GLM 5.2 y el colapso de los márgenes en IA: tu margen es mi oportunidad

Hace unos meses el mercado se cayó a pedazos cuando salió DeepSeek. Todo el mundo pensó que el entrenamiento barato acababa con el negocio de Nvidia y los grandes laboratorios. Pero, cachai, se equivocaron feo. El verdadero golpe no viene del entrenamiento, viene de la inferencia. Y GLM 5.2 es la wea que lo está haciendo posible.

Qué es GLM 5.2 y por qué deberías preocuparte (en el buen sentido)

GLM 5.2 es un modelo de pesos abiertos sacado por Zhipu AI, la misma gente detrás de Z.ai. No es un juguete: compite de tú a tú con Claude Opus y GPT-5.5. De hecho, si lo usas en Claude Code o en cualquier herramienta compatible con la API de Anthropic, es casi imposible darse cuenta de que estás hablando con un modelo chino y no con el de siempre.

El truco no es solo la calidad. Es el precio. Mientras Anthropic cobra alrededor de USD 25 por millón de tokens, GLM 5.2 está en USD 4.40. Eso es menos del 20%. Y si sumas que hay proveedores como Fireworks que lo sirven a buena velocidad, la cosa se pone interesante.

Por qué esto importa para la pega de todos los días

Acá hay algo que mucha gente no cacha: entrenar un modelo es caro, pero es un costo fijo. Gastas cientos de millones una vez y listo. La inferencia, en cambio, escala con cada consulta que haces. Cada vez que le preguntas algo a Claude, cada vez que generas código con Copilot, alguien está pagando una cuenta de GPU que crece sin parar.

Los laboratorios grandes amortizan el costo de entrenamiento cobrando caro por inferencia. Es su modelo de negocio. Pero si ahora puedes usar un modelo open weights que cuesta la mitad o menos, con la misma calidad, ¿por qué seguir pagando el precio completo?

Peor aún para ellos: el cambio es trivial. No necesitas migrar durante años como con Salesforce o SAP. Cambias la URL base de la API, pegas tu nueva API key, y listo. Eso es todo. El lock-in que tienen los grandes es casi nulo.

La opinión de este ingeniero

Yo llevo un par de semanas probando GLM 5.2 en tareas reales: revisión de PRs, scripting, análisis de logs. ¿La verdad? Es lento para cosas interactivas porque piensa mucho, y le falta visión (no puede leer PDFs con imágenes ni capturas de pantalla). Pero para la pega en background, donde no importa si tarda 30 segundos más, es una joya.

Lo que me preocupa un poco es la privacidad. Usar la API oficial de Z.ai con datos sensibles de una empresa es un no rotundo por los términos de servicio. Pero como es open weights, puedes correrlo en tus propios servidores, en hardware AMD (que por cierto resulta 2.75x más barato que Nvidia para este modelo), y ahí sí, tus datos quedan en casa.

Esta tendencia es inevitable. Más modelos open weights, inferencia más barata, hardware alternativo. Los márgenes de los grandes laboratorios van a sufrir. Y aunque suene dramático, es bueno para nosotros: nos da opciones, nos baja los costos, y nos saca de la dependencia de un par de empresas de Silicon Valley.

El futuro de la IA no es un monopolio. Es un mercado fragmentado donde el que ofrece mejor relación calidad-precio gana. Y GLM 5.2 acaba de demostrar que la frontera ya no es exclusiva de los gigantes.

Fuente de inspiración: GLM 5.2 and the coming AI margin collapse (part 1)