@@ -29,7 +29,8 @@ Si no sabes cuál coger, busca en la primera columna lo que quieres hacer.
 | Lo mismo, pero sin el tier premium | `glm5.3-flash` | Mismo contexto de 1M y cuota generosa |
 | Que conteste rápido | `qwen3.8-flash` | Menos profundidad, mucha menos espera |
 | Pasarle un audio al modelo directamente | `mimo-v2.6-flash` | Oye audio de forma nativa |
-| Describir o analizar una imagen | `deepseek-v4-flash` | Cualquiera menos `glm5.3` sirve; este es el mejor |
+| Pasarle un vídeo al modelo | `glm5.3` | Es el único que ve vídeo. Necesita el tier premium |
+| Describir o analizar una imagen | `deepseek-v4-flash` | Cualquier modelo de chat sirve; este es el mejor |
 | Probar cosas sin gastar cuota | `gemma4` | No tiene contador de tokens |
 | Montar un buscador o un RAG | `qwen3-embedding` y después `rerank` | Primero recuperas por similitud, luego reordenas por relevancia |
 | Convertir texto en audio | `kokoro` | 67 voces, dos de ellas en español |
@@ -42,7 +43,7 @@ Si no sabes cuál coger, busca en la primera columna lo que quieres hacer.
 | id | Para qué | Contexto | Acepta | Cuota |
 |---|---|---|---|---|
 | `deepseek-v4-flash` | Chat y razonamiento general | 1M | texto · imagen | 3B tokens/mes |
-| `glm5.3` | Agentes de código y tareas largas | 1M | texto | 3B tokens/periodo de facturación |
+| `glm5.3` | Agentes de código y tareas largas | 1M | texto · imagen · audio · vídeo | 3B tokens/periodo de facturación |
 | `glm5.3-flash` | Agentes de código, sin premium | 1M | texto · imagen | 2B tokens/mes |
 | `qwen3.8-flash` | Respuestas rápidas | 1M | texto · imagen | 500M tokens/mes |
 | `mimo-v2.6-flash` | El MiMo más nuevo, omnimodal | 1M | texto · imagen · audio | 1.0B tokens/mes |
 
@@ -189,8 +189,6 @@ Depende del camino, porque el modelo hace cosas distintas en cada uno.
 
 **Con la pasarela**, el modelo lleva la sesión entera: `glm5.3-flash`, o `glm5.3` si tienes el tier premium. Los dos tienen 1M de tokens de contexto, que es lo que pide una sesión larga de agente.
 
-En cualquiera de los dos, evita `glm5.3` para tareas que impliquen leer capturas de pantalla: no acepta imágenes.
-
 ## Problemas conocidos
 
 - **Delegando, la salida de OpenCode entra en tu conversación.** Si le pides un resumen de algo enorme, lo que devuelva ocupa contexto en Claude Code. Pídele resúmenes, no volcados.
 
@@ -46,7 +46,7 @@ Cline lo pregunta porque con un proveedor genérico no tiene forma de averiguarl
 | `glm5.3-flash` | 1000000 | sí | sí |
 | `deepseek-v4-flash` | 1000000 | sí | sí |
 | `qwen3.8-flash` | 1000000 | sí | sí |
-| `glm5.3` | 1000000 | no | sí |
+| `glm5.3` | 1000000 | sí | sí |
 
 Si marcas imágenes en un modelo que no las acepta, Cline intentará mandarle capturas y la petición fallará.
 
 
@@ -90,7 +90,7 @@ hermes model
 
 `glm5.3-flash` si vas a pedirle tareas largas o que delegue en subagentes, por su contexto de 1M de tokens. `deepseek-v4-flash` para conversación y tareas normales, que además tiene la cuota más amplia del clúster.
 
-Si lo vas a usar para mandarle fotos por Telegram, cualquiera menos `glm5.3`, que es el único que no acepta imágenes.
+Si lo vas a usar para mandarle fotos por Telegram, cualquiera sirve: todos los modelos de chat aceptan imágenes.
 
 <Details summary="Problemas conocidos">
 
 
@@ -18,22 +18,25 @@ OpenAI y la misma `base URL`.
   id="glm-5-3"
   name="glm5.3"
   tag="753B MoE"
-  leftLabel="generación de texto y chat · coding agéntico"
+  leftLabel="generación de texto multimodal y chat · coding agéntico"
   rightLabel="capacidades"
-  description="Tier premium: solo se puede llamar con una key de la membresía premium GLM 5.3. Modelo MoE de ~753B parámetros, enfocado a coding y a tareas agénticas de largo recorrido. Contexto de 1M tokens. Entra texto y sale texto: no acepta imágenes. Tool calling y razonamiento (emite una traza de razonamiento). Cuota de 3.000M tokens por miembro, y el contador vuelve a cero cuando empieza tu periodo de facturación. Además tiene un tope de 400M tokens por ventana móvil de 4h, que es el límite con el que topa antes una sesión intensiva de agente de código."
+  description="Tier premium: solo se puede llamar con una key de la membresía premium GLM 5.3. Modelo MoE de ~753B parámetros, enfocado a coding y a tareas agénticas de largo recorrido. Contexto de 1M tokens. Multimodal: acepta imágenes, audio y vídeo además de texto. Tool calling y razonamiento (emite una traza de razonamiento). Cuota de 3.000M tokens por miembro, y el contador vuelve a cero cuando empieza tu periodo de facturación. Además tiene un tope de 400M tokens por ventana móvil de 4h, que es el límite con el que topa antes una sesión intensiva de agente de código."
   specs={[
     { label: 'Tipo', value: 'MoE (~753B total)' },
-    { label: 'Cuantización', value: 'FP8' },
+    { label: 'Cuantización', value: 'NVFP4' },
     { label: 'Atención', value: 'Sparse attention' },
     { label: 'Contexto', value: '1M tokens' },
-    { label: 'Modalidades de entrada', value: 'texto' },
+    { label: 'Modalidades de entrada', value: 'texto · imagen · audio · vídeo' },
     { label: 'Modalidades de salida', value: 'texto' },
     { label: 'Cuota / periodo de facturación', value: '3.000M tokens / miembro' },
     { label: 'Ventana móvil de 4h', value: '400M tokens' },
   ]}
   items={[
     'Tool calling (function calling)',
     'Modo razonamiento (traza de razonamiento)',
+    'Visión (entrada de imagen)',
+    'Audio (entrada de audio)',
+    'Vídeo (entrada de vídeo)',
     'Coding y tareas agénticas de largo recorrido',
     'Contexto de 1M tokens',
     'Generación en streaming (SSE)',
 
@@ -63,7 +63,7 @@ Escribe esto en `~/.config/opencode/opencode.json` para tenerlo en todos tus pro
         "glm5.3": {
           "name": "GLM 5.3 (premium)",
           "limit": { "context": 1048576, "output": 32768 },
-          "modalities": { "input": ["text"], "output": ["text"] }
+          "modalities": { "input": ["text", "image", "audio", "video"], "output": ["text"] }
         }
       }
     }
 
@@ -88,7 +88,7 @@ En `~/.pi/agent/models.json`:
           "id": "glm5.3",
           "name": "GLM 5.3 (premium)",
           "reasoning": true,
-          "input": ["text"],
+          "input": ["text", "image"],
           "contextWindow": 1048576,
           "maxTokens": 32768
         }
@@ -136,7 +136,7 @@ Pídele algo corto. Si contesta, está saliendo por el clúster. Puedes cambiar
 - **La clave va escrita en el fichero.** `models.json` vive en tu carpeta personal, así que no suele acabar en un repositorio, pero tenlo en cuenta si sincronizas tu configuración entre máquinas.
 - **`maxTokens` no es el contexto.** Es el techo de cada respuesta. El razonamiento sale de ese mismo presupuesto, así que si pides respuestas largas y razonadas, súbelo.
 - **Los modelos que declares son los que verás.** Pi no le pregunta al clúster qué hay disponible: muestra lo que haya en la lista.
-- **`mimo-v2.6-flash` entra sin su audio.** El esquema de Pi acepta `"text"` e `"image"` en `input` y nada más, y un tercer valor no tumba solo a ese modelo: Pi rechaza el fichero entero, con todos los demás proveedores que haya dentro. El modelo sigue oyendo audio por la API, pero no desde Pi.
+- **`mimo-v2.6-flash` entra sin su audio, y `glm5.3` sin su audio ni su vídeo.** El esquema de Pi acepta `"text"` e `"image"` en `input` y nada más, y un tercer valor no tumba solo a ese modelo: Pi rechaza el fichero entero, con todos los demás proveedores que haya dentro. Los dos los siguen aceptando por la API, pero no desde Pi.
 - **`glm5.3` necesita una clave del tier premium.** Está en la lista para que quien lo tenga lo vea. Sin ese tier la respuesta es un `401`, explicado en [Elige tu modelo](/es/docs/choose-a-model).
 
 </Details>
@@ -108,7 +108,7 @@ Se abre un fichero `chatLanguageModels.json`. Déjalo así:
         "name": "GLM 5.3 (premium)",
         "url": "https://api.nan.builders/v1/chat/completions",
         "toolCalling": true,
-        "vision": false,
+        "vision": true,
         "maxInputTokens": 1015808,
         "maxOutputTokens": 32768
       }
@@ -137,7 +137,7 @@ Abre el chat, despliega el selector de modelos y elige uno de los que acabas de
 
 `glm5.3-flash` para el modo agente, que es donde importa el contexto largo. `deepseek-v4-flash` para preguntas de chat. `qwen3.8-flash` si prefieres que conteste rápido.
 
-`glm5.3` solo responde si tienes el tier premium. Va en el bloque con `"vision": false`, que no es una preferencia: es el único modelo que no acepta imágenes.
+`glm5.3` solo responde si tienes el tier premium.
 
 <Details summary="Problemas conocidos">
 
 
@@ -29,7 +29,8 @@ If you do not know which one to pick, look for what you want to do in the first
 | The same, but without the premium tier | `glm5.3-flash` | Same 1M context and a generous quota |
 | Get an answer fast | `qwen3.8-flash` | Less depth, much less waiting |
 | Hand the model an audio file directly | `mimo-v2.6-flash` | It hears audio natively |
-| Describe or analyze an image | `deepseek-v4-flash` | Any of them except `glm5.3` will do; this is the best |
+| Hand the model a video | `glm5.3` | The only one that watches video. Needs the premium tier |
+| Describe or analyze an image | `deepseek-v4-flash` | Any chat model will do; this is the best |
 | Try things without spending quota | `gemma4` | It has no token counter |
 | Build a search engine or a RAG | `qwen3-embedding` and then `rerank` | First you retrieve by similarity, then you reorder by relevance |
 | Turn text into audio | `kokoro` | 67 voices, two of them Spanish |
@@ -42,7 +43,7 @@ If you do not know which one to pick, look for what you want to do in the first
 | id | What for | Context | Accepts | Quota |
 |---|---|---|---|---|
 | `deepseek-v4-flash` | General chat and reasoning | 1M | text · image | 3B tokens/month |
-| `glm5.3` | Coding agents and long tasks | 1M | text | 3B tokens/billing period |
+| `glm5.3` | Coding agents and long tasks | 1M | text · image · audio · video | 3B tokens/billing period |
 | `glm5.3-flash` | Coding agents, without premium | 1M | text · image | 2B tokens/month |
 | `qwen3.8-flash` | Fast answers | 1M | text · image | 500M tokens/month |
 | `mimo-v2.6-flash` | The newest MiMo, omnimodal | 1M | text · image · audio | 1.0B tokens/month |
 
@@ -189,8 +189,6 @@ It depends on the path, because the model does different jobs in each.
 
 **With the gateway**, the model runs the entire session: `glm5.3-flash`, or `glm5.3` if you have the premium tier. Both have 1M tokens of context, which is what a long agent session asks for.
 
-On either path, avoid `glm5.3` for tasks that involve reading screenshots: it does not accept images.
-
 ## Known issues
 
 - **When delegating, OpenCode's output lands in your conversation.** If you ask it to summarize something enormous, whatever it returns takes up context in Claude Code. Ask it for summaries, not dumps.
Original file line number	Diff line number	Diff line change
@@ -63,7 +63,7 @@ Escribe esto en `~/.config/opencode/opencode.json` para tenerlo en todos tus pro
`63`	`63`	`"glm5.3": {`
`64`	`64`	`"name": "GLM 5.3 (premium)",`
`65`	`65`	`"limit": { "context": 1048576, "output": 32768 },`
`66`		`- "modalities": { "input": ["text"], "output": ["text"] }`
	`66`	`+ "modalities": { "input": ["text", "image", "audio", "video"], "output": ["text"] }`
`67`	`67`	`}`
`68`	`68`	`}`
`69`	`69`	`}`