GLM 5.2

Qué hace bien

1.048.576 tokens de contexto: unas 760.000 palabras, que son varios libros. Y razonamiento encima. Es la combinación más amplia que hay en este catálogo.

Sirve para el caso que rompe a todos los demás: mucho material y una pregunta que exige cruzarlo. Todas las actas de un año y la pregunta de cuándo cambió la política. Un expediente completo y la pregunta de qué falta.

Con 200.000 tokens repartes el trabajo en tandas y arrastras el problema de siempre: el modelo no puede comparar lo que ya no tiene delante. Con un millón no hay tandas.

Dónde se queda corto

El precio. Es el más caro del catálogo en la entrada, y eso importa precisamente aquí: si vas a usar el millón de tokens, la entrada es justo lo que se dispara. Llenar la ventana entera una sola vez cuesta alrededor de un dólar antes de que responda nada. Multiplícalo por las veces que vayas a preguntar sobre el mismo material.

Y para lo corriente es desperdicio. En una pregunta normal no hace nada que no haga GLM 5 por bastante menos.

Cuándo elegirlo

• Cuando el material no cabe en 262.144 tokens y trocearlo estropea la respuesta.
• Análisis que exige cruzar cosas separadas por cientos de páginas.
• Una vez, sobre el archivo entero, en lugar de veinte veces sobre trozos.

Cuándo no

• Si cabe en 262.144 tokens: Kimi K2 Thinking, que razona igual y cuesta bastante menos.
• Si es un cálculo corto: DeepSeek R1.
• Si no hay que razonar, solo leer mucho: MiniMax M1, también con un millón, más barato.

Es la herramienta de un problema concreto. Elegirlo por costumbre es la forma más rápida de fundirse la cuota del mes.