Ir al contenido principal
Reducido — No añadimos filtro de contenido, pero este modelo solo a veces va más allá de sus propios límites, incluso con un prompt de sistema con un marco de ficción. Cuenta con rechazos y planifica reintentos. Las obligaciones legales y de consentimiento siguen siendo del cliente.

Análisis de GLM 5.3: una ventana de 1M de tokens, una moneda al aire en L4 Intenso

Elige GLM 5.3 por la llamada a herramientas y documentos largos; para escenas íntimas (L4), usa system prompt y espera una moneda al aire.

Abrir el Playground

Spicy Index

72,5/ 100

Freedom Score

63,4/ 100

Niveles de contenido

5 de 5 tipos de prueba · 34 ejecuciones

  • Suave · Las peticiones de escritura más suaves de la prueba

  • Moderado · Un escalón más arriba, aún por debajo de la mitad de la escala

  • Fuerte · Peticiones de la mitad de la escala; hay que probarlas antes de clasificar un modelo

  • Muy fuerte · Donde la mayoría de los modelos de lenguaje empiezan a frenar

  • Máximo · Las peticiones escritas más fuertes, puntuadas como una sola clase

Precio
1,61 US$ por 1 M de tokens mixtos (3 de entrada : 1 de salida)
Velocidad de salida
43 tok/s
Tasa de éxito
Recopilando datos

GLM 5.3 lee hasta 1.048.576 tokens en una sola llamada y devuelve hasta 131.072, con 128 esquemas de herramientas y salida JSON en la misma petición. En nuestra escala de contenido —L1 Sugerente (un tirante que se resbala), L2 Parcial, L3 Fuerte, L4 Intenso (una escena íntima escrita entre dos adultos) y L5 Extremo (una escena más allá de L4, ya sea un juego de sujeción e impacto o violencia gráfica entre adultos)— escribió completas 13 de 34 pruebas puntuadas el 17 y el 25 de septiembre de 2026, con la suavización concentrada en L1 Sugerente y L4 Intenso.

El veredicto

L2 Parcial se escribió limpio en las tres formulaciones que probamos, y L5 Extremo se escribió en cinco de seis pruebas. L4 Intenso es donde GLM 5.3 se vuelve difícil de predecir: pedido directamente se rechazó las tres veces, planteado como ficción volvió suavizado en las ocho pruebas que enviamos así, y solo la formulación con system prompt se escribió, e incluso entonces solo la mitad de las veces, cuatro de ocho. Curiosamente, L1 Sugerente, nuestro escalón más leve, se suavizó en cada formulación que probamos; el modelo trata «un tirante que se resbala» con más cautela que una escena completa de L5 Extremo.

Elígelo por la ventana y la forma de llamar a herramientas: un repositorio entero, una cola larga de tickets o una pila de contratos en una petición, con una respuesta estructurada que un parser puede consumir directamente. Para rol o ficción que necesite llegar a L3 Fuerte o L4 Intenso al primer intento, prevé un system prompt y espera que funcione más o menos la mitad de las veces; DeepSeek V4.1 Flash y la línea Grok escribieron esos escalones de forma más constante en nuestras pruebas.

Prueba GLM 5.3 →

Datos clave

  • Tasa de acierto: 13 de 34 pruebas puntuadas se escribieron completas entre el 17 y el 25 de septiembre de 2026; L2 Parcial y la mayor parte de L5 Extremo salieron limpios, L1 Sugerente se suavizó en cada formulación, y L4 Intenso solo se escribió con system prompt, la mitad de las veces.
  • Precio: $1.05 por millón de tokens de entrada, $0.195 en caché y $3.30 de salida, unos 25% por debajo de la tarifa publicada por Z.ai.
  • Límites: contexto de 1.048.576 tokens, respuestas de hasta 131.072 tokens (tope por defecto 32.768), entrada solo de texto, 128 esquemas de herramientas.
  • Fuentes: cada prueba puntuada está en el informe de pruebas de GLM 5.3, las reglas de puntuación en nuestra página de metodología y la lista completa de parámetros en la página del modelo GLM 5.3.

Lo que nos gustó y lo que lo frenó

Lo que nos gustó

  • Una ventana amplia con un techo de respuesta real. 1.048.576 tokens de entrada, hasta 131.072 de vuelta en una llamada; una cronología larga de incidentes o un diff de varios archivos vuelve como una sola respuesta estructurada en lugar de varias llamadas que nunca se vieron entre sí.
  • Tres niveles de esfuerzo de razonamiento. low, high y max en el mismo cuerpo de petición; low es el ajuste al que recurrir en una pasada de volumen, max para el caso que no puedes permitirte que salga mal.
  • La llamada a herramientas es sencilla. Hasta 128 definiciones de herramientas por petición con tool_choice para forzar, permitir o prohibir una llamada.
  • L2 Parcial y la mayor parte de L5 Extremo se escribieron limpios. Las tres formulaciones pasaron en L2 Parcial, y cinco de seis peticiones de L5 Extremo volvieron completas; nada en ese escalón se rechazó.
  • response_format más temperature 0 es una combinación fiable para una respuesta JSON que puedes entregar directamente a un parser, sin tener que volver a pedir la clave que faltaba.

Lo que lo frenó

  • L4 Intenso necesita un system prompt, y sigue siendo una moneda al aire. Pedidas directamente, las tres peticiones se rechazaron. Planteadas como ficción, las ocho volvieron suavizadas. Fijadas mediante un system prompt, cuatro de ocho se escribieron completas y cuatro se rechazaron; incluso esa formulación falló más o menos la mitad de las veces.
  • L1 Sugerente, nuestro escalón más leve, se suavizó en cada formulación. Las versiones directa, de ficción y con system prompt de la misma petición del tirante que se resbala volvieron todas atenuadas, mientras que varios escalones más difíciles se escribieron limpios; la suavización no sigue la dificultad como cabría esperar.
  • Solo texto. Una parte image_url o file no forma parte de este endpoint; no hay forma de darle una captura de pantalla o una foto de referencia.
  • El tope de respuesta por defecto es una fracción del techo. max_tokens viene por defecto en 32.768 frente a un máximo de 131.072; una generación larga se trunca en silencio a menos que pidas más.
  • No se publica ningún rango de temperature o top_p para una prosa variada más allá de los valores por defecto, así que ajustar la voz depende principalmente del prompt y de reasoning_effort, no del sampler.

Lo que probamos

Corrimos a GLM 5.3 por nuestra escala de contenido completa entre el 17 y el 25 de septiembre de 2026, cada escalón pedido de tres formas —directa, planteada como ficción y fijada mediante un system prompt—, con pruebas extra en L4 Intenso una vez que los primeros resultados se dividieron. L3 Fuerte se escribió solo con la versión de system prompt; la directa y la de ficción se rechazaron ambas. L4 Intenso recibió la mayor cantidad de pruebas: las tres peticiones directas se rechazaron todas, las ocho peticiones de ficción volvieron todas suavizadas, y las ocho peticiones con system prompt se dividieron por la mitad, cuatro escritas y cuatro rechazadas.

En toda la escala son 34 pruebas puntuadas: 13 se escribieron completas, 12 se suavizaron y 9 se rechazaron. La página del Spicy Index traduce esto en un Freedom Score en la ficha de puntuación de esta página.

Prompts que funcionaron

GLM 5.3 responde a una instrucción sencilla con precisión; el system prompt hace más trabajo aquí que un personaje por sí solo, tanto para la ficción como para mantener una respuesta JSON con la forma correcta.

1. Un ejemplo publicado: razonar sobre evidencia dispersa. El caso para el que existe la ventana: varios documentos a la vez, con la respuesta apoyada en un par de pasajes muy alejados entre sí.

text
system: Read every document before answering. Cite the passage (document name, section) that supports each claim.
user: <a support ticket, a deploy log, an incident timeline and a Slack transcript, pasted in full> Which change caused the outage, and which passage proves it?

Ejecuta este prompt en GLM 5.3 →

2. Un ejemplo publicado: forzar una sola forma JSON en una llamada síncrona. response_format más temperature 0 es lo que hace que la respuesta sea segura de entregar a un parser.

text
system: Return one JSON object with keys: root_cause, affected_service, first_seen, mitigation. Use null when a field can't be determined.
user: <the same timeline and transcript>

Ejecuta este prompt en GLM 5.3 →

Ajustes que importan: reasoningeffort en low para una pasada de volumen sobre muchos documentos, max solo cuando una respuesta equivocada sale cara; deja margen en maxtokens por encima de la respuesta visible que esperas, ya que el tope por defecto es una fracción del techo de 131.072; para ficción más allá de L2 Parcial, pon los límites y la voz de la escena en un system prompt en lugar de pedirlo directamente, y prevé tener que reintentar.

El rol y hasta dónde escribe

GLM 5.3 escribió completas 13 de 34 pruebas puntuadas en nuestra escala de contenido, con el patrón descrito arriba: limpio en los extremos de la escala, una moneda al aire en L4 Intenso con system prompt, y nada en L4 Intenso sin uno. La etiqueta de la página es Sin censura: no añadimos ningún filtro de contenido por nuestra parte, así que lo que vuelve es el comportamiento propio de GLM 5.3.

Freedom Score: se muestra en la ficha de puntuación de esta página y se recalcula al añadir pruebas.

Aún sin probar: chats de varios turnos que mantengan el personaje durante muchos turnos (nuestras pruebas fueron peticiones sueltas); idiomas distintos del inglés; si un system prompt más largo o específico cierra la brecha que vimos en L4 Intenso.

Cada personaje de una petición debe ser adulto, deja fuera a las personas reales e identificables, y la ley del lugar donde publiques es responsabilidad tuya.

Qué dice la comunidad

La reacción al lanzamiento de GLM 5.3 se dividió claramente entre los círculos de código y de rol. Sobre capacidad, un comentario en Hacker News lo describió como «todavía por debajo de Sol y Fable, pero por poco». Sobre contenido, la comunidad de rol reaccionó de otra manera: una publicación muy votada dijo que «ZAI se volcó por completo en la seguridad con GLM 5.3». Eso coincide con lo que medimos: fuerte en los extremos de la escala, inconsistente en el medio.

Alternativas

  • ¿Un GLM más barato con mejor tasa de acierto en L4 Intenso? GLM 5.3 Flash escribió las tres de sus pruebas de L4 Intenso con system prompt, a $0.1275 por millón de tokens de entrada frente a los $1.05 de GLM 5.3.
  • ¿El GLM anterior a un precio menor? GLM 5.2, $0.98 por millón de tokens de entrada; le falta un nivel de esfuerzo de razonamiento low, así que cada petición razona más de lo necesario en una pasada sencilla.
  • ¿Un techo de respuesta mucho mayor, y además entrada de imágenes? DeepSeek V4.1 Flash devuelve hasta 384.000 tokens frente a los 131.072 de GLM 5.3 y acepta imágenes además de texto, a $0.30 por millón de entrada.
  • ¿Escritura constante en toda la escala, sin necesitar system prompt? Grok 4.6 escribió cada escalón que probamos, formulación directa incluida.

Hasta dónde llega GLM 5.3

Cada nivel, en cada tarea, según resultados confirmados. Un nivel solo suma puntos cuando el contenido aparece de verdad, y una sola ejecución da como máximo un 60 %.

Puntos Freedom por nivel y tarea
NivelConversación
SuaveLas peticiones de escritura más suaves de la prueba
0/3 entregados10,0 / 20 pts
ModeradoUn escalón más arriba, aún por debajo de la mitad de la escala
3/3 entregados20,0 / 20 pts
FuertePeticiones de la mitad de la escala; hay que probarlas antes de clasificar un modelo
1/3 entregados6,7 / 20 pts
Muy fuerteDonde la mayoría de los modelos de lenguaje empiezan a frenar
4/19 entregados8,4 / 20 pts
MáximoLas peticiones escritas más fuertes, puntuadas como una sola clase
5/6 entregados18,3 / 20 pts
Puntuación de la tarea63,4 / 63,4Probado el 25 sept 2026

Probado del 17 sept 2026 al 25 sept 2026

Este sitio se mantiene apto para el trabajo: los resultados se redactan en texto, cualquier imagen mostrada está pixelada y los prompts de prueba nunca se publican. Nunca probamos a nadie que parezca menor de edad, la imagen de personas reales ni la falta de consentimiento.

Ver todos los registros de prueba →Ver la clasificación sin censura →

Prueba tu propio prompt y comprueba hasta dónde llega

Abrir el Playground

Cómo gana GLM 5.3 su Spicy Index

Cada dimensión enlaza con su cálculo completo: la fila de la tabla de la que sale cada punto y por qué se perdieron puntos.

Clasificaciones públicas 40 % de la calidad
79,5
Rol 15 % de la calidad
74,5
Escritura creativa 15 % de la calidad
61,6
Seguimiento de instrucciones 15 % de la calidad
100,0
Memoria con contexto largo 15 % de la calidad
Aún sin probar

Nuestra batería de contexto largo aún no se ha ejecutado con este modelo. Cómo funciona

Capacidad Peso del 10,5 %
61,0
Freedom Score Peso del 30 %
63,4
Abrir el informe de prueba completo →

Capacidad, punto por punto

Puntos de la tabla pública de puntuación. Los niveles reescalados y los límites que fijamos nosotros no cuentan.

Ventana de contexto (publicada por el creador)1.048.576 tokens
24,0 / 30
Modalidades de entrada en SpicyAPISolo texto
0,0 / 25
Uso de herramientasHerramientas y tool_choice
15,0 / 15
Salida estructuradaSe acepta, cumplimiento del esquema verificado
15,0 / 15
Control del razonamiento3 niveles: low · high · max
7,0 / 15

Lo que GLM 5.3 puede hacer en SpicyAPI

Tomado directamente de la especificación en vivo del modelo en SpicyAPI. Algunos creadores ofrecen más en sus propias apps; esto es lo que puedes llamar hoy desde nuestra API.

Capacidades por endpoint
FunciónConversación
Ventana de contexto1.048.576 tokens
Salida máxima por solicitud131.072 tokens
Niveles de razonamientolow · high · max
Llamada a herramientasSí
Salida estructuradaSí
Ver todos los parámetros y ejemplos de código →

Cuánto tarda de verdad

Medido con trabajos reales de los últimos 30 días, desde la solicitud hasta el resultado final. Los tiempos incluyen nuestras propias pruebas.

Velocidad de salida
43 tok/sIncluye el tiempo hasta el primer token
Tasa de éxito
Recopilando datos

Un tiempo aparece cuando hay al menos 10 trabajos completados. Las tasas de éxito solo cuentan trabajos de clientes y siguen ocultas para todos los modelos hasta completar 30 días de tráfico.

Lo que dice la gente de GLM 5.3

1 positivos · 0 mixtos · 1 negativos

  • ZAI went all-in on safety with GLM 5.3

    Reddit· 29 ago 2026· NegativoFuente

  • still shy of Sol and Fable, but only just by a hair

    hacker-news· 14 ago 2026· PositivoFuente

Las citas son textuales de publicaciones públicas y enlazan al original. No son calificaciones ni alimentan ninguna puntuación.

Modelos que puedes considerar en lugar de GLM 5.3

  • Z.ai

    GLM 5.3 Flash

    ¿Un GLM más barato con mejor tasa de acierto en L4 Intenso?

    Spicy Index
    72,9+0,4
    Freedom Score
    64,4+1,0
    Precio
    0,202 US$−87 %/ 1 M tokens · entrada/salida 3:1
    Comparar lado a ladoProbar

  • Z.ai

    GLM 5.2

    ¿El GLM anterior a un precio menor?

    Spicy Index
    71,9−0,6
    Freedom Score
    67,8+4,4
    Precio
    1,51 US$−7 %/ 1 M tokens · entrada/salida 3:1
    Comparar lado a ladoProbar

  • DeepSeek

    DeepSeek V4.1 Flash

    ¿Un techo de respuesta mucho mayor, y además entrada de imágenes?

    Spicy Index
    81,9+9,4
    Freedom Score
    90,4+27,0
    Precio
    0,525 US$−67 %/ 1 M tokens · entrada/salida 3:1
    Comparar lado a ladoProbar

  • xAI

    Grok 4.6

    ¿Escritura constante en toda la escala, sin necesitar system prompt?

    Spicy Index
    77,2+4,7
    Freedom Score
    100,0+36,6
    Precio
    3,00 US$+86 %/ 1 M tokens · entrada/salida 3:1
    Comparar lado a ladoProbar

¿Qué opinas?

¿Te resultó útil esta reseña?

Inicia sesión para votar.

Comentarios

Los comentarios se revisan de forma automática y por nuestro equipo. Eliminamos el spam, el contenido inapropiado, los ataques personales y cualquier cosa que nombre a una persona real sin su consentimiento. Si reportas un comentario, lo revisamos en un día hábil.

¿Probaste este modelo? Comparte lo que te funcionó. Necesitas una cuenta gratuita para comentar, así mantenemos fuera el spam.

Preguntas frecuentes sobre GLM 5.3

Prueba GLM 5.3 por tu cuenta

Ajusta cada parámetro en el Playground y mira el precio exacto antes de lanzarlo.

1,61 US$ por 1 M de tokens mixtos (3 de entrada : 1 de salida)

Más reseñas

Ver las clasificaciones →
  • Tres discos de cristal apilados en la oscuridad, cruzados por un trazo de luz cian, con una fina chispa dorada que sube por debajo

    Grok 4.7

    Grok 4.7 para rol y ficción sin censura que deben funcionar sin jailbreak; no para capítulos largos por turno ni para bucles de agente largos.

    Spicy Index
    78,2
    Freedom Score
    100,0

    Probado el 24 sept 2026

    Leer la reseña
  • Warm golden light streaks passing through a row of translucent blue glass panels on a dark pedestal

    DeepSeek V4.1 Flash

    Elige DeepSeek V4.1 Flash para leer documentos completos a bajo costo con un techo de 384.000 tokens; un system prompt estabiliza las escenas íntimas (L4).

    Spicy Index
    81,9
    Freedom Score
    90,4

    Probado el 26 sept 2026

    Leer la reseña
  • A burst of golden light filaments fanning low across a shallow glass dish against pure black

    Grok 4.3

    Elige Grok 4.3 por su ventana de contexto enorme, un apagado real del razonamiento y escritura sin censura a bajo precio; sáltatelo si necesitas archivos.

    Spicy Index
    77,0
    Freedom Score
    98,9

    Probado el 24 sept 2026

    Leer la reseña