Qué es realmente ZCode
En eesel me encargo de las integraciones y de la fontanería de los agentes, así que cuando llega una nueva herramienta agéntica la leo para ver qué hace realmente el agente por debajo del marketing, no el eslogan. ZCode da mucho para leer.
ZCode es una app de escritorio, no una barra lateral de chat pegada a un editor existente. Z.ai (el laboratorio antes conocido como Zhipu AI) lo llama un "entorno de desarrollo agéntico," y el planteamiento es justo: en lugar de autocompletar la línea en la que estás, se hace cargo de toda una tarea. Describes lo que quieres y el agente explora tu repositorio, escribe en varios archivos, ejecuta comandos de shell, revisa su propio trabajo y te entrega un diff con un botón de deshacer. El banner del changelog en el lanzamiento decía "ZCode 3.0: optimizado para GLM-5.2," y el instalador ya iba por la versión 3.3.3, así que itera rápido.
La pantalla de estado vacío dice mucho. Hay un compositor de tareas ("Pregúntale a ZCode, escribe @ para añadir archivos, / para comandos, $ para skills"), un interruptor de permisos Full Access en un naranja algo nervioso, un selector de rama de Git y un selector de modelo fijado en GLM-5.2 con esfuerzo Max. Todo el conjunto está integrado verticalmente: el agente, el modelo GLM-5.2 y la suscripción vienen todos de la misma empresa. Esa es una diferencia real frente a un andamiaje agnóstico de modelo como Claude Code, y funciona en ambos sentidos, sobre lo que volveré más adelante.
Si has seguido la ola del vibe-coding o has leído mi introducción a las CLI de codificación agéntica, ZCode es esa idea en una GUI nativa: menos "escribe un prompt, obtén un fragmento," más "delega una tarea, revisa el resultado."
El modelo detrás: GLM-5.2
No se puede separar ZCode de GLM-5.2, el modelo para el que fue construido. Z.ai lanzó GLM-5.2 el 16 de junio de 2026 bajo una licencia de código abierto MIT con pesos públicos en HuggingFace y ModelScope, además de una ventana de contexto de 1M de tokens (frente a los 200K de GLM-5.1). Z.ai reconoce sin rodeos que una cifra de contexto grande es fácil de anunciar y difícil de mantener fiable, así que dicen haber entrenado específicamente para trayectorias de codificación largas y desordenadas, en lugar de para la captura de pantalla del benchmark.
La afirmación principal es que el rendimiento de codificación agéntica de GLM-5.2 se sitúa "aproximadamente entre Claude Opus 4.7 y Claude Opus 4.8" con presupuestos de tokens comparables. Sus evaluaciones de largo horizonte respaldan el planteamiento: en FrontierSWE (proyectos abiertos con un alcance de horas a decenas de horas) GLM-5.2 obtiene 74.4, alrededor de un 1% por detrás de Opus 4.8 con 75.1 y por delante de GPT-5.5 con 72.6.
Vale la pena tener en mente dos advertencias. Primero, estos son los propios benchmarks de Z.ai, así que léelos como leerías el gráfico de cualquier proveedor. Segundo, el hilo conductor en todos ellos es el mismo: GLM-5.2 es el mejor modelo de pesos abiertos, pero sigue quedando claramente por detrás de la frontera cerrada (sobre todo Opus 4.8, y GPT-5.5 en un par de benchmarks). En el SWE-Marathon ultra largo obtiene 13.0 frente al 26.0 de Opus 4.8, así que la brecha se amplía cuanto más dura la tarea. Si elegir el modelo adecuado para un trabajo es tu cuello de botella, mis notas sobre selección de modelos y los mejores LLM para escribir cubren las mismas disyuntivas desde otros ángulos.
La lectura externa más creíble que encontré lo expresó con claridad:
"En promedio, creo que Opus 4.8 sigue siendo un modelo mejor, más fiable y más rápido, pero si desapareciera mañana y solo tuviera GLM 5.2, no me disgustaría demasiado; con GLM 5.2 conseguiría hacer las cosas sin problema."
Ahí es más o menos donde aterrizo yo también. GLM-5.2 es un modelo real, utilizable y cercano a la frontera que además resulta tener pesos abiertos, lo cual es un gran logro. No es un matagigantes.
Cómo funciona ZCode: goals, bots y un único stack
Tres cosas definen la experiencia de ZCode, y es ahí donde el producto tiene una postura más marcada.
Goals, para tareas de larga duración
La unidad básica de trabajo es un "Goal" (objetivo). En lugar de una única finalización, le entregas a ZCode un objetivo de varios pasos y este ejecuta planificación, ejecución y verificación continuas sobre él, con duraciones de tarea en las demos que van de dos minutos a un día completo. La transcripción del agente en la página de inicio lo muestra inspeccionando primero un repositorio, escribiendo index.html, app.js y styles.css en una sola pasada, y luego ejecutando node --check app.js para verificar su propio resultado antes de declarar la tarea completada. Ese paso de autocomprobación es lo que realmente importa; un agente que escribe código y nunca lo ejecuta no es más que un autocompletado con más adornos.
Si quieres la versión conceptual de lo que un Goal hace por debajo, escribí sobre el bucle del agente por separado, y la diferencia entre esto y los bots antiguos es la misma que tracé entre un agente de IA y un chatbot basado en reglas.
Control del bot desde tus apps de chat
Esta es la función que la mayoría de las herramientas de codificación occidentales no tienen: puedes iniciar y dirigir una tarea de ZCode desde WeChat, Feishu o Telegram. Mencionas al bot con @ desde tu teléfono y una tarea de larga duración sigue avanzando mientras estás lejos del escritorio. Es una idea ingeniosa, aunque que la página de lanzamiento empuje una invitación de Feishu para unirse a la beta de Linux es un pequeño recordatorio de dónde está el público principal de este producto.
Un único stack vertical
Aquí está la decisión estratégica. Claude Code es esencialmente un andamiaje (harness) que puede apuntar a distintos modelos. ZCode es lo contrario: el agente, el modelo GLM-5.2 y la suscripción al GLM Coding Plan forman un único stack propio de extremo a extremo, "afinados en conjunto" como dice Z.ai. Puedes traer tu propia clave para Anthropic, DeepSeek, Kimi u OpenRouter, pero GLM-5.2 es el predeterminado y aquello para lo que todo está optimizado.
La ventaja de un stack vertical es el ajuste fino: el modelo y el andamiaje se conocen mutuamente. La desventaja salió a la luz de inmediato en la comunidad, donde bastantes personas preguntaron por qué hace falta siquiera un andamiaje dedicado cuando GLM-5.2 ya funciona bien dentro de las herramientas existentes:
"¡GLM-5.2 es un gran modelo! Pero ya funciona muy bien con los andamiajes existentes, no estoy seguro de por qué se necesita uno dedicado."
Es una pregunta justa, y vale la pena reflexionar sobre ella antes de comprometer tu flujo de trabajo con la app de un único proveedor.
Cuánto cuesta ZCode
La app es gratuita. El modelo que hay detrás no lo es. Para ejecutar GLM-5.2 necesitas un GLM Coding Plan, y no hay ningún nivel gratuito en el plan en sí.
| Plan | Precio mensual completo | Con facturación más larga (anual, -30%) | Qué incluye |
|---|---|---|---|
| Lite | $18/mes | $12.60/mes ($151.20/año) | Asignación de uso base; trabajo en repositorios pequeños; más de 20 herramientas de codificación, incl. Claude Code |
| Pro (Popular) | $72/mes | $50.40/mes ($604.80/año) | Todo lo de Lite + 5x el uso de Lite; herramientas MCP seleccionadas; generación más rápida |
| Max | $160/mes | $112/mes ($1,344/año) | Todo lo de Pro + 20x el uso de Lite; acceso anticipado a nuevos modelos; recursos en horas punta |
Z.ai aplica un descuento del -10% para facturación mensual, -20% para trimestral y -30% para anual, de modo que los mismos planes bajan hasta $12.60-$112/mes si te comprometes durante un año. (Es posible que veas $16.20-$144 citados en otros sitios; esa es solo la vista de facturación mensual de los mismos precios, no un nivel distinto.)
Ahora la parte que señalaría a cualquiera que esté presupuestando esto. Los planes se venden como múltiplos de una asignación base que Z.ai nunca llega a publicar. Pro es "5x Lite," Max es "20x Lite," y Lite es "asignación de uso base incluida" sin ninguna cifra asociada. La página de precios incluso tiene una pregunta frecuente que dice "¿Cuál es el límite de uso del plan?", y en el momento en que la revisé seguía colapsada.
Un comentario de la semana de lanzamiento expresó la frustración mejor de lo que yo podría:
"Es impresionante que todas estas empresas se salgan con la suya con lo de 'asignación de uso base incluida' [...] presentando los planes superiores como un multiplicador de esa 'base' pero sin revelar nunca cuál es."
También importa que GLM-5.2 no es barato de ejecutar por tarea. El propio gráfico de niveles de esfuerzo de Z.ai muestra que GLM-5.2 alcanza puntuaciones cercanas a las de Opus solo gastando muchos más tokens de salida por tarea, y su medidor de cuota multiplica el uso por 3x durante las horas punta de Pekín y por 2x fuera de ellas.
Ver a un proveedor vender autonomía en unidades que nadie puede calcular me resulta familiar. Es la misma razón por la que eesel cobra por ticket resuelto, una unidad que realmente puedes prever, en lugar de un "crédito" opaco. Si estás dimensionando un presupuesto de IA de cualquier tipo, mi desglose de cuánto cuesta un agente de IA para soporte recorre la misma trampa por el lado del soporte.
Lo que la gente realmente dice
La semana de lanzamiento de ZCode fue ruidosa, y el sentimiento se dividió de una manera útil. Unos cuantos temas aparecieron una y otra vez.
Se parece mucho a Codex. A pesar del planteamiento de "el Claude Code de los creadores de GLM," varias personas dijeron que la interfaz se parece más a Codex de OpenAI:
"Incluso el icono de la mano, el uso en el campo de texto y el estilo de la barra lateral son idénticos 1:1 a Codex. Es un título engañoso: no se parece [a] Claude Code."
Es inestable y sediento. La queja práctica más común fue la fiabilidad y el consumo de tokens:
"Tienes que reintentar cada solicitud al menos 3 veces porque la API es muy inestable. Y si estás en el plan de codificación, el máximo, esto drena tokens al menos 5 veces más rápido que el codex de $200 y el claude de $200."
Y hay una cuestión de confianza que no desaparece. Un agente propietario que quiere acceso total al sistema, construido por un laboratorio chino, es difícil de vender para una parte de los desarrolladores, sin importar los benchmarks:
"De ninguna manera pondría jamás un software propietario chino que obtiene control total del sistema en algo importante. Esto es definitivamente algo que solo ejecutaría en un entorno de pruebas aislado (sandbox) para proyectos de juguete, no para trabajo serio."
Nada de esto convierte a GLM-5.2 en un mal modelo. Lo que hace es convertir a ZCode, la app, en un producto de versión 3.x con aristas sin pulir, que es exactamente lo que cabría esperar dos semanas después del lanzamiento. Si le concedieras a un agente de codificación este tipo de alcance, mi nota sobre los controles de permisos de Claude Code es una buena comprobación de sensatez sobre lo que "acceso total" debería significar en realidad.
La lección real: la autonomía necesita un andamiaje
Esto es a lo que sigo volviendo, y es más grande que una sola app de codificación. Un agente autónomo es tan fiable como el andamiaje que le pones alrededor.
Las mejores decisiones de diseño de ZCode son las barreras de seguridad, no la autonomía. Requiere un paso de confirmación antes de ejecutar comandos sensibles o acciones de permisos elevados. Su agente se autoverifica con un comando real antes de declarar el éxito. Su interruptor "Full Access" es una elección deliberada y visible, no un valor predeterminado. Quita todo eso y te queda un modelo muy capaz con acceso root en tu máquina y sin frenos, que es precisamente lo que preocupaba a los escépticos en los hilos.
Encuentro esto tranquilizador, porque es exactamente la conclusión a la que llegué construyendo IA para soporte. He pasado los últimos tres años y pico poniendo agentes de IA en colas de clientes en vivo, y la lección temprana y dolorosa fue ver a un bot que sonaba seguro dar una respuesta incorrecta a un cliente real. Un agente de codificación que alucina una función rompe un build que puedes revertir. Un agente de soporte que alucina una política de reembolso rompe una confianza que no puedes revertir. Por eso toda la industria, ZCode incluido, está convergiendo hacia la misma forma: dale al agente espacio para trabajar, pero coloca un punto de control entre él y cualquier cosa irreversible, y demuestra que funciona antes de dejarlo suelto.
Para el soporte en concreto, ese andamiaje son tres cosas: un paso de revisión antes de que salga una respuesta, una vía de escalado clara cuando el agente no está seguro, y una forma de medir la contención y la calidad en lugar de adivinar. La autonomía ya es la parte fácil. El andamiaje es el producto.
Prueba eesel
Si estás mirando ZCode y pensando "quiero un agente así, pero para mi cola de soporte," eso es básicamente lo que yo construyo. eesel es un compañero de equipo de IA para tu helpdesk: se conecta a Zendesk, Freshdesk, Gorgias, HubSpot o Front, aprende de tus tickets pasados y de tu documentación de ayuda desde el primer día, y redacta o resuelve por completo las conversaciones de nivel 1.
El diferenciador es la misma idea de andamiaje de la sección anterior. Antes de que eesel responda a un solo cliente, su modo de simulación ejecuta el agente contra miles de tus tickets históricos reales, para que veas exactamente qué habría dicho y cuánto habría resuelto, y corrijas los huecos antes de salir a producción. Empieza supervisado, solo redactando, y le concedes autonomía en los tickets fáciles cuando confías en él, con enrutamiento basado en confianza para que las preguntas de baja confianza se conviertan en un borrador en lugar de una respuesta incorrecta. Equipos reales lo usan a escala: Gridwise vio a eesel resolver el 73% de las solicitudes de nivel 1 en su primer mes. Puedes probar eesel gratis, y su precio se basa en tickets resueltos, no en créditos opacos.
Preguntas frecuentes
¿Qué es ZCode?
¿ZCode es gratis y cuánto cuesta el GLM Coding Plan?
¿GLM-5.2 es de código abierto?
¿ZCode es mejor que Claude Code o Cursor?
¿Puedo usar mi propio modelo con ZCode?
¿El mismo enfoque agéntico funciona para el soporte al cliente?
Article by
Rama Adi Nugraha
Rama is a software engineer at eesel AI with two years of experience writing about B2B SaaS, AI tools, and customer support technology. Based in Bali, Indonesia, he brings a developer's perspective to product comparisons — cutting through marketing copy to what the integrations and APIs actually do.
