GLM-5.3 de Z.ai abre sus pesos, pero su nueva licencia apunta a los hyperscalers

Z.ai liberó los pesos de GLM-5.3 en Hugging Face, pero el titular real no es la apertura del modelo sino el cambio de licencia. El laboratorio chino abandonó la licencia MIT que venía usando desde 2024 y adoptó una licencia propia, la GLM-5.3 License, que introduce una condición nueva dirigida a un grupo muy específico de actores.

La condición: los proveedores que superen los 10.000 millones de dólares en ingresos deben pasar una revisión de seguridad de Z.ai antes de poder hostear el modelo. En la práctica, eso apunta a los hyperscalers y a los llamados neoclouds cuando alcancen esos números.

¿Qué cambia realmente con la nueva licencia de GLM-5.3?

Para el usuario individual y para la empresa promedio, casi nada. La licencia es más específica que MIT en cuanto a modelos e incluye explícitamente los derechos de ejecutar, desplegar y afinar el modelo, además de uso comercial. Z.ai lo declara así: GLM-5.3 está disponible para descarga, despliegue local, fine-tuning y uso comercial bajo la licencia GLM-5.3.

El cambio pesa sobre quien quiera revender inferencia a escala. Ahí aparecen los aros por saltar. Y conviene notar un detalle: la licencia en sí no contiene una sección de uso aceptable y no dice nada sobre ciberseguridad ni seguridad ofensiva, pese al encuadre de seguridad con que se presentó.

¿Por qué Z.ai justifica el cambio con seguridad?

La compañía dice que retuvo los pesos abiertos de GLM-5.3 durante dos semanas para evaluación de seguridad y endurecimiento. También reporta que el modelo alcanza 84,5% en CyberGym, un benchmark de descubrimiento de vulnerabilidades, y sostiene que es el mejor resultado publicado. Es una cifra autorreportada: nadie fuera de la empresa la ha reproducido todavía.

La pregunta que queda abierta, y vale la pena hacerla, es si Z.ai cambió la licencia por seguridad o para monetizar mejor sus propios modelos. Con el lanzamiento de GLM-5.3-Flash la compañía subrayó que la inferencia corría sobre chips chinos, señal de que quiere ser dueña de la capa de inferencia. Y con los modelos abiertos acercándose al desempeño de los laboratorios frontera estadounidenses, ahí hay dinero.

¿Cómo se compara con otros laboratorios chinos?

La licencia de Z.ai es más restrictiva que la de sus pares. Moonshot exige que un proveedor de modelo como servicio con más de 100 millones de usuarios activos o más de 20 millones de dólares de ingresos mensuales muestre «Kimi K3» de forma prominente en la interfaz. DeepSeek sigue usando la licencia MIT básica para sus modelos insignia. Z.ai ya había usado licencias a medida en 2023 y 2024 para modelos como ChatGLM3-6B, con registro obligatorio para uso comercial, antes de pasarse a MIT.

¿Cuánto cuesta y qué se necesita para correrlo?

GLM-5.3 mantiene la arquitectura mixture-of-experts de 753.000 millones de parámetros de GLM-5.2, con ventana de contexto de un millón de tokens y salida máxima de 128.000 tokens. Correrlo localmente no es realista para la mayoría: incluso las cuantizaciones de 2 bits necesitan 245 GB de memoria, y las de 8 bits, 810 GB.

Vía API es otra historia. A 1,40 dólares por millón de tokens de entrada y 4,40 de salida, es significativamente más barato que prácticamente todos sus competidores directos. La variante GLM-5.3-Flash, a 0,15 y 0,47 dólares, tiene hoy una relación precio/desempeño difícil de igualar. Para un equipo comercial en Chile o Latinoamérica que evalúa costo por token para tareas de alto volumen, esa diferencia de precio es material.

Análisis de Revenue Hub

El movimiento de Z.ai es pequeño en términos absolutos, pero llega en la misma semana en que Nvidia avanzó hacia la compra de Hugging Face por 12.900 millones de dólares y Stripe acordó adquirir OpenRouter. Si ambas operaciones se cierran, el repositorio donde los desarrolladores descargan modelos abiertos y el mercado donde los arriendan quedarían en manos de empresas estadounidenses, mientras los modelos abiertos vienen cada vez más de laboratorios chinos. Esa asimetría es el contexto real de la noticia.

Para un líder comercial en Chile o Latinoamérica que está evaluando dónde correr sus cargas de IA, la decisión concreta es de costo contra gobernanza. Modelos abiertos chinos ofrecen hoy una ventaja de precio de varias veces frente a los frontera estadounidenses, y eso cambia el caso de negocio de automatizaciones de alto volumen: enriquecimiento de datos, clasificación de leads, resúmenes de conversaciones. La contrapartida es que la licencia, la jurisdicción y la política de datos ahora forman parte de la evaluación técnica, no del anexo legal.

La recomendación práctica: si tu volumen de tokens es alto y las tareas son acotadas, vale la pena probar un modelo abierto barato en paralelo antes de escalar el gasto con un proveedor frontera. Si tu caso de uso toca datos regulados o de clientes, la conversación empieza por jurisdicción y termina por precio, no al revés. Seguimos estos movimientos en IA en Ventas y en el blog de Revenue Hub.