API de GLM sin censura: la mejor relación por token
La base agéntica GLM de Z.ai, servida sin capa de rechazo en nuestro propio clúster de GPU: 262K de contexto, tool calling y un precio mezclado por debajo de la mitad de lo que cuesta el mismo linaje en su proveedor original.
En resumen
GLM-5.2-3BIT-REAP es el modelo de la pasarela de Shannon AI que recomendamos por defecto. Ejecuta una base Mixture-of-Experts dispersa de 744 000 millones de parámetros del linaje GLM —entrenada explícitamente para el uso agéntico de herramientas desde GLM-4.5— comprimida con pesos de 3 bits y poda de expertos REAP para que quepa y siga siendo rápida. Tienes 262,144 tokens de contexto, 16,384 tokens de salida, tool calling, razonamiento con reasoning_effort ajustable y salida estructurada con JSON Schema, por $0.73 / $2.34 por millón de tokens. No hay capa de rechazo ni filtro de salida. Solo texto: sin visión.
La mayoría de las comparativas de «el modelo más barato» son deshonestas, porque la opción barata suele ser un modelo pequeño vestido con el marketing de uno grande. No es lo que ocurre aquí. GLM-5.2 es una de las bases de pesos abiertos más grandes que nadie haya publicado, y a $0.73 de entrada / $2.34 de salida se sitúa un escalón por encima del suelo de nuestro catálogo mientras carga con una base varias veces mayor que lo que ese suelo suele comprar. Esa brecha —modelo grande, precio casi de suelo— es la razón de ser de esta página.
01De dónde viene GLM: Tsinghua, relleno de huecos y un giro brusco hacia los agentes
GLM no es un derivado de Llama con otra etiqueta. Es una de las pocas familias de modelos con objetivo de preentrenamiento propio, iterado durante cinco años por el mismo grupo de investigación. El nombre significa General Language Model, y el artículo fundacional —GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022— propuso una tercera vía junto al modelado de lenguaje enmascarado de BERT y la autorregresión estricta de izquierda a derecha de GPT. GLM borra tramos contiguos y los regenera de forma autorregresiva en un orden barajado, con codificaciones posicionales bidimensionales que rastrean tanto la posición de un token en el documento corrompido como su posición dentro del tramo que se está rellenando: una sola arquitectura que maneja igual de bien comprensión y generación.
Detrás estaba el Knowledge Engineering Group de la Universidad de Tsinghua, del que salió la empresa hoy conocida como Z.ai (antes Zhipu AI). Su primer artefacto destacado fue GLM-130B, en octubre de 2022: un modelo denso bilingüe inglés/chino de 130 000 millones de parámetros, con pesos y código publicados abiertamente el día de la publicación. La apertura ha sido el estilo de la casa desde entonces.
La era MoE y el giro hacia los agentes
El hilo conductor importa más que cualquier versión concreta. Desde GLM-4.5, todas las versiones se han optimizado para lo mismo: mantener la coherencia a lo largo de decenas de llamadas a herramientas. Ese es un objetivo distinto de maximizar puntuaciones de benchmark de un solo turno, y se nota en menos argumentos de herramienta malformados, menos deriva en un plan largo y menos de ese comportamiento de «reinicia la tarea con total seguridad en el turno 14» que encarece los frameworks de agentes.
02Qué es GLM-5.2 y en qué se le ha medido
Z.ai publica cifras de benchmark de GLM-5.2 en el repositorio de GLM-5. Dos se corresponden con trabajo agéntico real más que con memorizar datos sueltos:
Terminal-Bench 2.1: tareas de agente de línea de comandos a largo plazo. Cifras reportadas por Z.ai.
SWE-bench Pro: resolución de incidencias en repositorios reales. Cifras reportadas por Z.ai; GLM-5.1 obtuvo 58.4 en la misma prueba.
Esos son los números del laboratorio, no los nuestros, y describen la base sin comprimir. Establecen la clase de modelo con la que tratas, no una garantía.
Un dato vale más que un benchmark, porque procede de un evaluador sin incentivo alguno para halagar al modelo. En julio de 2026, el Center for AI Standards and Innovation del National Institute of Standards and Technology de Estados Unidos evaluó GLM-5.2 y concluyó que era probablemente el modelo de IA de pesos abiertos más capaz disponible cuando se publicó, con capacidades generales comparables a GPT-5.2 y capacidades en ciberseguridad comparables a Claude Opus 4.6. La misma evaluación observó que GLM-5.2 bloquea menos solicitudes sensibles que los modelos de referencia estadounidenses, y que las salvaguardas incorporadas en pesos abiertos pueden eludirse una vez que esos pesos se alojan por cuenta propia. La sección 05 vuelve sobre eso.
03Qué significa «3BIT-REAP» y qué te cuesta
REAP: podar expertos en lugar de fusionarlos
Un modelo MoE de 744B parámetros tiene 256 expertos por capa, de los cuales 8 se activan en un token dado. El router no reparte el trabajo por igual: a algunos expertos se les llama constantemente, y hay una cola larga a la que se llama rara vez y que aporta poco cuando se la llama. REAP (Router-weighted Expert Activation Pruning), de Cerebras Research y aceptado en ICLR 2026, explota eso: puntúa cada experto con un criterio de saliencia que combina con qué fuerza y frecuencia lo activa el router con la magnitud de la contribución de su salida, y luego elimina permanentemente a los de puntuación baja.
Lo interesante es la comparación que REAP gana. La alternativa obvia a eliminar un experto es fusionarlo con un superviviente, lo que suena más seguro. El hallazgo del artículo en modelos MoE de 20B a 1T parámetros es que fusionar es de hecho peor para el trabajo generativo, y que la poda aguanta notablemente bien: casi sin pérdida en benchmarks de generación de código y de tool calling incluso tras eliminar la mitad de los expertos, en bases como Qwen3-Coder-480B y Kimi-K2. Que el código y el tool calling sobrevivan intactos es exactamente lo que quieres conservar en un modelo cuya razón de existir es la ingeniería agéntica.
Pesos de 3 bits y el compromiso honesto
Sobre la poda, los pesos supervivientes se almacenan a 3 bits: más agresivo que los niveles W4A16-AUTOROUND-REAP y W8A16 del resto de nuestro catálogo, y reservado a las bases más grandes, donde no hay otra forma de meter un modelo de tres cuartos de billón de parámetros en un nodo de servicio y mantener los tokens fluyendo a un ritmo utilizable.
La compresión no es gratis. El modelo mental correcto: la poda y la cuantización degradan primero la cola larga. Los comportamientos densos y muy ejercitados —seguimiento de instrucciones, estructura del código, formato de las llamadas a herramientas, planificación en varios pasos— sobreviven bien, que es justo lo que muestran los resultados de REAP. Donde debes esperar diferencia frente a un GLM-5.2 sin comprimir es en la memoria factual oscura, las lenguas raras y los datos de nicho. Si tu carga de trabajo es «saberse al dedillo un dato inusual», paga por un nivel de mayor fidelidad. Si es «ejecutar un plan a lo largo de cuarenta llamadas a herramientas sin descarrilar», este es el nivel para el que se diseñó el método.
04El caso del valor: cuánto cuesta de verdad operar una API de LLM sin censura barata
El precio de lista publicado por la propia Z.ai para la API de GLM-5.2 es de $1.40 por millón de tokens de entrada y $4.40 por millón de salida. Nuestro precio sobre la misma base es $0.73 / $2.34: alrededor de un 48% menos en entrada y un 47% menos en salida. Ese descuento es lo que compra la compresión, y viene con una segunda cosa que no puedes comprar en el proveedor original a ningún precio: ninguna capa de rechazo.
Dentro de nuestro propio catálogo, el coste mezclado es la cifra que importa. Aquí está con una proporción de 3:1 entre entrada y salida, aproximadamente lo que parece un agente con tool calling en la práctica: mucho contexto y muchos resultados de herramientas entrando, y comparativamente pocos tokens saliendo.
| Modelo | Entrada / 1M | Salida / 1M | Mezclado 3:1 | Visión |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | No |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | No |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Sí |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | No |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Sí |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Sí |
Seis modelos se sitúan en el suelo de $0.50 / $2.00 —MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro y Hy3—, una tarifa mezclada de $0.875. GLM-5.2 está un 29% por encima de ese suelo y te compra una base de la clase de 744B con una inversión sostenida en comportamiento agéntico detrás. Todo lo que cuesta más que él cuesta al menos un 23% más en mezclado, y Kimi-K3 cuesta 6.8× más. Ese es el argumento de valor en una sola fila: el sitio más barato del catálogo para comprar una base agéntica de primer nivel.
Convertido en trabajo
- Un llenado completo del contexto: 262,144 tokens de entrada, $0.19. Un repositorio grande entero leído dentro de la ventana por menos de veinte centavos.
- Una completación de longitud máxima: 16,384 tokens de salida, $0.038.
- Un turno de agente: 20K de entrada, 2K de salida, $0.019. El mismo turno cuesta $0.115 en Kimi-K3 y $0.047 en DeepSeek-V4-Pro.
- Cien turnos de agente: $1.93, frente a $11.48 en el modelo más caro del catálogo.
Las cargas agénticas son intensivas en entrada, y la ventaja de GLM es mayor precisamente ahí: su precio de entrada es 5.2× más bajo que el de Kimi-K3 y 2.7× más bajo que el de DeepSeek-V4-Pro. Si tu agente reenvía una conversación que crece en cada turno —y casi todos lo hacen—, ese multiplicador es lo que acaba en tu factura.
05Qué significa «sin censura» en este endpoint
Dos cosas, con precisión: ninguna capa de rechazo —ningún clasificador que decida qué peticiones puede ver el modelo, ni modelo de política que reescriba tu prompt antes de que llegue— y ningún filtrado de la salida, es decir, los tokens que produce el modelo son los tokens que recibes, sin redactar ni sustituir.
Eso es una propuesta distinta de la de una API comercial que anuncia un modo «relajado» o «de desarrollador». Esas siguen enrutando el tráfico por la pila de políticas del proveedor; lo que cambia es el umbral, no la existencia de la puerta. Aquí no hay puerta que ajustar: el modelo se ejecuta en nuestro propio clúster de GPU y su comportamiento es el comportamiento de la base. Lee el hallazgo del NIST CAISI de la sección 02 como una afirmación técnica y no como una advertencia, y explica el producto: un modelo cuya alineación vive en sus pesos, servido sin capa de política externa, se comporta según sus pesos.
Por qué esto importa especialmente para los agentes
Los rechazos suelen discutirse como una cuestión de contenido. En el trabajo agéntico son sobre todo una cuestión de fiabilidad. Un rechazo en el turno 31 de una ejecución de 40 turnos no es una negativa cortés que lees y superas: es un paso malformado, un orquestador que no sabe cómo continuar, un plan roto y 30 turnos de tokens gastados sin nada que enseñar. La investigación en seguridad, el análisis de malware, las pruebas de penetración, el red-teaming, la ficción para adultos, la redacción médica y jurídica y la generación de conjuntos de datos para entrenamiento de seguridad chocan con esto constantemente, y el fallo sale caro precisamente porque aterriza tarde.
La otra cara es que la capa de política ahora es tuya. El uso de la pasarela de Shannon AI se rige por nuestra Política de Uso Responsable; quitar el criterio de un proveedor del bucle significa aportar el tuyo.
06Qué te da realmente el endpoint
| Capacidad | GLM-5.2 · 3BIT-REAP |
|---|---|
| Id de modelo | GLM-5.2-3BIT-REAP |
| Ventana de contexto | 262,144 tokens |
| Salida máxima por petición | 16,384 tokens |
| Streaming | Sí |
| Tool calling | Sí |
Razonamiento / reasoning_effort | Sí |
JSON Schema (json_schema) | Sí |
response_format | Sí |
| Visión / imágenes de entrada | No: solo texto |
| Capa de rechazo / filtrado de salida | Ninguna |
Lee con atención la fila de visión antes de construir. GLM-5.2 es solo de texto en nuestra pasarela. Si necesitas imágenes de entrada, el catálogo tiene cinco opciones con visión: MiniMax-M3 y MiMo-V2.5 en el suelo de $0.50 / $2.00, Kimi-K2.6 a $0.78 / $3.67, inkling a $1.42 / $6.07 y Kimi-K3 a $3.83 / $19.12. Un patrón sensato es enrutar la comprensión de imágenes a MiniMax-M3 y todo lo demás a GLM-5.2, lo que no cuesta más que una cadena de modelo.
Tres dialectos, un modelo
El mismo modelo es accesible mediante tres formatos de petición, todos con streaming: /v1/chat/completions (dialecto de OpenAI), /v1/messages (dialecto de Anthropic) y /v1/responses. Nada del modelo cambia entre ellos: elige el que ya hable tu SDK y normalmente estarás a un cambio de URL base de ponerlo en marcha.
# OpenAI dialect — point your existing client at the gateway from openai import OpenAI client = OpenAI( base_url="https://api.shannon-ai.com/v1", api_key="sk-...", ) resp = client.chat.completions.create( model="GLM-5.2-3BIT-REAP", messages=[{"role": "user", "content": "..."}], tools=tools, # tool calling supported reasoning_effort="medium", # low | medium | high stream=True, )
Los esquemas completos de petición y respuesta para los tres dialectos, el formato de tool calling, la forma de los eventos de streaming y un playground interactivo están en la documentación de la API de Shannon AI.
07Cuándo elegir GLM-5.2 y cuándo no
Recurre a él cuando
- Estás ejecutando agentes. Los bucles largos de tool calling son para lo que se construyó y se post-entrenó repetidamente este linaje, y el precio de entrada hace asequible reenviar en cada turno una conversación que crece.
- Trabajas sobre una base de código grande. 262K de contexto, formato fiable de llamadas a herramientas y $0.19 por leer la ventana entera.
- Tu restricción es el volumen. Clasificación, extracción, generación de datos sintéticos, reescritura masiva: cualquier cosa donde el coste por llamada multiplicado por un número grande decide si el proyecto es viable.
- Los rechazos te están rompiendo la tubería. Investigación en seguridad, pruebas adversarias, ficción sin censura, redacción sensible: ese modo de fallo no está presente aquí.
Recurre a otra cosa cuando
- Necesitas visión. Solo texto. Mira arriba las opciones con visión.
- Necesitas el razonamiento de un solo turno más profundo. Para los problemas analíticos de una sola pasada más difíciles, DeepSeek-V4-Pro-0813 · 3BIT-REAP es el instrumento pesado, a 2.2× el coste mezclado: en las llamadas donde la restricción es el techo, ese es el intercambio correcto.
- Necesitas la máxima fidelidad en conocimiento oscuro. El nivel
W8A16—MiMo-V2.5-Pro y Hy3— está comprimido de forma mucho menos agresiva y se sitúa en el suelo de $0.50 / $2.00, sobre bases más pequeñas.
Todas las cifras de la base que aparecen en esta página las publica alguien que no somos nosotros. Los datos de precio y capacidad son valores en vivo de nuestro propio catálogo, verificables contra /v1/models con tu propia clave. Comprueba tú mismo las fuentes primarias.
Las cifras de benchmark de GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) las reporta Z.ai para la base sin comprimir; la réplica independiente está pendiente. Las cifras de Claude Opus 4.8 y GPT-5.5 se muestran solo como referencia. Precios de lista de la API de GLM-5.2 de primera parte según los publica Z.ai, septiembre de 2026.
08Preguntas frecuentes
¿Qué es la API de GLM sin censura en Shannon AI?
Es el id de modelo GLM-5.2-3BIT-REAP en la pasarela de Shannon AI: una compilación comprimida de la base agéntica GLM-5.2 de Z.ai, servida en nuestro propio clúster de GPU sin capa de rechazo y sin filtrado de la salida. Cuesta $0.73 por millón de tokens de entrada y $2.34 por millón de tokens de salida, tiene una ventana de contexto de 262,144 tokens y es accesible en /v1/chat/completions, /v1/messages y /v1/responses.
¿Por qué GLM 5.2 sin censura es más barato que los demás modelos grandes del catálogo?
Por cómo está comprimido. 3BIT-REAP combina pesos de 3 bits con REAP, un método de poda de expertos para modelos Mixture-of-Experts que elimina los expertos poco enrutados antes de cuantizar. Una base MoE dispersa con unos 40B de parámetros activos por token, podada y cuantizada así, ocupa mucha menos memoria y muchos menos segundos de GPU por token que un modelo denso de calidad equivalente, y el precio lo refleja.
¿Que GLM no tenga capa de rechazo significa que el modelo no tiene ninguna salvaguarda?
Significa que Shannon no añade ninguna. No hay clasificador de rechazo delante del modelo ni filtro sobre los tokens que salen de él. La base conserva las disposiciones que le diera su propio entrenamiento, pero nada externo las anula. La capa de política es tuya, y el uso está sujeto a la Política de Uso Responsable de Shannon AI.
¿GLM-5.2 3BIT-REAP admite visión o imágenes de entrada?
No. Este modelo es solo de texto. Si necesitas imágenes de entrada en un endpoint sin censura, usa uno de los modelos con visión del catálogo, como MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 o inkling. GLM-5.2 sí admite salida estructurada —tanto json_schema como response_format— y tool calling.
¿Cuáles son la ventana de contexto y la longitud máxima de salida?
262,144 tokens de contexto y 16,384 tokens de salida por petición. Llenar la ventana de contexto entera una vez cuesta unos 19 centavos a $0.73 por millón de tokens de entrada, y una completación de longitud máxima cuesta menos de 4 centavos.
¿Es un buen modelo agéntico sin censura para bucles largos de tool calling?
Es el primero al que recurrimos. El linaje GLM lleva entrenándose explícitamente para trabajo agéntico desde GLM-4.5, admite tanto tool calling como reasoning_effort, y el precio hace que cien turnos de agente de veinte mil tokens cuesten unos dos dólares en lugar de once. Los rechazos son además un modo de fallo real en los bucles de agente, y aquí no hay capa de rechazo que pueda provocar uno.
Prueba la API de GLM sin censura
$0.73 de entrada · $2.34 de salida · 262K de contexto · sin capa de rechazo.
Leer la documentación de la API Ver todos los modelosShannon Lab LLC, Nuevo México, EE. UU. · uso regido por la Política de Uso Responsable
Fuentes: repositorio GLM-5 de Z.ai · Du et al., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng et al., GLM-130B: An Open Bilingual Pre-trained Model · Lasby et al., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI, evaluación de GLM-5.2 de Z.ai, julio de 2026. Las puntuaciones de benchmark de la base las reporta el laboratorio y son provisionales; describen el GLM-5.2 sin comprimir, no esta compilación comprimida. Las cifras de precio, contexto y capacidades son valores del catálogo de Shannon AI a 5 de septiembre de 2026.