# Reseña de GLM-5.3-FlashX > Reseña de GLM-5.3-FlashX: contrastamos los 200 tokens/s, precios API, datos independientes de Flash, contexto de 1M y cuándo compensa pagar 2,5 veces más. - Canonical HTML: https://omniakey.com/es/blog/glm-5-3-flashx-review - Markdown: https://omniakey.com/es/blog/glm-5-3-flashx-review.md - Published: 2026-09-19 (updated 2026-09-19) - Author: Kiki, COO at OmniaKey - Language: es - Category: Guide - Reading time: 12 min - All posts: https://omniakey.com/blog/llms.txt --- Esta **reseña de GLM-5.3-FlashX** separa una ruta alojada más rápida de un modelo más capaz. Z.ai anuncia **200 tokens/s**, pero no ha publicado una comparación de calidad Flash contra FlashX en igualdad de condiciones, una distribución de latencia ni la metodología de esa cifra. El veredicto práctico es sencillo: prueba FlashX cuando una persona espera una respuesta larga en streaming o un bucle interactivo de herramientas. Mantén Flash para lotes, agentes en segundo plano y evaluaciones, donde pagar cerca de 2,5 veces por token rara vez crea valor medible. > **Datos verificados el 19 de septiembre de 2026.** Consultamos la documentación, los precios API, el informe de lanzamiento y la ficha abierta de Z.ai, además de los datos de Artificial Analysis para GLM-5.3-Flash normal. No dispusimos de credenciales FlashX facturables, no ejecutamos una prueba directa de latencia y no presentamos 200 tokens/s como resultado independiente. ## Veredicto de la reseña - **Prueba primero FlashX:** programación interactiva, investigación en vivo, Computer Use, asistentes para clientes y salidas largas en streaming. - **Conserva Flash como opción de valor:** colas, extracción de documentos, revisión nocturna, datos sintéticos y automatización de gran volumen. - **No cambies solo por calidad:** Z.ai no publica un checkpoint FlashX separado ni una prueba emparejada de que responda mejor. ## FlashX frente a Flash |Criterio|GLM-5.3-FlashX|GLM-5.3-Flash| |-|-|-| |ID del modelo API|`glm-5.3-flashx`|`glm-5.3-flash`| |Función documentada|Ruta alojada más rápida|Ruta económica y modelo de pesos abiertos| |Evidencia de velocidad|Z.ai anuncia 200 tokens/s sin método público|Artificial Analysis midió una mediana de 98.6 tokens/s| |Entrada / caché / salida|$0.37 / $0.075 / $1.25 por 1M tokens|$0.15 / $0.03 / $0.50| |Contexto / salida máxima|1M / 128K tokens|1M / 128K tokens| |Entradas|Vídeo, imagen, texto y archivos|Vídeo, imagen, texto y archivos| |Thinking|Obligatorio; no puede desactivarse|Obligatorio; no puede desactivarse| |GLM Coding Plan|No incluido al verificar|Incluido con 3 veces la cuota de GLM-5.3| |Pesos públicos|Sin checkpoint propio documentado|`zai-org/GLM-5.3-Flash`, licencia MIT| La documentación compartida respalda un mismo contrato público de capacidades, pero no demuestra que el serving interno, la consistencia, las tool calls o la fiabilidad sean idénticos. La [página de GLM-5.3-Flash](https://omniakey.com/es/glm-5-3-flash) mantiene el precio y estado actuales en OmniaKey. Que Z.ai ofrezca `glm-5.3-flashx` no implica que ese ID esté disponible en cualquier gateway; consulta el [catálogo de modelos en vivo](https://omniakey.com/es/models) antes de cambiar el cliente. ## Qué demuestra realmente 200 tokens/s Z.ai no aclara si 200 es un pico, promedio o mediana, ni la región, prompt, longitud de salida, concurrencia, cómputo de reasoning tokens o p95. Tampoco publica el tiempo hasta el primer token. ```text latencia de extremo a extremo = espera en cola + procesamiento del prompt y primer token + tokens generados / velocidad de decodificación + tiempo de herramientas y red ``` A 200 tokens/s sostenidos, 100 tokens tardarían 0.5 segundos en decodificarse, 1,000 tardarían 5 y 4,000 tardarían 20. Es aritmética, no una medición de FlashX, y excluye todos los demás términos. Las respuestas cortas pueden depender del primer token y los prompts largos del prefill. ## Hay datos independientes de Flash, no de FlashX Artificial Analysis informa estos resultados para Flash normal mediante la API de Z.ai: |Métrica|Resultado de Flash|Alcance| |-|-:|-| |Intelligence Index|41.9|Evaluación independiente| |Velocidad de salida mediana|98.6 tokens/s|Muestras de la API de Z.ai| |Tiempo mediano al primer chunk|2.43 segundos|Muestras de la API de Z.ai| |Coste por tarea de evaluación|$0.253|Mezcla de tareas del evaluador| Esto **no es** una prueba de FlashX. Dividir el titular 200 de Z.ai por la mediana independiente 98.6 y afirmar “2.03 veces más rápido” mezclaría métodos, fechas, cargas y condiciones distintas. Z.ai también comunica para la familia Flash 84.3 en Terminal-Bench 2.1, 63.4 en DeepSWE v1.1, 56.3 en NL2Repo y 48.8 en AutomationBench. Son resultados de proveedor para GLM-5.3-Flash, no evidencia de una mejora de calidad de FlashX. La [comparación de GLM-5.3 y GLM-5.2 para programación](https://omniakey.com/es/blog/glm-5-3-vs-glm-5-2-for-coding) cubre la decisión generacional. ## Precio de la API y ejemplo de coste Z.ai publica estos precios de API directa en USD por millón de tokens: |Modelo|Entrada|Entrada en caché|Almacenamiento de caché|Salida| |-|-:|-:|-|-:| |GLM-5.3-Flash|$0.15|$0.03|Gratis por tiempo limitado|$0.50| |GLM-5.3-FlashX|$0.37|$0.075|Gratis por tiempo limitado|$1.25| |GLM-5.3|$1.40|$0.26|Gratis por tiempo limitado|$4.40| FlashX cuesta 2.47 veces más en entrada sin caché y 2.5 veces más en entrada almacenada y salida. “Gratis por tiempo limitado” se refiere al almacenamiento de caché, no elimina el cargo de lectura de entrada en caché. Con 100K tokens de entrada sin caché y 20K de salida, Flash cuesta **$0.0250**, FlashX **$0.0620** y GLM-5.3 completo **$0.2280**. Si 80K están en caché y 20K no, cuestan **$0.0154 / $0.0384 / $0.1368**. Ejecutar 1,000 veces el caso sin caché cuesta **$25.00 / $62.00 / $228.00**. FlashX añade **$0.037 por ejecución**. Con un coste laboral de $30 por hora, equivale a unos 4.4 segundos. Es un umbral útil, no una medición que pruebe que FlashX ahorra 4.4 segundos. ## Arquitectura y límites de integración GLM-5.3-Flash tiene **320B parámetros totales y 18B activos por token**, 45 capas y entrenamiento multimodal de 30T tokens. Combina atención sparse y linear. Z.ai afirma 3.01 veces menos cálculo de atención y 4.44 veces menos KV Cache que GLM-5.3. Son propiedades de la familia Flash, no cambios exclusivos de FlashX. Los pesos de Flash normal tienen licencia MIT; en las fuentes revisadas, FlashX solo aparece como ID alojado. Thinking no puede desactivarse. Z.ai recomienda `temperature: 1`, `top_p: 0.95`, `reasoning_effort: max`, `clear_thinking: false`, `stream: true` y `tool_stream: true` para uso interactivo. Un cliente que envíe `thinking.type: "disabled"` debe migrar antes. `reasoning_effort: max` puede aumentar los reasoning tokens y el tiempo total, aunque la decodificación sea rápida. Las entradas multimodales siguen necesitando controles de tamaño, formato, privacidad y retención. ## Qué ruta elegir |Carga de trabajo|Empieza con|Motivo| |-|-|-| |Programación o depuración interactiva|FlashX|Una persona espera razonamiento, herramientas y salida| |Asistente con respuestas largas|FlashX tras medir p95|La latencia de cola afecta la experiencia| |Computer Use o Browser Use|FlashX tras medir éxito|Cada turno bloquea la siguiente acción| |Revisión nocturna o análisis CI|Flash|Nadie suele esperar cada token| |Extracción, clasificación o datos sintéticos|Flash|La prima de 2.5 veces se acumula sin beneficio interactivo| |Tarea difícil con fallo costoso|Compara Flash, FlashX y GLM-5.3|La tasa de aceptación puede importar más que velocidad y tarifa| |Flujo de GLM Coding Plan|Flash|FlashX no está incluido actualmente| Un router de producción puede usar ambos: FlashX solo en el camino interactivo crítico y Flash para reintentos, indexación, resúmenes y posprocesado. ¿Esperas GLM-5.5? Al 1 de noviembre de 2026, Z.ai no lo había anunciado. Nuestra página [Fecha de lanzamiento de GLM-5.5](https://omniakey.com/es/blog/glm-5-5-release-date) reúne lo que se puede comprobar y qué GLM usar ahora. ## Cómo comparar FlashX correctamente 1. Fija tareas cortas, largas, con herramientas y multimodales, más sus criterios de aceptación. 2. Envía el mismo prompt inmutable y política de herramientas a los dos ID exactos. 3. Aleatoriza el orden y mantén iguales región y franjas horarias. 4. Registra primer chunk, velocidad, tiempo total y p50/p95. 5. Registra entrada, caché, reasoning, salida y coste facturado. 6. Evalúa resultados aceptados, tool calls, reintentos, errores y corrección humana. 7. Repite con la concurrencia real para observar la variación. La métrica principal debe ser **coste por tarea aceptada dentro del presupuesto de latencia**. La [guía de modelos para agentes de programación](https://omniakey.com/es/blog/best-llm-coding-agents) explica por qué modelo y harness deben probarse juntos. ## Veredicto final GLM-5.3-FlashX se entiende mejor como un carril rápido de pago para la familia Flash. El titular de 200 tokens/s es prometedor y el coste adicional absoluto puede ser pequeño en solicitudes interactivas. La evidencia pública no demuestra un nuevo nivel de inteligencia, una mejora garantizada de 2 veces ni un SLA de extremo a extremo. Usa FlashX donde esperar tenga valor medible y conserva Flash como referencia de coste en el resto. ## Preguntas frecuentes ### ¿FlashX es más inteligente que Flash? No hay evidencia pública que lo demuestre. Hay capacidades compartidas y benchmarks de la familia, pero no una comparación de calidad emparejada ni un checkpoint FlashX separado. ### ¿Alcanza realmente 200 tokens/s? Es el titular oficial de Z.ai. No se publican método, percentil, región, concurrencia, forma del prompt o primer token, y esta reseña no lo reprodujo. ### ¿Cuánto cuesta FlashX? $0.37 por millón de tokens de entrada sin caché, $0.075 por entrada almacenada y $1.25 por salida, alrededor de 2.5 veces el precio de Flash. ### ¿Admite contexto de 1M e imágenes? Sí. La página compartida documenta 1M de contexto, hasta 128K de salida y entradas de vídeo, imagen, texto y archivos. El contexto largo no garantiza baja latencia. ## Fuentes primarias - [Documentación de GLM-5.3-Flash y FlashX de Z.ai (inglés)](https://docs.z.ai/guides/vlm/glm-5.3-flash) - [Precios API de Z.ai (inglés)](https://docs.z.ai/guides/overview/pricing) - [Informe de lanzamiento de GLM-5.3-Flash (inglés)](https://z.ai/blog/glm-5.3-flash) - [Ficha abierta de GLM-5.3-Flash (inglés)](https://huggingface.co/zai-org/GLM-5.3-Flash) - [Resultados de Artificial Analysis (inglés)](https://artificialanalysis.ai/models/glm-5-3-flash) _Evidencia y cálculos verificados el 19 de septiembre de 2026. Los ID, precios, acceso al Plan, latencia y disponibilidad en gateways pueden cambiar; revisa las fuentes y repite una prueba emparejada antes de mover producción._