Kimi, GLM y MiniMax, las alternativas chinas que uso

Mi herramienta principal es Claude, y también trabajo con OpenAI. Pero en mi día a día hay otros cuatro nombres que a mucha gente le suenan poco o le suenan mal: Kimi, GLM, MiniMax y DeepSeek. Cuento para qué los uso, cómo quedan frente a los de siempre y, sobre todo, qué datos les doy y cuáles no.

El motivo real es menos épico de lo que parece: el precio por uso de la API y la curiosidad a partes iguales. Leía una y otra vez que había modelos chinos que programaban y trabajaban como agentes casi al nivel de los grandes, y quería comprobarlo con mis propias tareas.

Empecé a principios de 2025, con DeepSeek, como casi todo el mundo, y a partir de ahí fueron cayendo los demás: Kimi a mediados de 2025, GLM poco después y MiniMax el último, ya en 2026.

Sobre estos modelos circulan dos extremos. Uno dice que "son igual de buenos y mucho más baratos, el que paga a los americanos es tonto". El otro, que "ni se te ocurra tocarlos, que te roban los datos". Ninguno de los dos me ha servido.

Un aviso antes de seguir: esto no es un análisis técnico ni una clasificación de modelos. Es mi experiencia, con mis tareas, y con todos los sesgos que eso implica.

Kimi es un asistente de inteligencia artificial, parecido a ChatGPT, creado por la empresa china Moonshot AI, que también da ese nombre a su familia de modelos. Es conocido por manejar textos muy largos y por modelos, como la serie K2 y sus sucesores, pensados para trabajar como agente y programar.

Lo uso de dos formas. En el chat, para leer y resumir documentos muy largos, como pliegos, manuales o especificaciones de cientos de páginas. Y por API, dentro de un arnés de agente, para tareas de programación sin datos sensibles. Un arnés es el programa que envuelve al modelo y le da herramientas para actuar.

Lo que hace bien, en mi experiencia: aguanta documentos enormes sin perder el hilo y, como agente, es sorprendentemente constante en tareas largas de varios pasos. Lo que no: en español escribe correcto pero plano, con frases que suenan a traducción, y a veces se empeña en seguir un plan aunque le digas que ha cambiado la situación.

El ejemplo que más me convenció: le pasé un manual técnico de unas 300 páginas y le pregunté por tres detalles escondidos en anexos distintos. Los encontró todos y citó el apartado.

Primero, el lío de nombres, que a mí me costó un rato. GLM es una familia de modelos de lenguaje creada por la empresa china Z.ai, que antes se llamaba Zhipu AI. El nombre viene de General Language Model, y empezó como ChatGLM. Así que, si lees Zhipu, ChatGLM, GLM o Z.ai, estás ante la misma casa.

Muchas de sus versiones se publican con pesos abiertos, es decir, se pueden descargar y ejecutar por tu cuenta.

Lo uso sobre todo por API, como modelo de programación dentro de agentes, y de vez en cuando en su chat para consultas rápidas. Para qué: scripts de mantenimiento de servidores, pequeñas herramientas internas y revisión de código propio.

¿Lo he probado en mis máquinas? Sí, una versión pequeña de GLM en el servidor con más memoria gráfica. Funcionó, pero para lo que yo necesitaba se quedaba corta frente a la versión grande por API, que no cabe en casa ni de lejos.

Lo que hace bien: programar; en tareas de código del día a día me ha dado resultados muy cercanos a los de los modelos grandes de pago. Lo que no: cuando la tarea mezcla código con explicaciones largas en español, se le nota menos pulido, y alguna vez se ha inventado una opción de configuración que no existía.

MiniMax es una empresa china con sede en Shanghái que mucha gente conoce solo por los vídeos de Hailuo, su generador de vídeo. Pero detrás hay también modelos de texto, la serie M, pensados para conversar, programar y trabajar como agente, además de modelos de voz, música e imagen.

Yo uso de MiniMax el modelo de texto por API, como alternativa en tareas de agente, y he hecho alguna prueba con Hailuo para vídeos cortos de demostración.

Lo que me sorprendió: la velocidad. En tareas de agente con muchos pasos cortos, respondía más rápido que casi todos los demás, y eso en un agente se nota mucho. Lo que me decepcionó: en tareas que necesitan pensar un poco más, como reorganizar un proyecto con varios ficheros, tomaba decisiones precipitadas que luego había que deshacer. Y los vídeos de Hailuo, muy vistosos, no me sirvieron para nada profesional.

DeepSeek es el más conocido de todos: una empresa china de inteligencia artificial, con su asistente de chat, su API y parte de sus modelos publicados en abierto.

Lo uso en el chat para consultas sueltas, por API en tareas de razonamiento y, en local, con versiones pequeñas de sus modelos abiertos. Además, llevo diez días probando DeepSeek Harness, su herramienta de código abierto para trabajar con agentes, y lo cuento en Diez días trabajando con DeepSeek Harness.

Lo trato aparte porque no es solo un modelo más en mi lista: con Harness se ha convertido en una forma distinta de trabajar, y merece su propio artículo.

Aquí está lo que de verdad me interesaba. He hecho las mismas tareas con varios de ellos y he anotado quién lo hizo mejor, quién más rápido y cuánto me costó. No te pongo tarifas publicadas; lo que aparece es lo que gasté yo.

Redactar en español. Un texto de unas 800 palabras para la web de un cliente, a partir de unas notas. Claude fue el mejor con diferencia, con un texto que apenas tuve que tocar. OpenAI, correcto. Los chinos, todos por detrás: gramaticalmente bien, pero con un español que suena a traducción.

Resumir un documento largo. Un pliego técnico de unas 200 páginas. Kimi y Claude empataron en calidad; Kimi fue algo más rápido. GLM y MiniMax se dejaron algún detalle importante.

Programar un script. Un script de copias de seguridad con avisos por correo. Claude y GLM lo resolvieron a la primera; Kimi, a la segunda; MiniMax necesitó tres vueltas. El gasto de los chinos fue una fracción del de Claude.

Trabajar como agente. Una tarea de unos veinte pasos, migrar una pequeña web de un servidor a otro. Claude la terminó sin ayuda. Kimi también, más despacio. MiniMax fue el más rápido, pero tuve que corregirle dos decisiones.

La advertencia honesta: son mis tareas, no una clasificación general. Y los modelos cambian cada pocas semanas, así que esta tabla caduca antes de que la leas.

Lo que escribes en su chat o envías por su API viaja a sus servidores y se rige por sus condiciones y por la ley de su país. Es lo mismo que pasa con cualquier proveedor, también con los americanos. Pero conviene pensarlo, y yo me lo he tenido que pensar.

Mi regla real. Les doy textos públicos, pruebas, código propio sin datos sensibles ni claves, documentación técnica que ya está publicada y tareas de aprendizaje. No les doy datos de clientes, información interna de la empresa, contraseñas ni nada que me diera vergüenza ver publicado.

¿He cambiado de criterio? Sí. Al principio fui más confiado y le pasé a uno de ellos un fichero de registros de un servidor sin revisarlo. Luego vi que incluía direcciones internas y nombres de usuario. No pasó nada, que yo sepa, pero desde entonces reviso todo lo que sale hacia cualquier proveedor, chino o no.

La pregunta de si es fiable darle datos a Z.ai, o a cualquiera de ellos, no tiene una respuesta técnica: tienes que valorarla tú, con sus condiciones delante.

Hay una alternativa cuando el modelo es abierto: descargarlo y ejecutarlo en tu propia máquina, y entonces nada sale de casa. La limitación es clara: las versiones grandes no caben en un equipo doméstico, y las pequeñas no rinden igual.

Hoy los sigo usando para tareas de programación y de agente sin datos sensibles, donde el ahorro es real y la calidad basta, y Kimi para leer documentos muy largos. He vuelto a Claude, o a OpenAI, para todo lo que se escribe en español para otros, todo lo que toca datos de clientes y las tareas de agente donde un error sale caro.

¿A quién se los recomendaría? Al que quiere probar y ahorrar en tareas sin datos sensibles. ¿A quién no? Al que va a meter datos de clientes sin leer antes las condiciones.

Mi recomendación práctica, si te animas: empieza con textos que no te importaría ver publicados. Si con eso te sirven, ya tendrás tiempo de decidir hasta dónde llegar.