GLM-5.2 y Sakana Fugu: Benchmarks y el Auge de la Orquestación Multimodelo

Dos lanzamientos redefinen el mapa de capacidades

Junio de 2026 trajo dos lanzamientos que tiran de la frontera en direcciones distintas pero complementarias. Z.ai publicó GLM-5.2, un modelo de pesos abiertos que pelea de tú a tú con los cerrados; y Sakana AI lanzó Fugu, un modelo cuyo trabajo es dirigir a otros modelos en lugar de competir con ellos. Juntos cuentan la historia del segundo semestre del año: la capacidad bruta se democratiza mientras la coordinación de modelos se profesionaliza.

Para entender qué modelo elegir, conviene mirar los benchmarks con criterio, no como un marcador deportivo.

GLM-5.2: 744.000 millones de parámetros y 1M de contexto

GLM-5.2 se publicó el 16 de junio de 2026 sobre la misma arquitectura Mixture-of-Experts de 744.000 millones de parámetros que GLM-5, con una mejora decisiva: una ventana de contexto utilizable de 1 millón de tokens (frente a los ~200.000 de GLM-5.1) y un nuevo sistema de esfuerzo de razonamiento dual con modos High y Max. La salida máxima sube a 131.072 tokens.

El salto de contexto importa porque habilita tareas de largo horizonte —revisar un repositorio entero, analizar contratos extensos o mantener el hilo de una conversación de horas— sin trocear la información.

Los benchmarks de GLM-5.2 frente a GPT-5.5 y Opus 4.8

Las cifras son las que han dado que hablar. En SWE-bench Pro, GLM-5.2 marcó 62,1, por encima de GPT-5.5 (58,6) y de su predecesor GLM-5.1 (58,4). En Terminal-Bench 2.1 alcanzó 81,0 frente al 62,0 de GLM-5.1. En el Artificial Analysis Intelligence Index v4.1 logró 51, la puntuación más alta de cualquier modelo de pesos abiertos, y según Z.ai queda a solo 1 punto de Claude Opus 4.8 en FrontierSWE — todo ello a aproximadamente 1/6 del coste.

Sakana Fugu: cuando el modelo es un orquestador

Sakana Fugu, lanzado el 22 de junio, plantea otra filosofía. Es un modelo de lenguaje entrenado para llamar a otros modelos de un pool de agentes —incluyéndose a sí mismo de forma recursiva— a través de una única API. Decide cuándo delegar, cómo se comunican los agentes y cómo sintetizar los resultados.

Hay dos variantes: Fugu (equilibrio rendimiento/latencia) y Fugu Ultra (máxima precisión en problemas complejos). Según Sakana, Fugu Ultra se mide de igual a igual con Claude Fable 5 en benchmarks de ingeniería, ciencia y razonamiento, aunque él mismo no sea el modelo más potente. Su fuerza está en coordinarlos.

TRINITY y Conductor: la investigación detrás de Fugu

Fugu no salió de la nada: se apoya en dos artículos publicados en ICLR 2026, TRINITY (un coordinador de LLM evolucionado) y Conductor (aprender a orquestar agentes en lenguaje natural). La clave es que Fugu aprende a orquestar; no sigue un flujo de trabajo fijo programado a mano. Es la misma intuición que subyace al enrutamiento de OpenRouter, llevada al interior del propio modelo.

Tabla comparativa de benchmarks

Qué leer en los benchmarks (y qué no)

Un benchmark mide una tarea concreta en condiciones de laboratorio; tu trabajo real rara vez se parece. GLM-5.2 brilla en programación de largo horizonte, pero eso no lo convierte en la mejor opción para redacción creativa o atención al cliente. La lección de 2026 es que el mejor "modelo" puede ser una combinación de modelos: para eso existen los orquestadores como Fugu y las pasarelas como OpenRouter.

Recomendaciones para profesionales

• No persigas el número más alto. Define tu tarea y prueba 2-3 modelos sobre tus propios datos antes de decidir.
• Aprovecha el contexto de 1M. Si trabajas con documentos largos o bases de código, GLM-5.2 cambia lo que es posible automatizar.
• Considera la orquestación. Para tareas multi-paso, un coordinador como Fugu puede superar a cualquier modelo individual.
• Calcula el coste real. Un modelo abierto a 1/6 del precio puede ser la diferencia entre un piloto y un despliegue rentable; revisa los frameworks para estructurar tus pruebas.