GLM-5.2, Sakana Fugu, Claude Fable 5: tres modelos frontera, tres respuestas sobre el control
Tres modelos frontera, una pregunta real para un comprador B2B: ¿a dónde van tus datos, y cuánto del stack controlas?
Traducción generada automáticamente con IA. La versión alemana es el original revisado por la redacción.
Cuando alineo estos tres para un cliente en Renania-Palatinado, las diferencias de benchmark rara vez son lo que lo decide. Los tres son de grado frontera a mediados de 2026. La decisión es a dónde van los datos y cuánto del stack controla el cliente, y GLM-5.2, Sakana Fugu y Claude Fable 5 dan tres respuestas genuinamente distintas. Solo uno de ellos puede correr dentro de tu propio edificio. Esa es la comparación que sobrevive a una revisión de compras, así que es con la que empiezo.
01. TRES LANZAMIENTOS, EN TÉRMINOS LLANOS
Cada uno de estos salió en una quincena respecto a los otros en junio de 2026, y cada uno es un tipo de cosa distinta. Vale la pena ser preciso, porque dos de ellos se describen mal por todas partes.
GLM-5.2, de Z.ai en Pekín, se publicó el 17 de junio. Es un modelo Mixture-of-Experts de pesos abiertos, unos 750 mil millones de parámetros con cerca de 40 mil millones activos, un contexto de un millón de tokens y, crucialmente, una licencia MIT con los pesos publicados en HuggingFace.
Sakana Fugu, de Sakana AI en Tokio, se publicó el 22 de junio. No es un modelo convencional, y el encuadre común lo entiende mal: Fugu es un orquestador entrenado que llama a un grupo de otros modelos y sintetiza su trabajo. Es solo API, ofrecido como un endpoint compatible con OpenAI.
Claude Fable 5, de Anthropic en Estados Unidos, se publicó el 9 de junio. El segundo error común es archivar a Fable como un nivel rápido o creativo. Es el buque insignia, el modelo más capaz de Anthropic de amplia difusión, con puerta de seguridad, solo en la nube, a 10 y 50 dólares por millón de tokens. Sus cifras de benchmark son fuertes; para este artículo también son irrelevantes.
02. LA ÚNICA COMPARACIÓN QUE SOBREVIVE A COMPRAS
Quita el ranking y alinéalos en las dimensiones de las que un comprador B2B alemán es realmente responsable. La imagen es clara, y no va sobre cuál es el más inteligente.
| Dimensión | GLM-5.2 | Sakana Fugu | Claude Fable 5 |
|---|---|---|---|
| Apertura | Pesos abiertos, MIT | Cerrado, solo API | Cerrado, solo API |
| Jurisdicción | China (el autoalojamiento la elimina) | Japón | Estados Unidos |
| Correr on-prem | Sí, unos 744 GB de GPU | No | No |
| Coste API por M de tokens | Unos 1,40 y 4,40 | No divulgado | 10 y 50 |
| Calidad de la evidencia | Del proveedor y secundaria | Solo autoinforme del proveedor | Del proveedor, historial sólido |
Dos salvedades honestas pertenecen a esta tabla. La vía por defecto de GLM-5.2, la API de Z.ai, se sitúa bajo las leyes de datos de China, con sus disposiciones de acceso obligatorio, que es justo por lo que importan los pesos abiertos: autoalojar en la UE neutraliza ese riesgo. Y la afirmación de Fugu de paridad frontera es totalmente autoinformada, debilitada por el hecho de que Fable y el restringido modelo Mythos ni siquiera están en su grupo. Yo no apostaría una decisión al benchmark de ninguno de los dos proveedores.
03. LO QUE REALMENTE LE DIGO A UN CLIENTE
No recomiendo uno de estos en abstracto. Ajusto la postura a lo que el cliente puede financiar y a lo que es responsable.
🔸 GLM-5.2 es la jugada on-prem. Los pesos abiertos MIT son todo el punto: puedes correrlo en tu propio centro de datos, y los prompts nunca salen de tu red. El pero es la huella de GPU, unos 744 gigabytes en FP8, así que encaja con el cliente que puede financiar el hardware y necesita que los datos se queden en el edificio. Es la historia de soberanía más limpia de los tres.
🔸 Claude Fable 5 es la jugada de garantía gestionada. Estás alquilando capacidad a un proveedor de EE. UU., al precio más alto de aquí, con puerta de seguridad real y enrutamiento regional de datos en las grandes nubes. Para un equipo que quiere un modelo puntero sin poseer el stack, y puede vivir con una dependencia de nube, es la opción gestionada más fuerte.
🔸 Sakana Fugu es la jugada de conveniencia, con la historia de control más débil. Una API que enruta a través de un grupo de modelos es ingeniosa, y Japón es una geopolítica más blanda que China. Pero no puedes correrlo on-prem, no eliges qué modelo ve los datos, y la evidencia es escasa. Yo lo trataría como interesante, no como un valor por defecto para trabajo regulado.
Esta es la misma lección que Claude Fable 5 enseñó por las malas cuando un modelo anterior se apagó en 72 horas: la capacidad alquilada es revocable, y el control es una propiedad del stack, no de la puntuación. Es por lo que sigo señalando a los clientes hacia modelos de pesos abiertos que de verdad pueden poseer.
04. LA PREGUNTA POR LA QUE VALE LA PENA DISEÑAR
Si te llevas una cosa de esto, que sea la pregunta, no el ranking. Los modelos volverán a intercambiar posiciones en el ranking dentro de un trimestre; esa parte es ruido. La pregunta duradera es la que un responsable de compras debería estar haciéndose el primer día: ¿cuál de estos puedes seguir corriendo, auditando y costeando cuando el proveedor cambie las condiciones? Para la mayoría de los clientes regulados con los que trabajo, esa pregunta se responde sola, y no apunta al benchmark más alto. Así que antes de elegir el modelo más inteligente, ¿qué te costaría perderlo?
