3-Flash
- DeepSeek V4 Pro 0813 · DeepSeek · índice 72,2 · Comparar GLM-5.1 y DeepSeek V4 Pro 0813
- Qwen3.6 27B · Alibaba Cloud (Qwen) · índice 72,2 · Comparar GLM-5.1 y Qwen3.6 27B
Comparativas
Otros modelos de Zhipu AI (Z.ai)
Preguntas frecuentes
¿Cuánto cuesta GLM-5.1?
A 22 de octubre de 2026, GLM-5.1 cuesta 0,90 US$ por millón de tokens de entrada y 3,59 US$ por millón de tokens de salida (tarifa del fabricante). Una tarea que lee 20 000 tokens y escribe 2000 cuesta unos 0,025 US$.
¿Cuál es la ventana de contexto de GLM-5.1?
200.000 tokens, unas 300 páginas de texto. Una respuesta puede llegar a 131.072 tokens.
¿GLM-5.1 es open source?
Sus pesos están publicados con licencia mit: puede instalarlo en sus propios servidores. Revise la licencia antes de un uso comercial.
¿Qué tal rinde GLM-5.1?
Su índice de capacidad es de 70,9 sobre 100 (5 pruebas, datos de Epoch AI).
¿Se puede crear un agente con GLM-5.1?
Sí: sabe llamar a herramientas y devolver JSON estructurado, las dos piezas básicas de un agente.
Fuentes de los datos
- Models.dev — Datos de modelos: models.dev (proyecto de código abierto)
- OpenRouter — Precios de mercado contrastados con OpenRouter
- Epoch AI — AI Benchmarking Hub — Epoch AI, «AI Benchmarking Hub», epoch.ai, CC BY 4.0
- Epoch AI — Data on AI Models — Epoch AI, «Data on AI Models», epoch.ai, CC BY 4.0
- Hugging Face Hub — Datos: Hugging Face Hub
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.