Z.ai lanza GLM-5.1: el modelo que no se queda sin energía

Z.ai ha lanzado GLM-5.1, y la principal diferencia entre este modelo y las generaciones anteriores puede describirse en una frase: no se queda sin energía.

La historia habitual con los programadores de IA es esta: el modelo toma una tarea, aplica técnicas familiares, entrega rápidamente resultados iniciales y se topa con un techo. Darle más tiempo es inútil; simplemente gira sus ruedas. GLM-5.1 ha roto este patrón. Los desarrolladores entrenaron intencionalmente al modelo para trabajar en tareas de larga distancia donde no hay métricas claras y necesita decidir por sí mismo qué hacer a continuación.

Los resultados hablan por sí mismos. En el benchmark SWE-Bench Pro, el nuevo modelo superó a GPT-5.4 y Claude Opus 4.6. Pero es aún más interesante ver cómo maneja tareas sin línea de meta.

En una prueba, se le dio el esqueleto de una base de datos vectorial en Rust y se le pidió exprimir la máxima velocidad. El límite habitual para tales tareas es de 50 iteraciones. GLM-5.1 trabajó en el proyecto más de 600 veces, realizando miles de llamadas a herramientas. En lugar de detenerse, el modelo analizó los registros por sí mismo, encontró cuellos de botella y cambió la estrategia arquitectónica. El resultado: 21,500 QPS en comparación con los 3,547 del mejor resultado anterior. Una diferencia de seis veces.

Una imagen similar surgió con la optimización de kernels de GPU para tareas de ML. El modelo continuó encontrando formas de acelerar el código incluso después de mil iteraciones, aumentando la aceleración promedio de velocidad a 3.6x. Para comparar, torch.compile estándar produce alrededor de 1.15x.

El escenario más revelador no tuvo métricas numéricas en absoluto. Se pidió a GLM-5.1 construir un entorno de escritorio Linux funcional en el navegador desde cero. Sin plantillas, sin pistas, sin maquetas. Durante ocho horas de trabajo continuo, el modelo construyó el sistema: añadiendo un gestor de archivos, terminal, editor de texto, monitor del sistema, calculadora e incluso juegos. Además, no solo unió widgets, sino que refinó los estilos y todo lo unificó en una interfaz coherente.

La esencia de la actualización no es que el modelo se volvió un poco más inteligente en tareas cortas. Aprendió a no rendirse cuando las victorias fáciles terminan, y a refinar metódicamente la solución durante cientos de iteraciones. Esto lo convierte en una herramienta real para proyectos complejos donde el resultado no puede juzgarse por el primer borrador.

El modelo ya está disponible en HuggingFace y GitHub, y puedes verlo en acción a través de la API de Z.ai.