Saltar al contenido
Volver

Z.ai libera los pesos de GLM-5.3, pero la nueva licencia apunta directo a los hyperscalers

GLM-5.3 ya está en Hugging Face: 753B de parámetros open weight, pero con una licencia que exige revisión de seguridad a quien quiera hostearlo con más de US$10.000M de ingresos.

Nauta Lab
4 min

Z.ai libera los pesos de GLM-5.3, pero la nueva licencia apunta directo a los hyperscalers

Z.ai, el laboratorio chino detrás del misterioso modelo “ox-alpha” que resultó ser GLM-5.3-Flash, publicó el viernes los pesos de su modelo insignia GLM-5.3 en Hugging Face. Nada de release tímido: 753 mil millones de parámetros en arquitectura MoE (la misma de GLM-5.2), contexto de 1 millón de tokens y salida máxima de 128.000. Los pesos vienen en BF16 y FP8, y corren en vLLM, SGLang, KTransformers y Transformers.

La novedad: la licencia “GLM-5.3”

GLM-5.2 salió bajo MIT, la permissiva de siempre. GLM-5.3 estrena la licencia GLM-5.3, y tiene un asterisco jugoso: las empresas que quieran hostear el modelo (no solo enrutarlo como OpenRouter o embeberlo en un producto) y que registren ingresos agregados superiores a US$10.000 millones en 12 meses consecutivos, deben pasar una revisión de seguridad de Z.ai antes de usarlo comercialmente.

Traducción libre: los hyperscalers y neoclouds grandes ahora tienen aro que saltar. Para usuarios individuales nada cambia: correr, desplegar y fine-tunear sigue libre.

¿Seguridad o negocio?

Z.ai justificó las dos semanas de retraso entre el lanzamiento de la API y la liberación de pesos con “evaluaciones de seguridad adicionales”. El argumento tiene algo de sustancia: GLM-5.3 anota 84,5% en CyberGym (benchmark de descubrimiento de vulnerabilidades, mejor resultado publicado hasta ahora, aunque auto-reportado), y Z.ai dice que el modelo encontró 2.436 vulnerabilidades en 269 proyectos open source, incluido el kernel de Linux. Eso sí, solo unas decenas de esos hallazgos son inspeccionables públicamente.

Pero hay un detalle incómodo: la licencia no incluye sección de uso aceptable ni mención alguna a ciberseguridad ofensiva. Si el motivo fuera realmente de seguridad, uno esperaría restricciones de uso, no un filtro comercial. Y Z.ai ya mostró interés por quedarse con la capa de inferencia: GLM-5.3-Flash se sirve sobre chips chinos, no Nvidia.

Contexto de la competencia

La movia no es única en el ecosistema chino, pero sí la más agresiva:

  • Moonshot exige que los proveedores MaaS de Kimi K3 con más de 100 millones de usuarios activos o US$20 millones de ingresos mensuales muestren “Kimi K3” prominentemente en su interfaz.
  • DeepSeek sigue con MIT puro para sus modelos insignia.
  • Z.ai ahora exige revisión previa a los gigantes. En 2023-2024 ya había usado licencias custom (ChatGLM3-6B requería registro para uso comercial), así que no es totalmente nuevo el patrón.

La realidad práctica

Salvo que tengas un datacenter en el patio, no vas a correr esto local: incluso los quants de 2 bits (que según Unsloth retienen ~86% de precisión top-1) necesitan 245GB de memoria. Justo para un Mac con 256GB de memoria unificada, lo cual dice bastante de hacia dónde va el mercado de estaciones locales.

La tendencia de fondo es clara: los modelos abiertos chinos ya emparejan a los frontier labs estadounidenses, y sus dueños empezaron a cobrar el peaje de otra forma. El open weight ya no significa open license sin condiciones.

Fuentes: The New Stack, anuncio de pesos de Z.ai en Hugging Face (28-08-2026).

Update: 2 de octubre de 2026 — Anthropic y CAISI confirman lo que la licencia no restringía

Cuando publicamos este post, la pregunta “¿seguridad o negocio?” quedaba abierta. Ahora tenemos una respuesta parcial, y es incómoda: el 29 de septiembre Anthropic divulgó evaluaciones donde GLM-5.3 demuestra capacidad ofensiva autónoma de nivel frontier, y el CAISI (bajo NIST) lo calificó como “el modelo open-weight con mayor capacidad cibernética publicado hasta la fecha”.

Los números que soltó Anthropic:

  • En ExploitBench (explotar vulnerabilidades conocidas de V8, el engine JS de Chrome), GLM-5.3 construyó exploits funcionales en 50 de 410 intentos (~12%) — prácticamente empatado con el Claude Mythos Preview (56/410, ~14%), el modelo de Anthropic que nunca se publicó precisamente por esa capacidad. GLM-5.2, Claude Opus 4.6, Kimi K3 y DeepSeek-V4.1-Flash anotaron cero.
  • En control-flow hijacking (100 tareas): Mythos 6%, GLM-5.3 4%, el resto 0%.
  • En uso real: investigadores le encargaron auditar un navegador Linux común y el modelo encontró varias vulnerabilidades no divulgadas del engine JS en un solo día, encadenándolas para leer archivos arbitrarios de quien abriera una página maliciosa (reportadas a los mantenedores).
  • La variante chica GLM-5.3-Flash combinó dos CVE públicos (incluido CVE-2026-11645) en una cadena de ataque ARM64 que bypasea PAC, con ~8 horas de proceso y un costo de US$20,40 vía API.

¿Y los guardrails? Acá viene lo peor: con una técnica llamada “abliteration” (modificar parámetros internos para debilitar el rechazo), la tasa de negativa que superaba el 90% en JailbreakBench y HarmBench cayó a ~3% y ~2%, sin pérdida significativa de capacidad general. Un modelo que cualquiera puede descargar, con capability ofensiva casi frontier y safeties que se desmontan sin degradarlo.

Volviendo a la licencia que analizamos arriba: seguía (y sigue) sin tener sección de uso aceptable ni restricción de ciberseguridad ofensiva. La inquietud de ese entonces dejó de ser teórica.

Fuente: divulgación de Anthropic (29-09), cobertura de BigGo News

Update: 2026-10-10 — GLM 5.3 ya está disponible en Amazon Bedrock

AWS lo hizo oficial en su blog de Machine Learning (5 de octubre): GLM 5.3 de Z-ai llegó a Amazon Bedrock como modelo administrado.

Qué implica esto, más allá del anuncio:

  • Las empresas que ya viven en AWS pueden consumir GLM 5.3 sin proveedor externo, con la facturación, gobernanza y IAM de Bedrock, igual que cualquier otro modelo del catálogo.
  • Es otro hito para un modelo open-weight chino: primero la licencia y el debate de seguridad, y ahora distribución enterprise vía uno de los hyperscalers grandes.
  • Para los equipos que evaluaban GLM 5.3 pero no querían armar inferencia propia (o depender de la API de Z-ai), la barrera de entrada bajó bastante.

Fuente: AWS Machine Learning Blog — Introducing GLM 5.3 on Amazon Bedrock (5-10-2026).


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en IA →

Buscar en Ping Diario