Coding — AI That Writes Production Code

Un modelo frontera generalista que casualmente supera a especialistas en programación en los benchmarks que más importan. Piensa en un decatleta que también tiene el récord mundial de 100 metros.

SWE-Bench Pro 57,7% — un generalista supera a GPT-5.3-Codex (56,8%). Contexto de 1M tokens carga repos completos. 47% ahorro en tokens con herramientas nativas. 1,5x más rápido en Codex.

Costes de API más altos ($2,50/M input, $15/M output). Contexto completo cuesta al doble en Codex. Opus 4.6 aún produce código más coherente arquitectónicamente en refactorizaciones masivas.

El modelo que piensa antes de programar. Opus 4.6 planifica refactorizaciones de múltiples pasos, mantiene el contexto en bases de código enormes y escribe código de producción que se lee como si un ingeniero sénior lo hubiera revisado (porque, en cierto modo, lo hizo).

El modelo más capaz de Anthropic. La ventana de contexto de 1 millón de tokens (beta) le permite mantener repositorios enteros en su memoria de trabajo. Las mejores calificaciones en benchmarks de programación autónoma: planifica, ejecuta y se autocorrige durante tareas largas.

El modelo más caro de su serie. Las largas sesiones agentic pueden multiplicar los costes si no se supervisan, y es más lento que los modelos ligeros para preguntas rápidas.

El primer modelo de pesos abiertos en ocupar el puesto #1 en SWE-Bench Pro — y tiene licencia MIT. GLM-5.1 no solo escribe código; ejecuta sesiones autónomas de ingeniería de 8+ horas con 655+ iteraciones, autocorrigiéndose a través de miles de llamadas a herramientas. La respuesta open-source al dominio de los modelos cerrados en programación.

SWE-Bench Pro SOTA con 58,4 — superando a Claude Opus 4.6 (57,3) y GPT-5.4 (57,7). CyberGym 68,7 superando a todos los modelos cerrados. Ventana de contexto de 200K con 128K+ de salida. Pesos completamente abiertos bajo licencia MIT.

Solo texto — sin entrada visual ni multimodal. ~754B parámetros totales significan requisitos serios de GPU incluso con 40B activos MoE. El ecosistema de herramientas occidental aún menos maduro que los recursos en chino.