Mejor IA 2026: cuál es la mejor inteligencia artificial actualmente
Ranking y comparativa de IA por uso, actualizados cada mes a medida que llegan nuevos modelos.
- La más inteligente en general y para programarClaude Opus 5.5
- Razonamiento más difícilGPT-6 Astra
- ImágenesChatGPT Images 2.5
- Mejor opción gratisClaude Sonnet 5.5
Deja de saltar entre apps de IA
Chat, búsqueda, PDF e imágenes en una sola app para Mac, iPhone y iPad.
Gratis para empezar·4,7★ en más de 27 000 reseñas
Los rankings muestran quién gana de media. Tu prompt no es de media. Pregunta a ChatGPT, Claude y Gemini en una sola ventana y quédate con la mejor respuesta.
Descargar Fello AIAnthropic llega a noviembre con la mayoría de las coronas medidas. En el Intelligence Index v5 de Artificial Analysis (27 de octubre), Claude Opus 5.5 logra 58,4 y lidera todos los modelos que de verdad se pueden usar, por delante de GPT-6 Astra con 56,9, GPT-6.1 Sol con 54,5 y Claude Sonnet 5.5 con 54,2, que es gratis en claude.ai. Nuestra guía de benchmarks de IA explica cómo se construye ese índice.
Gemini 4 Carbon de Google puntúa aún más alto, 59,4, y en sus primeros días en Arena entró directamente primero en texto y cuarto en WebDev, pero solo pueden usarlo defensores de ciberseguridad verificados, así que aquí no gana ninguna corona, igual que Gemini 4 Argon no ganó ninguna antes de su lanzamiento público. Argon, abierto a Google AI Pro y Ultra desde el 13 de octubre, es el modelo mejor situado del tablero de texto de Arena que se puede usar y conserva el segundo puesto del podio de chat. En imágenes, Nano Banana 2.1 de Google ya supera a Grok Imagine Image 2.0 en tres de los cuatro tableros que seguimos y se queda con el tercer puesto.
Entre los modelos abiertos, Mistral publicó los pesos de Mistral Large 4 el 29 de octubre, pero con 26,0 en el índice queda séptimo entre ellos. V4.1-Flash-1017 de DeepSeek sigue en cabeza con 32,5, MiMo-V2.6-Pro de Xiaomi sigue siendo el más barato por tarea y Kimi K3.1 Pro de Moonshot los lideraría a todos con 46,0 si sus pesos llegan el 4 de noviembre, como se prometió. El vídeo es de MiniMax H3 y las imágenes de ChatGPT Images 2.5. Las clasificaciones se actualizan en las 48 horas siguientes a cada lanzamiento importante.
29 oct Mistral Mistral publica los pesos de Mistral Large 4 y reduce su precio a la mitad, pero solo es séptimo entre los modelos abiertos Nuevo
28 oct Google Gemini 4 Carbon encabeza el Intelligence Index v5 con 59,4, pero solo pueden usarlo defensores de ciberseguridad Nuevo
27 oct Artificial Analysis Artificial Analysis lanza el Intelligence Index v5, que reescala cada puntuación de esta página Nuevo
26 oct OpenAI GPT-6.1 Terra logra 51,0 a la mitad del precio de GPT-6.1 Sol, en ChatGPT Work y Codex Nuevo
23 oct Moonshot Kimi K3.1 Pro llega cuarto al Intelligence Index y primero a Terminal-Bench 4.0, por $2 / $10 Nuevo
17 oct DeepSeek DeepSeek V4.1-Flash-1017 marca 45,1 a los mismos precios y se queda con la elección abierta de calidad-precio Nuevo
15 oct Meta publica los pesos de Muse Spark Open, un modelo de 816.000 millones con licencia propia Nuevo
15 oct fal FLUX 3 Max de fal, un FLUX 3 Video reentrenado y más rápido, entra cuarto y segundo en los tableros de vídeo de Artificial Analysis Nuevo
Pendiente Google Gemini 3.5 Pro, aún sin lanzar, y Gemini 4 Argon se le ha adelantado Retrasado
Mejor IA para escritura
La mejor IA para escribir es Claude Fable 5.1, y el argumento a su favor es la constancia más que un único primer puesto.
Está entre los diez primeros de los tres tableros de prosa: tercero en EQ-Bench Creative Writing v3 con 2155,3, por detrás de GPT-6 Astra y del nuevo Kimi K3.1 Pro de Moonshot, tercero en LiveBench Language con 89,5 y octavo en el tablero de escritura creativa de Arena, la mejor posición combinada de cualquier modelo. Gemini 4 Argon es segundo en el tablero de texto de Arena con 1520, solo por detrás de Gemini 4 Carbon, reservado a defensores de ciberseguridad, y segundo en su tablero de escritura creativa con 1517, y los suscriptores de Google AI Pro pueden usarlo desde el 13 de octubre, pero EQ-Bench lo sitúa solo en el puesto 32, con 1757,8, y LiveBench aún no lo ha puntuado.
Claude Opus 5.5 ha tomado el primer puesto del tablero de escritura creativa de Arena con 1520, pero es octavo en EQ-Bench y décimo en LiveBench Language; GPT-6 Astra lidera EQ-Bench con 2176,9, pero está en el puesto 40 del tablero de escritura creativa de Arena; Kimi K3.1 Pro es segundo en EQ-Bench con 2172,6, pero LiveBench aún no lo ha puntuado; Claude Fable 5 encabeza LiveBench Language con 90,7 y es cuarto en el tablero de escritura creativa de Arena, pero 13.º en EQ-Bench. Si lo que escribes es un entregable de trabajo y no prosa, la pregunta es otra, la del tablero de entregables profesionales GDPval-AA v2.1, y ahí lidera Claude Opus 5.5 con 1866, por delante de Kimi K3.1 Pro de Moonshot con 1858, Muse Wonder Full de Meta con 1857, Claude Sonnet 5.5 con 1838 y Claude Fable 5.1 con 1763.
Claude Sonnet 5.5 es la elección de valor del nivel gratuito, ya que cualquiera puede usarlo en claude.ai, aunque logra 83,4 en LiveBench Language, solo ocupa el puesto 22 en el tablero de escritura creativa de Arena y EQ-Bench aún no lo ha valorado. Claude Fable 5 es la elección si das más peso a los votos humanos de Arena que a las puntuaciones de los harness; cuesta $10 / $50 por 1M de tokens y está incluido de forma permanente en Claude Max y Team Premium con alrededor del 50 % de los límites de uso habituales. La traducción es otra cuestión con otro ganador, que analizamos en nuestra guía de la mejor IA para traducir.
| Modelo | Mejor para | Fortaleza | Debilidad | Precio (por 1M de tokens) |
|---|---|---|---|---|
| Claude Fable 5.1 | Mejor escritura en general | #3 EQ-Bench Creative Writing (2155,3), #3 LiveBench Language (89,5) y #8 en escritura creativa de Arena, la mejor posición combinada de cualquier modelo | No lidera ninguno de los tres; Claude Opus 5.5 lidera el tablero de escritura creativa de Arena y GPT-6 Astra lidera EQ-Bench | $10 / $50 |
| Claude Fable 5 | Fuerte en los tableros de voto humano | #1 LiveBench Language (90,7), #4 escritura creativa en Arena (1501), #6 texto en Arena (1504) | #13 en EQ-Bench; la opción más cara aquí | $10 / $50 |
| Kimi K3.1 Pro | Ficción creativa y voz propia | #2 EQ-Bench Creative Writing (2172,6), 4,3 puntos por detrás de GPT-6 Astra; #2 GDPval-AA v2.1 (1858) | Aún sin puntuar en LiveBench; pesos abiertos solo prometidos para el 4 de noviembre | $2 / $10 |
| Claude Sonnet 5.5 | Escritura gratuita para el día a día | Gratis en claude.ai, contexto 1M; #4 GDPval-AA v2.1 (1838), tras Opus 5.5, Kimi K3.1 Pro y Muse Wonder Full | 83,4 LiveBench Language; #23 escritura creativa de Arena; aún sin valorar en EQ-Bench | $2 / $10 |
| Claude Opus 5.5 | El mejor escritor creativo de Arena | #1 escritura creativa en Arena (1520) y #3 texto en Arena (1509); #1 GDPval-AA v2.1 (1866) | #8 en EQ-Bench y #10 en LiveBench Language | $4 / $20 |
| Gemini 4 Argon | El modelo más votado de Arena que se puede usar | #2 texto en Arena (1520) y #2 escritura creativa en Arena (1517) | #32 en EQ-Bench (1757,8); sin puntuar en LiveBench | $19,99/mes Google AI Pro; API $2 / $10 introductorio hasta el 30 nov |
| GPT-5.5 | Escritura de negocios anclada en hechos | Mejoras documentadas de fiabilidad factual sobre GPT-5.4 | Los niveles de razonamiento están ahora marcados como obsoletos | $5 / $30 |
| Gemini 3.8 Flash | Borradores en masa a escala | Intelligence Index 30,5 (v5), 308,4 tok/s de salida, contexto de 1M | Ajustado para agentes más que para prosa; el precio introductorio se duplica el 1 de enero de 2027 | $0,75 / $3,75 |
La corona de escritura sigue en manos de Claude Fable 5.1, que mantiene la mejor posición combinada en los tres tableros de prosa. Desde la última actualización Arena reordenó su tablero de escritura creativa: Fable 5.1 subió al octavo puesto, Gemini 4 Carbon de Google, que solo pueden usar defensores de ciberseguridad, entró tercero y Claude Fable 5 bajó al cuarto, mientras Kimi K3.1 Pro de Moonshot adelantó a Muse Wonder Full y es segundo en GDPval-AA v2.1 con 1858. En octubre, Kimi K3.1 Pro sustituyó a Kimi K3 en el podio después de que EQ-Bench lo situara segundo, Claude Opus 5.5 tomó el primer puesto del tablero de escritura creativa de Arena y EQ-Bench situó a Gemini 4 Argon en el puesto 32.
Mejor IA para chat & asistente diario
La mejor IA para el chat del día a día es GPT-6, y la razón honesta es el alcance en lugar de la posición en los tableros. Desde el 7 de octubre es con lo que ChatGPT responde por defecto: GPT-6 Sol en Plus, Pro, Business y Enterprise, y GPT-6 Luna en Free y Go, que se despliega desde el 8 de octubre. Eso lo convierte en el asistente que la mayoría de la gente puede abrir de verdad.
En preferencia humana pura está lejos de liderar. GPT-6 Sol está en el puesto 64 del tablero de texto de Arena con 1458, por debajo de su predecesor GPT-5.6 Sol en el 22, mientras Gemini 4 Carbon de Google lidera con 1528, Gemini 4 Argon es segundo con 1520, el más alto de los modelos que se pueden usar, Claude Opus 5.5 es tercero con 1509 y Muse Wonder de Meta cuarto con 1507. Artificial Analysis no ha puntuado GPT-6 Sol en su nuevo Intelligence Index v5, donde GPT-6 Luna marca 27,8; en v4.3.2 Sol marcaba 47,6. En la API, Sol cuesta $2 / $10 y Luna $0,10 / $0,50 por 1M de tokens.
| Modelo | Mejor para | Fortaleza | Debilidad | Precio |
|---|---|---|---|---|
| GPT-6 | Chat diario, por defecto de ChatGPT | El asistente que la mayoría puede abrir: Sol en planes de pago, Luna en Free y Go | GPT-6 Sol solo #64 en Arena texto | Gratis / $20/mes Plus; API $0.10 / $0.50 (Luna) a $2 / $10 (Sol) |
| Gemini 4 Argon | La conversación más votada | #2 en texto de Arena (1520); tasa de alucinación del 4% en AA-Omniscience, la más baja entre los modelos punteros | Puntuación de Arena aún preliminar; Google AI Pro o superior en la app de Gemini | $19,99/mes Google AI Pro; API $2 / $10 introductorio hasta el 30 nov |
| Claude Opus 5.5 | La conversación mejor puntuada que puedes usar | 58,4 en el Intelligence Index v5, la más alta de cualquier modelo disponible, y #3 en texto de Arena (1509) | No está en el plan Free; uso limitado en Pro; Gemini 4 Carbon puntúa un punto más, pero solo pueden usarlo defensores de ciberseguridad | $20/mes Pro, API $4 / $20 |
| Claude Sonnet 5.5 | Chat de Claude gratis | Gratis en claude.ai; 54,2 en el Intelligence Index v5 con esfuerzo máximo, quinto entre modelos distintos | Solo #31 en texto de Arena; las apps lo usan con esfuerzo medio, donde marca 30,3 | Gratis / $20/mes Pro, API $2 / $10 |
| GPT-5.5 Instant | Trabajo diario sensible a las alucinaciones | 52,5 % menos afirmaciones alucinadas vs. 5.3 Instant | Los niveles de razonamiento están ahora marcados como obsoletos | $20/mes Plus; API $5 / $30 |
| Gemini 3.6 Flash | Rápido, barato, multimodal | Contexto 1M, #23 en Arena texto | En la app de Gemini requiere Google AI Plus desde el 9 de octubre; 3.8 Flash lo supera al mismo precio | AI Plus / $0.75 / $3.75 API |
| Fello AI | Muchos modelos líderes, una app | ChatGPT + Claude + Gemini + Grok + DeepSeek y más en Mac, iPhone y iPad | Enrutado por la app, no directo | Desde $11.99/mes |
GPT-6 conserva la elección de chat, porque es con lo que ChatGPT responde por defecto: GPT-6 Sol en los planes de pago y GPT-6 Luna en Free y Go. Desde la última actualización Gemini 4 Carbon de Google entró primero en el tablero de texto de Arena con 1528, pero solo pueden usarlo defensores de ciberseguridad, así que Gemini 4 Argon, segundo con 1520, es ahora el modelo mejor situado de ese tablero que se puede usar y conserva aquí el segundo puesto, y el 29 de octubre OpenAI ajustó GPT-6 en Chat para los usuarios de Free y Go con respuestas más breves y menos aduladoras. En octubre, la elección pasó de GPT-5.6 a GPT-6 el 7 de octubre y Argon se quedó con el segundo puesto al llegar a Google AI Pro y Ultra el 13 de octubre.
Mejor IA para crear imágenes
La mejor IA para generar imágenes es ChatGPT Images 2.5, que OpenAI convirtió en la opción predeterminada de todos los planes de ChatGPT el 8 de septiembre y que lidera los cuatro tableros de imagen que seguimos.
GPT-Image-2.5 Sunburst, pensado para la precisión, lidera los cuatro: Arena text-to-image con 1427, edición de imágenes de Arena con 1517, AA-Image-T2I v2.1 de Artificial Analysis con 1222 y AA-Image-Editing v2.1 con 1199. El más rápido GPT-Image-2.5 Flare es segundo en tres de ellos y tercero en el tablero de edición de Artificial Analysis, donde MAI-Image-2.7-Preview de Microsoft, lanzado en octubre, se ha colocado entre ambos con 1193. La distancia entre Sunburst y Flare en Arena text-to-image debe leerse como provisional, porque cada uno se apoya en unos 40.000 votos frente a los 103.000 de GPT Image 2. MAI-Image-2.6 es el segundo, cuarto en el tablero de edición de Artificial Analysis con 1151, en un triple empate con Krea 3 (Ultra) y Nano Banana 2.1, y cuarto en el tablero text-to-image de Arena con 1329, en empate estadístico con Nano Banana 2.1, justo por debajo.
Tercero es Nano Banana 2.1 de Google, lanzado el 6 de octubre y ahora el modelo de Google mejor situado: cuarto en el tablero text-to-image de Artificial Analysis con 1176, empatado con MAI-Image-2.6 en su tablero de edición con 1151 y quinto en Arena text-to-image con 1325, lo que lo pone por delante de Grok Imagine Image 2.0 en tres de los cuatro tableros. Grok Imagine Image 2.0 de SpaceXAI, lanzado en agosto y disponible en Grok Imagine y en la API de xAI, baja al cuarto puesto: sigue por delante de Nano Banana 2.1 en el tablero de edición de Arena, quinto con 1439 frente al séptimo puesto con 1427, pero es sexto en Arena text-to-image con 1317 y solo 17.º en el tablero de edición de Artificial Analysis, y sigue siendo la elección para el menor número de restricciones.
El mejor modelo de imagen que puedes descargar es Qwen-Image-2.1 de Alibaba, lanzado el 20 de septiembre y ahora el modelo de pesos abiertos mejor situado en los dos tableros de Arena, 20.º en edición y 19.º en texto a imagen, y un puesto por detrás de un modelo abierto más reciente en cada tablero de Artificial Analysis, FLUX 3 Image Klein de Black Forest Labs en texto a imagen y Fibo 2.0 de Bria, solo para uso no comercial, en edición. Su licencia solo permite investigación y evaluación, así que no es una opción comercial gratuita. Nuestro análisis completo de lo que se lanzó está en ChatGPT Images 2.5.
| Modelo | Mejor para | Fortaleza | Debilidad | Precio |
|---|---|---|---|---|
| ChatGPT Images 2.5 | Imágenes con texto legible | Sunburst #1 en los cuatro tableros y Flare #2 en tres: Arena text-to-image (1427 / 1401), edición de Arena (1517 / 1482), text-to-image de Artificial Analysis (1222 / 1207) y edición (1199, con Flare tercero con 1182) | Su ventaja en Arena text-to-image se apoya en unos 40.000 votos por modelo | Predeterminado en todos los planes de ChatGPT |
| MAI-Image-2.6 | Editar una imagen que ya tienes | #4 en edición de imágenes de Artificial Analysis (1151, triple empate) y #4 en Arena text-to-image (1329) | Vista previa pública, aún no en Copilot ni Bing; su sucesor MAI-Image-2.7-Preview, por ahora solo de edición, es ya segundo en ese tablero | MAI Playground / Microsoft Foundry |
| Nano Banana 2.1 | El modelo de imagen de Google para el día a día | #4 texto a imagen de Artificial Analysis (1176), #5 Arena texto a imagen (1325) y empatado con MAI-Image-2.6 en edición de Artificial Analysis (1151), el mejor de cualquier modelo de Google; en la API, la mitad del precio por imagen de Nano Banana 2 | #7 en edición de imágenes de Arena (1427), por detrás de Grok Imagine Image 2.0; los tokens de entrada cuestan el triple que en Nano Banana 2 | Aplicación Gemini / AI Studio; $0,0336 por imagen 1K |
| Grok Imagine Image 2.0 | Menos restricciones, modo Spicy | #5 en edición de imágenes de Arena (1439) y #6 en text-to-image de Artificial Analysis (1166) | #6 en Arena text-to-image (1317) y solo #17 en edición de imágenes de Artificial Analysis | $30/mes Premium (X Subscription); API de xAI |
| Seedream 5.0 Pro | Texto multilingüe + edición por regiones | 10+ idiomas incl. árabe RTL, edición con lazo y capas | En torno al décimo puesto en los tableros independientes; incertidumbre de derechos de autor | BytePlus / Magnific |
| Midjourney v8 | Arte estilizado, ilustración | Base estética que la mayoría de los artistas prefieren | Más flojo en texto dentro de la imagen | $10-$120/mes |
| Qwen-Image-2.1 | El mejor modelo de imagen que puedes descargar | El modelo de pesos abiertos mejor situado en los dos tableros de Arena: #20 edición de imágenes (1362) y #19 texto a imagen (1225); #22 y #24 en los dos tableros de Artificial Analysis, un puesto por detrás de un modelo abierto más reciente en cada uno; generador de 7B, PNG transparentes, hasta 10 imágenes de referencia | Qwen Research License, solo para investigación o evaluación, sin uso comercial | Descarga gratuita (Hugging Face) |
| Qwen-Image-3.0-Pro | Composiciones densas con mucho texto | #12 Arena texto a imagen (1254) y #17 texto a imagen de Artificial Analysis (1095); prompts de hasta 4500 tokens, texto en 12 idiomas | Solo alojado, sin pesos; sin valorar en la edición de imágenes de Arena | Qwen Chat; $0,04-$0,075 por imagen en la API |
| Muse Image | Edición de imágenes, ecosistema Meta | #10 en edición de imágenes de Artificial Analysis (1129) y #8 en su tablero text-to-image | Fuera del podio; #9 en Arena text-to-image y #11 en edición de Arena | App Meta AI |
ChatGPT Images 2.5 conserva la corona de imagen y GPT-Image-2.5 Sunburst sigue liderando los cuatro tableros que seguimos. Desde la última actualización el tercer puesto del podio ha pasado de Grok Imagine Image 2.0 a Nano Banana 2.1 de Google: el tablero text-to-image de Arena, reordenado, sitúa ahora a Nano Banana 2.1 quinto con 1325 y a Grok Imagine Image 2.0 sexto con 1317, así que Nano Banana 2.1 va por delante en tres de los cuatro tableros, y Grok solo lo supera en el tablero de edición de Arena, 1439 a 1427. MAI-Image-2.6 conserva el segundo puesto: supera por poco a Nano Banana 2.1 en Arena text-to-image, 1329 a 1325, queda por detrás en el de Artificial Analysis, 1166 a 1176, y empata con él en los dos tableros de edición.
En octubre, Artificial Analysis pasó sus dos tableros de imagen a v2.1, Google lanzó Nano Banana 2.1 el 6 de octubre, MAI-Image-2.7-Preview de Microsoft, solo de edición, entró cerca de la cabeza de los dos tableros de edición, tercero en el de Arena con 1471 y segundo en el de Artificial Analysis con 1193, y Grok Imagine Image 2.0 le quitó el tercer puesto a Muse Image, el puesto que ahora ha perdido frente a Nano Banana 2.1.
Mejor IA para crear vídeos
La mejor IA para generar vídeo es MiniMax H3, que MiniMax lanzó el 31 de julio con pesos abiertos, y lo que la respalda es que se queda cerca de la cabeza en todas partes en lugar de ganar un único tablero.
Lidera el tablero image-to-video de Arena con 1495,4, por delante de Gemini Omni 1.1 Flash con 1488,5 y de Wan 3.0 de Alibaba con 1479,8, y en los tableros con audio de Artificial Analysis es tercero en text-to-video con 1161 y cuarto en image-to-video con 1128, donde lidera Dreamina Seedance 2.5 de ByteDance con 1153 y el nuevo Utopai X es segundo con 1146. Su punto débil es el tablero text-to-video de Arena, donde es octavo con 1460,3.
Genera clips 2K de 4 a 15 segundos con audio estéreo nativo, desde $0,13 por segundo en 2K, y los pesos están en Hugging Face con la licencia comunitaria propia de MiniMax, sin el escalador 2K y con solicitud previa en EE. UU., la UE, el Reino Unido y Corea del Sur. Gemini Omni 1.1 Flash, nuestra elección hasta esta actualización, sigue liderando el tablero de texto a vídeo de Arena con 1516,2, en empate estadístico con Gemini Omni Flash con 1512,9, y es la elección para tomas largas: extensión de escena en pasos de 10 segundos hasta 40 segundos, control del primer y el último fotograma y salida en 4K, desde unos $0,03 por segundo en 360p hasta $0,30 en 4K.
Pero en Artificial Analysis queda solo décimo en text-to-video con 1128 y 14.º en image-to-video con 1046. Wan 3.0 lidera el tablero text-to-video de Artificial Analysis con 1175 y es tercero en el tablero image-to-video de Arena, pero solo sexto en el text-to-video de Arena. Si necesitas tomas más largas dentro de las herramientas de Google, Veo 3.1 sigue funcionando en la app de Gemini, AI Studio y Vertex AI con audio nativo y salida a 1080p.
| Modelo | Mejor para | Fortaleza | Debilidad | Precio |
|---|---|---|---|---|
| MiniMax H3 | Mejor vídeo con IA en general | #1 Arena image-to-video (1495,4) y #3 y #4 en Artificial Analysis (1161 text-to-video, 1128 image-to-video); clips 2K de 4-15 s con audio estéreo nativo | #8 en Arena text-to-video (1460); los pesos abiertos excluyen el escalador 2K y requieren solicitud en EE. UU., la UE, Reino Unido y Corea del Sur | $0,13/s en 2K |
| Gemini Omni 1.1 Flash | Tomas largas y 4K | #1 Arena text-to-video (1516), #2 Arena image-to-video (1488,5); extensión de escena de 40 segundos, salida 4K | Solo #10 en text-to-video de Artificial Analysis (1128) y #14 en su tablero image-to-video (1046) | $0,03-$0,30/s; Gemini API / AI Studio / Flow |
| Gemini Omni Flash | Clips de diez segundos más baratos | #2 Arena texto a vídeo (1513); edición conversacional | Se queda en generaciones de diez segundos | ~$0.10/s; app Gemini / AI Studio |
| Wan 3.0 | Vídeo a partir de documentos y diapositivas | #1 text-to-video de Artificial Analysis (1175), #3 Arena image-to-video (1479,8); 2-30 s, hasta 1080p, entrada Omni-Reference | Solo API, sin pesos publicados; #6 en Arena text-to-video | $0,05-$0,20/s |
| Dreamina Seedance 2.5 | El aspirante de ByteDance | #1 image-to-video de Artificial Analysis (1153), #4 text-to-video de Artificial Analysis (1157), #4 Arena image-to-video (1477,4) | #7 en Arena text-to-video (1474); ecosistema ByteDance, acceso limitado en Occidente | Dreamina / BytePlus |
| Muse Video | Vídeo en el ecosistema Meta | #9 en Arena texto a vídeo con 1456 | El más nuevo del grupo, herramientas escasas | Aplicación Meta AI |
| Veo 3.1 | Clips de producción más largos | Audio nativo, 1080p, fuerte consistencia física | #12 en Arena vídeo, no el líder de calidad | Google AI Pro / Ultra |
| Kling 3.0 / 3.0 Turbo | Iteración rápida a menor coste | 4K nativo, 60fps, clips de 15 segundos; Turbo salió el 17 de junio | Fuera del top 16 en Arena texto a vídeo | Desde $10/mes |
| Luma Ray 3 | Escenas fotorrealistas | Fuerte realismo para paisajes | Comunidad más pequeña | Gratis / desde $9.99/mes |
MiniMax H3 conserva la corona de vídeo, porque sigue entre los cuatro primeros en tres de los cuatro tableros que seguimos y lidera el tablero image-to-video de Arena. Desde la última actualización los tableros de Artificial Analysis se han vuelto a mover: H3 es tercero en text-to-video con 1161, pero ha bajado al cuarto puesto en image-to-video con 1128, donde lidera Dreamina Seedance 2.5 con 1153 y Utopai X, que no tiene API pública, ha entrado segundo con 1146. Arena no ha actualizado ninguno de sus tableros de vídeo desde el 21 de septiembre, así que su clasificación no cambia.
En octubre, la corona pasó de Gemini Omni 1.1 Flash a H3 cuando Artificial Analysis puntuó por primera vez Omni 1.1 Flash, Artificial Analysis añadió audio a sus tableros de vídeo y entraron en ellos HeyGen Video 1 y FLUX 3 Max de fal. Omni 1.1 Flash sigue liderando el tablero text-to-video de Arena, en empate estadístico con Gemini Omni Flash, así que sigue en el podio como elección para text-to-video, con Wan 3.0 tercero.
Mejor IA para programar
La mejor IA para programar es Claude Opus 5.5, que Anthropic lanzó el 22 de septiembre, aunque ya no lidera todos los tableros, y el modelo que le quitó dos de ellos es su propio hermano más barato.
Claude Sonnet 5.5, lanzado el 28 de septiembre, lidera LiveBench Coding con 91,4 frente al 89,3 de Opus 5.5 y lo supera en la ejecución propia de Terminal-Bench 4.0 de Artificial Analysis, 63,6% frente a 59,6%, aunque Kimi K3.1 Pro de Moonshot lidera esa ejecución con un 67,2% desde el 23 de octubre y Gemini 4 Carbon de Google, que solo pueden usar defensores de ciberseguridad, es segundo con un 65,2%. Opus 5.5 conserva la corona por el resto de la evidencia. Lidera el tablero WebDev de Arena con 1810, por delante de GPT-6 Astra con 1773 y de Claude Sonnet 5.5 con 1770, y FrontierCode 2.0, la nueva prueba de programación del Intelligence Index v5, con un 46,4% frente al 42,4% de Astra y el 41,7% de Sonnet 5.5. Logra 71,7 en LiveBench Agentic Coding, solo por detrás de DeepSeek V4.1-Flash, donde Sonnet 5.5 se queda en 56,3, y en los entornos propios de Anthropic supera a Sonnet 5.5 en FrontierCode v1.1, 54,4% frente a 52,1%, y en CursorBench 4.0, 57,8% frente a 55,5%. En precio, los dos están más cerca que antes.
Sonnet 5.5 cuesta $2 / $10 por 1M de tokens frente a los $4 / $20 de Opus 5.5, pero en el Intelligence Index v5 Artificial Analysis pone una tarea con esfuerzo máximo en $10,02 frente a $10,04 de Opus 5.5, y Opus 5.5 en xhigh, 57,0 por $6,05 la tarea, puntúa ya más que Sonnet 5.5 al máximo, 54,2, por el 60% del coste; Sonnet 5.5 solo es más barato en ajustes más bajos, 41,1 por $1,64 en high. Opus 5.5 también se ha quedado con el tablero image-to-WebDev de Arena con 1753, por delante de Sonnet 5.5 con 1737 y de GPT-6 Astra con 1726; Astra iguala el 59,6% de Opus 5.5 en Terminal-Bench 4.0 en xhigh, a $10 / $50, y Claude Fable 5.1 es sexto en WebDev y cuarto en image-to-WebDev.
GPT-6.1 Sol es la opción barata de OpenAI: quinto en WebDev, 56,1% en Terminal-Bench 4.0 y 54,5 en el Intelligence Index v5 por $1,27 por tarea del índice con esfuerzo máximo, aunque LiveBench lo deja muy lejos de los diez primeros en Coding, con 80,7. GPT-6.1 Terra, lanzado el 26 de octubre, reduce ese precio por token a la mitad, a $1 / $5, y logra 51,0 por $0,96 la tarea, con un 55,6% en Terminal-Bench 4.0. Gemini 4 Argon lidera la tabla propia de Google en DeepSWE v1.1 con un 77,9%, pero Artificial Analysis mide un 57,1% en Terminal-Bench 4.0, Arena lo sitúa undécimo en WebDev, y desde el 13 de octubre está en la API de pago y en Antigravity para los suscriptores de Google AI Ultra.
Claude Haiku 5.5, lanzado el 7 de octubre a $0,10 / $0,50, es el Claude barato para trabajo de subagentes en volumen: 33% en la ejecución de Terminal-Bench 4.0 de Artificial Analysis, al nivel de GLM 5.3 Flash, y 57,2 en LiveBench Agentic Coding, justo por encima de Sonnet 5.5, aunque Arena lo deja solo en el puesto 36 de WebDev. Entre los pesos abiertos, DeepSeek V4.1-Flash-1017, lanzado el 17 de octubre, tiene la puntuación abierta más alta del Intelligence Index v5, 32,5, y es el modelo abierto mejor situado en Arena WebDev, 16.º con 1665, por delante de Kimi K3, 18.º; GLM-5.3 sigue siendo el modelo abierto más fuerte en Terminal-Bench 4.0 con un 41,9%, y MiMo-V2.6-Pro de Xiaomi logra ahí un 34,8% con licencia MIT pura a $0,26 por tarea del índice.
Artificial Analysis ha retirado tanto su Coding Index como su Coding Agent Index, así que las dos clasificaciones compuestas de programación que citaba esta página ya no existen.
| Modelo | Mejor para | Fortaleza | Debilidad | Precio (por 1M de tokens) |
|---|---|---|---|---|
| Claude Opus 5.5 | Mejor programación en general | #1 Arena WebDev (1810) y #1 FrontierCode 2.0 (46,4%); 58,4 en el Intelligence Index v5, la más alta de cualquier modelo disponible; 71,7 en LiveBench Agentic Coding, 15 puntos por encima de Sonnet 5.5 | Por detrás de Sonnet 5.5 en Terminal-Bench 4.0 (59,6% frente a 63,6%) y LiveBench Coding (89,3 frente a 91,4) | $4 / $20 |
| Claude Sonnet 5.5 | Programación de mejor valor | #1 LiveBench Coding (91,4), #3 Terminal-Bench 4.0 (63,6%) y #3 Arena WebDev (1770), a la mitad del precio por token de Opus 5.5 | 56,3 en LiveBench Agentic Coding, 15 puntos por detrás de Opus 5.5; en el Intelligence Index v5, Opus 5.5 en xhigh lo supera al máximo por menos coste por tarea | $2 / $10 |
| GPT-6 Astra | Segundo en WebDev de Arena | #2 Arena WebDev (1773) y #3 imagen a WebDev (1726); 59,6 % Terminal-Bench 4.0 en xhigh | 2,5 veces el precio de Opus 5.5; por detrás de Sonnet 5.5 en Terminal-Bench y muy por detrás de ambos modelos Claude en LiveBench Coding | $10 / $50 |
| Kimi K3.1 Pro | El programador de terminal más fuerte | #1 Terminal-Bench 4.0 (67,2%); 46,0 en el Intelligence Index v5 a $3,68 por tarea del índice | #9 Arena WebDev (1695); pesos abiertos prometidos para el 4 de noviembre, aún sin publicar | $2 / $10 |
| Claude Fable 5.1 | La puntuación compuesta más alta antes de Opus 5.5 | #6 Arena WebDev y #4 image-to-WebDev; 49,7 en el Intelligence Index v5; AA-Briefcase 1670 | 55,1% en Terminal-Bench 4.0 en xhigh; 2,5 veces el precio de Opus 5.5 | $10 / $50 |
| Claude Opus 5 | Sustituido por Opus 5.5 | 49,0% en Terminal-Bench 4.0, #10 Arena WebDev y #6 image-to-WebDev | Cuesta más por token que Opus 5.5 y puntuaba siete puntos menos en v4.3.2; sin puntuar en el Intelligence Index v5 | $5 / $25 |
| Claude Fable 5 | El trabajo agéntico de largo horizonte más duro | Intelligence Index 49,6 (v4.3.2); 42,4% en Terminal-Bench 4.0; contexto de 1M | El más caro por tarea del índice en v4.3.2, $8,75; #10 en image-to-WebDev de Arena | $10 / $50 |
| Qwen3.8-Max-0902 | Líder fugaz del tablero WebDev de Arena | #13 Code Arena: WebDev (1676); 33,6 en el Intelligence Index v5; 2,4 billones de parámetros, contexto de 1M | Solo API de QwenCloud, sin interfaz para consumidores; perdió el liderato de WebDev en pocos días | $2 / $6 |
| DeepSeek V4.1-Flash-1017 | El modelo abierto más fuerte | 32,5 en el Intelligence Index v5, la puntuación abierta más alta, a $0,60 la tarea; #16 Arena WebDev (1665) y #18 Agent Arena, la mejor posición abierta en WebDev; MIT | 33,8% en Terminal-Bench 4.0; 552B/16B activos para alojarlo uno mismo | $0,15 / $0,60 fuera de pico |
| GPT-5.6 Sol | El buque insignia más barato de OpenAI | Intelligence Index 47,0 (v4.3.2); 39,9% en Terminal-Bench 4.0 | Sustituido por GPT-6 Sol, que puntúa más a mitad de precio; METR señaló que juega con las evaluaciones | $4 / $20 |
| GPT-6 Sol | Programación con GPT-6 barata en Codex | Intelligence Index 47,6 (v4.3.2) y 43,9 % en Terminal-Bench 4.0, ambos por encima de GPT-5.6 Sol y a mitad de precio | #12 Arena WebDev (1678) | $2 / $10 |
| GPT-6.1 Sol | El modelo de gama alta más barato por tarea | 54,5 en el Intelligence Index v5, #5 Arena WebDev (1751) y 56,1% en Terminal-Bench 4.0 a $1,27 por tarea del índice, o 50,2 por $0,59 con esfuerzo alto; entrada en caché a $0,10 | 80,7 en LiveBench Coding, muy fuera de los diez primeros; solo en Codex y ChatGPT Work, no en Chat | $2 / $10 |
| GPT-6.1 Terra | El programador de OpenAI a mitad de precio | 51,0 en el Intelligence Index v5 a $0,96 por tarea del índice; 55,6% en Terminal-Bench 4.0; tercero entre modelos distintos en FrontierCode 2.0 (42,3%) | Solo en ChatGPT Work y Codex, no en Chat; LiveBench aún no lo ha puntuado | $1 / $5 |
| Gemini 4 Argon | Tareas de software largas | 77,9% en DeepSWE v1.1 según las cifras de Google; 50,4 en el Intelligence Index v5 | 57,1% en Terminal-Bench 4.0 y #11 Arena WebDev (1679) | $2 / $10 introductorio hasta el 30 nov, $4 / $20 estándar |
| Gemini 4 Carbon | Aún no disponible: programación larga y ciberdefensa | 59,4 en el Intelligence Index v5, la puntuación más alta publicada; #2 Terminal-Bench 4.0 (65,2%) | Solo para defensores de ciberseguridad y socios de Fairwind, sin fecha pública; sexto entre modelos distintos en FrontierCode 2.0 (40,6%) | $2 / $10 introductorio, luego $4 / $20 (anunciado) |
| Muse Spark 1.3 | Programación agéntica barata | Intelligence Index 48,1 (v4.3.2) a $1,25 / $4,25, y $1,60 por tarea del índice | 33,3% en Terminal-Bench 4.0; las victorias en programación salen del gráfico propio de Meta, medidas con una variante max solo para socios; aún sin puntuar en v5 | $1,25 / $4,25 |
| Muse Wonder Full | El modelo más fuerte de Meta, dentro de Muse Code | 49,7 en el Intelligence Index v5, al nivel de Claude Fable 5.1; #3 GDPval-AA v2.1 (1857); 57,1% en Terminal-Bench 4.0 | Solo con la suscripción a Muse Code (planes de $50 y $200), sin API; séptimo en Arena WebDev (1725) | Muse Code, desde $50/mes |
| Muse Wonder | El modelo de frontera de Meta en la API | 43,3 en el Intelligence Index v5; 52,0% en Terminal-Bench 4.0; contexto de 1M | Los mismos $4 / $20 que Opus 5.5, que puntúa 15,1 puntos más; $6,95 por tarea del índice | $4 / $20 |
| Grok 4.7 | Programador barato de buen valor | 46,3% en CursorBench 4.0 y 71,0% en DeepSWE v1.1 según las cifras de SpaceXAI; 35,0 en el Intelligence Index v5 | 24,7% en Terminal-Bench 4.0; $6,18 por tarea del índice; los prompts de 200K tokens o más vuelven a facturar toda la petición al doble | $2 / $6 |
| Gemini 3.8 Flash | Programación con agentes a escala | 30,5 en el Intelligence Index v5; 308,4 tokens de salida por segundo | 19,7% en Terminal-Bench 4.0; el precio introductorio se duplica el 1 de enero de 2027 | $0,75 / $3,75 |
| GLM 5.3 Flash | El programador serio más pequeño que puedes alojar | 27,8 en el Intelligence Index v5 a $0,58 por tarea del índice y 32,8% en Terminal-Bench 4.0; MIT, 320B/18B activos, frente a 552B de DeepSeek V4.1-Flash | GLM-5.3 llega al 41,9% en el mismo entorno; sin producto para consumidores | Pesos abiertos (MIT) |
| Claude Haiku 5.5 | El Claude más barato para subagentes | 36,2 en el Intelligence Index v5 a $0,41 por tarea del índice; 32,8% en Terminal-Bench 4.0, al nivel de GLM 5.3 Flash; 57,2 en LiveBench Agentic Coding, por encima de Sonnet 5.5 | #36 Arena WebDev (1589); Anthropic dice que Sonnet 5.5 y Opus 5.5 siguen siendo mejores para la programación agéntica compleja; los prompts de más de 100K tokens cuestan cinco veces más | $0,10 / $0,50 |
| MiMo-V2.6-Pro | El modelo abierto potente más barato por tarea | 29,9 en el Intelligence Index v5 y 34,8% en Terminal-Bench 4.0 a $0,26 por tarea del índice; MIT, 1,02T/42B activos | Solo #25 en Arena WebDev (1625), por detrás de DeepSeek V4.1-Flash-1017 y Kimi K3 | $0,435 / $0,87 |
Claude Opus 5.5 conserva la corona de programación: lidera el tablero WebDev de Arena con 1810, por delante de GPT-6 Astra con 1773 y Claude Sonnet 5.5 con 1770, y lidera FrontierCode 2.0 con un 46,4%. Desde la última actualización Gemini 4 Carbon de Google ha entrado cuarto en el tablero WebDev de Arena con 1768, con una puntuación preliminar, pero solo pueden usarlo defensores de ciberseguridad, y Mistral publicó el 29 de octubre los pesos abiertos de Mistral Large 4, que Arena sitúa en el puesto 48. El argumento de valor de Sonnet 5.5 sigue apoyándose en LiveBench Coding, Terminal-Bench 4.0 y sus tokens a mitad de precio, porque en el Intelligence Index v5 Opus 5.5 en xhigh supera a Sonnet 5.5 al máximo por menos dinero por tarea.
En octubre, Kimi K3.1 Pro le quitó Terminal-Bench 4.0 a Sonnet 5.5 con un 67,2%, Claude Haiku 5.5 llegó el 7 de octubre a $0,10 / $0,50 como el Claude más barato para trabajo de subagentes, GPT-6.1 Terra llegó el 26 de octubre a $1 / $5, Artificial Analysis añadió FrontierCode 2.0 con el Intelligence Index v5 el 27 de octubre y DeepSeek V4.1-Flash-1017 se convirtió en el modelo abierto mejor situado en WebDev.
Mejor IA para creatividad
La mejor IA para trabajo creativo sin filtros y a la última es Grok 4.7, y queremos ser exactos sobre por qué. Esta elección va de la línea de producto, no de la calidad de la prosa.
Grok lleva las menores restricciones de contenido de cualquier modelo de frontera y la única integración nativa con X en tiempo real, lo que lo convierte en el único modelo que entra en encargos atrevidos, de actualidad o deliberadamente provocadores que los demás rechazan. SpaceXAI lanzó Grok 4.7 el 21 de septiembre en la API de Grok, Cursor y Grok Build, y desde el 3 de octubre también impulsa el modo Expert de grok.com, además del modo Fast para los suscriptores de pago. No es el mejor escritor, aunque el panorama es más mixto que antes.
EQ-Bench ha puntuado Grok 4.7 y lo sitúa noveno con 2012,2, dentro de sus diez primeros y muy por encima de Grok 4.5, en el puesto 57, pero los votantes humanos de Arena dejan a 4.7 solo en el puesto 87 en escritura creativa, por detrás de Grok 4.6, en el 57, y del antiguo Grok 4.20-beta1, en el 27. Si eliges solo por calidad de salida, Claude Opus 5.5 lidera ahora el tablero de escritura creativa de Arena, con Gemini 4 Argon, en Google AI Pro desde el 13 de octubre, segundo, Gemini 4 Carbon, reservado a defensores de ciberseguridad, tercero y Claude Fable 5 cuarto, mientras EQ-Bench pone primero a GPT-6 Astra con 2176,9, segundo a Kimi K3.1 Pro de Moonshot y tercero a Claude Fable 5.1. Elige Grok por lo que te deja crear, no por lo bien que escribe.
| Modelo | Mejor para | Fortaleza | Debilidad | Precio |
|---|---|---|---|---|
| Grok 4.7 | Sin filtros, con opinión y al día | Menos restricciones de contenido, anclaje nativo en X en tiempo real | #87 en escritura creativa de Arena, aunque #9 en EQ-Bench (2012,2) | API $2 / $6; app Premium a $30/mes (X Subscription) |
| Claude Fable 5 | Prosa creativa de máxima calidad | #4 Arena escritura creativa, #1 LiveBench Language | Límites cautelosos ante encargos atrevidos | $10 / $50 API |
| Kimi K3.1 Pro | Ficción y voz propia | #2 EQ-Bench Creative Writing con 2172,6 | Aún sin puntuar en LiveBench; pesos abiertos prometidos para el 4 de noviembre | $2 / $10 |
| Claude Opus 5 | Creatividad larga y estructurada | Mantiene hilos largos y se autoedita; 50,8 en el Intelligence Index v4.3.2, sin puntuar en v5 | El más prudente del grupo | $20/mes Pro; API $5 / $25 |
| Gemini 3.1 Pro | Creatividad multimodal | Fuerte cadena de texto, imagen y vídeo | En la app de Gemini requiere Google AI Pro desde el 9 de octubre | AI Pro / $2.00-$4.00 API entrada |
| Grok Imagine (Spicy Mode) | NSFW / creatividad para adultos | La generación de imágenes más permisiva | Caso de uso de nicho | $30/mes Premium, probablemente (xAI no indica nivel) |
Grok conserva esta elección con Grok 4.7, y no ha cambiado nada de la permisividad del producto ni de su acceso en directo a X, que es en lo que se apoya la elección. Desde la última actualización Arena reordenó su tablero de escritura creativa: Grok 4.7 bajó del puesto 78 al 87, Gemini 4 Carbon de Google, que solo pueden usar defensores de ciberseguridad, entró tercero y Claude Fable 5 bajó al cuarto, aunque aquí conserva su puesto en el podio como elección de calidad. En octubre, Kimi K3.1 Pro sustituyó a Kimi K3 en el podio como elección para ficción después de que EQ-Bench lo situara segundo, Claude Opus 5.5 tomó la cabeza del tablero de escritura creativa de Arena y el 3 de octubre Grok 4.7 empezó a impulsar el modo Expert de grok.com.
Mejor IA para precisión & investigación
La mejor IA para precisión e investigación es Claude Fable 5.1, que tiene la mayor precisión factual que ha medido Artificial Analysis, un 68% en AA-Omniscience.
Esa es justo la columna con la que se decide esta categoría. Claude Opus 5.5 superó a Fable 5.1 en casi todo lo demás al llegar el 22 de septiembre, incluido Humanity's Last Exam, 61,4% frente a 59,1%, y el índice AA-Omniscience, que penaliza las alucinaciones, 48,1 frente a 46,3, pero en precisión factual bruta marca un 66% frente al 68% de Fable 5.1. Léelos juntos: Opus 5.5 es la mejor apuesta cuando una respuesta equivocada es peor que ninguna, y Fable 5.1 cuando quieres acertar el mayor número de datos. Gemini 4 Carbon de Google lidera ahora ese índice con 53,5, pero solo acierta el 58% y solo pueden usarlo defensores de ciberseguridad.
La opción de mejor valor es GPT-6.1 Sol, que acierta el 62% con un índice AA-Omniscience de 42,0 a $2 / $10 por 1M de tokens y $1,27 por tarea del índice, y logra un 98,5% en ARC-AGI-1 de ARC Prize por $0,06 la tarea. Eso supera a Gemini 3.1 Pro, nuestra opción de mejor valor hasta principios de octubre, en todas las medidas de precisión que Artificial Analysis ha publicado para él: marcaba un 55% de precisión bruta y un índice de 31,9.
Gemini 3.1 Pro conserva su papel cuando la respuesta tiene que estar al día, porque ancla sus respuestas en la Búsqueda de Google y está en la app de Gemini (Google AI Pro o superior desde el 9 de octubre), mientras GPT-6.1 Sol funciona en ChatGPT Work, Codex y la API y no en la ventana de chat de ChatGPT. Gemini 4 Argon es el modelo a seguir: Artificial Analysis le mide una tasa de alucinación del 4%, la más baja entre los modelos punteros, porque prefiere negarse a adivinar, pero solo acierta el 48%; desde el 13 de octubre está en la app de Gemini con Google AI Pro o superior.
En la búsqueda anclada en concreto, el tablero de búsqueda de Arena lo lidera OpenAI: GPT-5.6 Sol está arriba con 1261, empatado con Qwen3.8-Max, Claude Fable 5.1 es quinto y Gemini 3.1 Pro con anclaje decimoquinto. En el razonamiento novedoso la corona está en otra parte, con GPT-6 Astra liderando ARC-AGI-2 y ARC-AGI-3. Claude Opus 5 no tiene ninguna corona de precisión porque Artificial Analysis mide su tasa de alucinación en un 61 %.
| Modelo | Mejor para | Benchmark clave | Debilidad | Precio |
|---|---|---|---|---|
| Claude Fable 5.1 | La mayor precisión factual medida | 68% de precisión factual en AA-Omniscience, la más alta que ha medido Artificial Analysis, tres puntos por encima de Claude Opus 5.5 | Sin plan barato; #5 en el tablero de búsqueda de Arena, por detrás de GPT-5.6 Sol; Opus 5.5 lidera Humanity's Last Exam y Gemini 4 Carbon el índice AA-Omniscience | $10 / $50 |
| Claude Opus 5.5 | Cuando una respuesta equivocada es peor que ninguna | #1 Humanity's Last Exam (61,4%) y #2 índice AA-Omniscience (48,1), solo por detrás de Gemini 4 Carbon, reservado a defensores de ciberseguridad; 66% de precisión bruta | Tres puntos por detrás de Fable 5.1 en precisión bruta | $4 / $20 |
| GPT-6.1 Sol | Mejor valor | 62% de precisión bruta y un índice AA-Omniscience de 42,0 a $1,27 por tarea del índice; 98,5% en ARC-AGI-1 a $0,06 la tarea | Tasa de alucinación del 52%; en ChatGPT Work y Codex, no en Chat | $2 / $10 |
| Gemini 4 Argon | Menos alucinaciones | Tasa de alucinación del 4% en AA-Omniscience, la más baja entre los modelos punteros | Solo un 48% de precisión bruta | $19,99/mes Google AI Pro; API $2 / $10 introductorio |
| Gemini 4 Carbon | Aún no disponible | #1 índice AA-Omniscience (53,5), con una tasa de alucinación del 11% | 58% de precisión bruta; solo para defensores de ciberseguridad y socios de Fairwind | Anunciado a $2 / $10 introductorio |
| Gemini 3.1 Pro | Búsqueda anclada; app de Gemini con AI Pro desde el 9 oct. | Anclaje nativo en la Búsqueda de Google; 98 % ARC-AGI-1 a $0.52/tarea | 55 % de precisión pura en AA-Omniscience, por debajo de GPT-6.1 Sol; #15 en Arena búsqueda | $2.00-$4.00 / $12.00-$18.00 (escalonado) |
| Claude Fable 5 | Búsqueda anclada | #10 en la tabla de búsqueda de Arena, por detrás de GPT-5.6 Sol | Ningún nivel barato único | $10 / $50 (Fable 5) |
| GPT-5.6 Sol | Razonamiento novedoso | #4 ARC-AGI-2 con 92,5 %, por detrás de GPT-6 Astra (95 %), GPT-6.1 Sol (94,2 %) y Claude Opus 5.5 (93,3 %) | Scheming señalado por METR | $4 / $20 |
| Claude Opus 5 | Los problemas inéditos más difíciles | 30,2 % ARC-AGI-3 en el harness estándar, segundo tras GPT-6 Astra (ARC Prize) | Artificial Analysis mide una tasa de alucinación del 61 % | $5 / $25 |
| Qwen 3.7 Max | Precisión frontier a precio de valor | 92,4 GPQA Diamond, 200 solicitudes gratis/día | Solo API, sin front-end de chat | $1.25 / $3.75 promo; $2.50 / $7.50 lista |
| Claude Opus 4.6 | Honestidad bajo presión | #1 en el tablero MASK de Scale SEAL con 96,28; Anthropic ocupa el top 5 | Reemplazado como buque insignia | Modelo legacy de Anthropic |
La corona de precisión sigue en manos de Claude Fable 5.1, con un 68% de precisión factual bruta frente al 66% de Claude Opus 5.5. Desde la última actualización no se ha movido la cabeza de ningún tablero de precisión: AA-Omniscience de Artificial Analysis sigue poniendo primero a Fable 5.1 en precisión bruta y a Gemini 4 Carbon de Google, reservado a defensores de ciberseguridad, primero en el índice que penaliza las alucinaciones, con 53,5, y Opus 5.5 sigue liderando Humanity's Last Exam con un 61,4%. En el tablero de búsqueda de Arena, que volvimos a leer para esta actualización, Fable 5.1 es quinto y GPT-6.1 Sol octavo, y GPT-5.6 Sol de OpenAI sigue primero.
En octubre, GPT-6.1 Sol le quitó la tarjeta de valor a Gemini 3.1 Pro al superarlo en todas las medidas de precisión que publica Artificial Analysis, Google anunció Gemini 4 Carbon el 28 de octubre y Gemini 4 Argon llegó a la app de Gemini el 13 de octubre con la tasa de alucinación más baja que Artificial Analysis ha medido entre los modelos punteros.
Mejor IA para resolución de problemas
La mejor IA para resolver problemas difíciles es GPT-6 Astra, que le quitó los tableros de razonamiento a GPT-5.6 Sol a los pocos días de su lanzamiento.
Lidera LiveBench Reasoning con 92,65 y ARC-AGI-2 con un 95 %, la puntuación más alta que nadie ha logrado frente al panel humano del 100 % de ese tablero, y es cuarto en LiveBench Mathematics con 96,81, por detrás de Claude Opus 5.5 con 97,08, Claude Fable 5.1 con 97,01 y GPT-6.1 Sol con 96,83. También declara un 97,6 % en FrontierMath Tier 4 v2, una cifra que conviene leer junto a la advertencia de Epoch AI de que OpenAI financió el benchmark y tiene acceso exclusivo a parte de él. La pega son el precio y el alcance: $10 / $50 por 1M de tokens frente a los $2 / $10 de GPT-6.1 Sol, y necesita un plan de pago de ChatGPT.
GPT-6.1 Sol, lanzado el 29 de septiembre, es la alternativa de valor y casi un colíder: 92,63 en LiveBench Reasoning, a 0,02 de Astra, y un 94,2 % en ARC-AGI-2, a 0,8 puntos, por $0,25 la tarea frente a los $1,12 de Astra. Astra mantiene la corona porque sigue liderando ambos tableros y ARC-AGI-3, donde logra un 62,7 % en el harness estándar frente al 52,7 % de GPT-6.1 Sol. Gemini 4 Argon lidera la categoría de matemáticas de Arena, pero con solo unos cientos de votos, y LiveBench no lo ha valorado; ARC Prize lo sitúa quinto en ARC-AGI-2 con un 91,3 % y tercero en ARC-AGI-3 con un 49,8 %. GPT-5.6 Sol, la antigua elección de valor, es ahora quinto en LiveBench Reasoning y cuarto en ARC-AGI-2 con un 92,5 %.
Qwen 3.7 Max es la elección económica para problemas de competición con 97,1 en el índice HMMT de febrero de 2026 y 44,5 en Apex, con 200 solicitudes gratuitas al día. Claude Opus 5 sigue siendo la alternativa para cadenas largas de razonamiento agéntico, aunque Astra también le ha quitado ARC-AGI-3.
| Modelo | Mejor para | Benchmark clave | Debilidad | Precio |
|---|---|---|---|---|
| GPT-6 Astra | Matemáticas, ciencia y razonamiento más duros | #1 LiveBench Reasoning (92,65), #1 ARC-AGI-2 (95 %), #1 ARC-AGI-3 | Requiere un plan de pago de ChatGPT; 5 veces el precio de GPT-6.1 Sol | $10 / $50 |
| Claude Opus 5 | Cadenas largas de razonamiento agéntico | 1656 en AA-Briefcase v1.1 y 1730 en GDPval-AA v2.1; 30,2 % ARC-AGI-3 | Astra lidera ahora ARC-AGI-3; 61 % de tasa de alucinación; ahora es un modelo heredado | $5 / $25 |
| GPT-5.6 Sol | Buque insignia STEM asequible | #4 ARC-AGI-2 (92,5 %); #5 LiveBench Reasoning (91,65), Mathematics 96,20 | FrontierMath aún sin publicar; METR señaló comportamiento tramposo | $100/mes ChatGPT Pro; API $4 / $20 |
| GPT-6.1 Sol | Opción de valor, razonamiento cercano a Astra | #2 LiveBench Reasoning (92,63), #2 ARC-AGI-2 (94,2%), #3 LiveBench Mathematics (96,83); 54,5 en el Intelligence Index v5 a $1,27 por tarea del índice | 52,7% en ARC-AGI-3 frente al 62,7% de Astra; en ChatGPT Work y Codex, no en Chat | $2 / $10 |
| Qwen 3.7 Max | Matemáticas de competición con presupuesto ajustado | 97,1 HMMT 2026 feb, 44,5 Apex, 200 solicitudes gratis/día | Solo API | $1.25 / $3.75 promo; $2.50 / $7.50 lista |
| Claude Fable 5 | Matemáticas dentro de un flujo de programación | #3 en la subcategoría de matemáticas de Arena (1522), por detrás de Gemini 4 Argon y Claude Opus 5; 96,0 LiveBench Mathematics | La opción más cara aquí | $10 / $50 |
| GLM 5.3 Flash | Resolución de problemas con pesos abiertos | Intelligence Index 41,8 (v4.3.2) con licencia MIT, casi ocho puntos por encima de GLM-5.2 con menos de la mitad de tamaño; 320B/18B activos, contexto de 1M | Necesita un servidor con varias GPU, no una estación de trabajo; 27,8 en v5; GLM 5.3 puntúa más según las cifras de Z.ai y se puede descargar desde el 28 de agosto, pero tiene más del doble de tamaño y una licencia propia | Pesos abiertos (MIT) |
GPT-6 Astra conserva la corona de resolución de problemas, por menos de un punto. Sigue liderando LiveBench Reasoning con 92,65, 0,02 por delante de GPT-6.1 Sol, ARC-AGI-2 con un 95% frente al 94,2% de Sol, y ARC-AGI-3. Desde la última actualización no se ha movido ninguno de esos tableros: LiveBench y ARC Prize no han publicado resultados nuevos, y Gemini 4 Carbon de Google, que lidera HLE-Diamond y Terminal-Bench-Science dentro del Intelligence Index v5, sigue sin puntuar en ambos y abierto solo a defensores de ciberseguridad. En octubre, ARC Prize situó a GPT-6.1 Sol segundo en ARC-AGI-2 y a Gemini 4 Argon quinto con un 91,3%, y Argon se quedó con la categoría de matemáticas de Arena con unos pocos cientos de votos.
Mejor agente de IA
El mejor agente de IA es Gemini Spark si lo quieres en la nube y Claude Cowork si lo quieres en tu escritorio.
Son elecciones conjuntas, no un primero y un segundo: Spark corre en una VM de Google Cloud, así que sigue trabajando con el portátil cerrado, integrado con Gmail, Docs y, desde principios de septiembre, Google Fotos; Cowork corre en tu Mac o tu PC con Windows y maneja tus aplicaciones locales y tu pantalla. Spark ya no es el único agente que sigue trabajando en la nube.
Grok Bot de SpaceXAI (11 de agosto) da a cada cuenta un ordenador persistente en la nube que inicia sesión en tus apps, desde un plan X Subscription Premium de $30/mes; Muse de Meta (8 de septiembre) hace recados desde una VM propia en la nube y es gratis hasta 100 millones de tokens a la semana; y OpenAI dots (29 de septiembre) funcionan con GPT-6 Astra con su propio ordenador y navegador en la nube, desde el plan Pro de $100/mes, que no los incluye en el EEE, el Reino Unido ni Suiza. Ningún tablero independiente enfrenta a estos productos, así que la elección va de dónde tiene que ocurrir el trabajo y no de quién puntúa más.
El precio tampoco desempata ya: Spark llega ahora al nivel Google AI Pro de $19.99/mes en EE. UU. y en más de 160 países más, y Cowork se incluye sin coste adicional en todos los planes de pago de Claude desde $20/mes. ChatGPT Codex Mobile (14 de mayo) es la alternativa para el trabajo de agente de programación. Lee la comparativa completa de Gemini Spark y Claude Cowork.
| Agente | Mejor para | Dónde se ejecuta | Fortaleza | Precio |
|---|---|---|---|---|
| Gemini Spark | Tareas en la nube 24/7, flujos de Workspace | VM de Google Cloud (siempre activa) | Siempre activo, integración profunda con Workspace | Desde $19.99/mes Google AI Pro |
| Claude Cowork | Escritorio, manejo de apps, diseño + código | Tu escritorio Mac/Windows | Maneja apps locales, ve tu pantalla | $20/mes Claude Pro |
| ChatGPT Codex Mobile | Agente de programación en el móvil | Nube de OpenAI + iOS/Android | Aprobar diffs y redirigir el trabajo desde el móvil | Incluido en los planes de ChatGPT |
| Grok Bot | Tareas de navegador en apps con sesión iniciada | Un ordenador persistente en la nube de SpaceXAI compartido por todos tus Bots | Inicia sesión en las apps con tus propias credenciales y sigue trabajando con el portátil cerrado | Desde $30/mes X Subscription Premium (Cursor Pro a $20 para suscriptores actuales) |
| OpenAI dots | Responsabilidades continuas, no tareas sueltas | Ordenador y navegador en la nube de OpenAI | Funciona con GPT-6 Astra; sigue trabajando con tu ordenador apagado; disponible en ChatGPT, Slack y por voz | Desde $100/mes ChatGPT Pro (no en EEE/UK/CH); Business Premium |
| Meta Muse | Recados personales gratis | Una Muse Secure VM en la nube de Meta | Gratis hasta 100M de tokens a la semana; un agente Sentinel aparte aprueba lo que envía | Gratis; Power $20/mes, Maximum $100/mes |
| Claude Duet | Resúmenes matinales y recados proactivos | Su propia VM en la nube y su navegador, en iOS, Android y claude.ai | Revisa tus apps conectadas cada pocas horas y trabaja con tus dispositivos apagados; pregunta antes de enviar, pagar, firmar o borrar | Vista previa de investigación, Claude Pro y Max en EE. UU., lista de espera |
Gemini Spark (nube) y Claude Cowork (escritorio) siguen siendo elecciones conjuntas, porque esta categoría corona productos y desde la última actualización no ha salido ningún producto de agente nuevo. La capa de modelos apenas se ha movido: Claude Opus 5.5 sigue en cabeza de Agent Arena, ahora con un 22,3% de éxito confirmado, con Gemini 4 Carbon de Google, reservado a defensores de ciberseguridad, segundo con una puntuación preliminar, Claude Sonnet 5.5 sigue liderando AA-Briefcase v1.1 con 1814, y en GDPval-AA v2.1 Kimi K3.1 Pro de Moonshot ha subido al segundo puesto con 1858, por detrás de Opus 5.5 con 1866 y un punto por delante de Muse Wonder Full de Meta. En octubre, Claude Duet de Anthropic (21 de octubre), una vista previa de investigación con lista de espera para suscriptores Pro y Max de EE. UU., entró en la tabla y no en el podio, y Gemini 4 Argon llegó a la API de pago y a la app de Gemini con Google AI Pro el 13 de octubre.
Entre los modelos abiertos de Agent Arena, MiMo-V2.6-Pro de Xiaomi es ahora el más alto, 17.º, en empate estadístico con DeepSeek V4.1-Flash-1017, 18.º, mientras Kimi K3 ha bajado al puesto 27 y el recién abierto Mistral Large 4 está en el 43. En octubre, OpenAI empezó a desplegar el 28 de octubre los mensajes de texto con dots, por iMessage o RCS, para los suscriptores Pro de EE. UU.
Pulsa ⌥ Space en tu Mac, pregunta y sigue trabajando. También en iPhone y iPad.
Gratis para empezar, 4,7★ en más de 27 000 reseñas.
Descargar Fello AIMejor IA para estudiar
La mejor IA para estudiantes es GPT-6 Luna dentro de ChatGPT para el trabajo de curso general y Gemini 3.6 Flash para STEM y estudio multimodal, con Qwen 3.7 Max como alternativa por API para los ejercicios más difíciles (200 solicitudes gratis al día) y Claude Sonnet 5.5 como alternativa gratuita para editar ensayos.
La mayoría de los estudiantes no necesita pagar. Desde el 8 de octubre, ChatGPT Free y Go están pasando de GPT-5.6 Luna a GPT-6 Luna, al que Artificial Analysis dio 38,1 en el Intelligence Index v4.3.2 frente a 37,3; el plan gratuito tiene chats de texto ilimitados, mientras que la subida de archivos y las herramientas de imagen siguen limitadas. Claude Sonnet 5.5 es gratis en claude.ai, donde las cuentas gratuitas también pueden elegir Claude Haiku 5.5 (7 de octubre), el modelo de Claude que menos gasta de tu límite de uso.
Gemini cambió el 9 de octubre: la app gratuita de Gemini funciona ahora en modo Auto, que envía la mayoría de los prompts a Flash-Lite, así que elegir tú mismo Gemini 3.6 Flash requiere Google AI Plus, aunque sigue gratis en Google AI Studio. Para resolver paso a paso las matemáticas más difíciles, GPT-6 Astra declara un 97,6 % en FrontierMath Tier 4 v2, pero no está en el plan gratuito de ChatGPT; Qwen 3.7 Max es la alternativa económica con 97,1 en HMMT de febrero de 2026 y un precio de API de $1,25 / $3,75 con su promoción actual del 50 % ($2,50 / $7,50 de tarifa).
| Tarea | Mejor modelo | Por qué | ¿Gratis? | Alternativa |
|---|---|---|---|---|
| Ensayos & trabajo de curso | GPT-6 Luna | El modelo de ChatGPT Free y Go, en despliegue desde el 8 de octubre; chats de texto ilimitados | Sí | Claude Sonnet 5.5 (Claude gratis) |
| Resolución de problemas STEM | GPT-6 Sol / Qwen 3.7 Max | Modelo de pago por defecto de ChatGPT; Astra declara 97,6 % en FrontierMath Tier 4 v2 / 97,1 HMMT feb 2026 | Plus de pago / Qwen API de pago | Gemini 3.6 Flash (AI Plus desde el 9 oct.) |
| Investigación & precisión | Gemini 3.1 Pro | 98 % ARC-AGI-1 a $0.52/tarea, anclaje nativo en Google Search | AI Pro (aplicación Gemini) desde el 9 oct. | Claude Opus 5 |
| Edición de textos | Claude Sonnet 5.5 | Gratis en claude.ai desde el 28 de septiembre y quinto entre modelos distintos en el Intelligence Index v5 con esfuerzo máximo; el líder en calidad es Claude Fable 5.1 | Sí (Claude gratis) | Claude Fable 5.1 |
| Estudio multimodal (PDF, diapositivas, imágenes) | Gemini 3.6 Flash | Contexto 1M vía AI Studio; la app de Gemini requiere AI Plus desde el 9 oct. | Gratis en AI Studio | NotebookLM (Google) |
Para los estudiantes no ha cambiado nada desde la última actualización. ChatGPT Free y Go funcionan con GPT-6 Luna, que OpenAI ajustó el 29 de octubre para dar respuestas más breves y menos aduladoras, Claude Sonnet 5.5 sigue siendo gratis en claude.ai y la app gratuita de Gemini sigue en Auto, así que elegir Gemini 3.6 Flash en la app requiere Google AI Plus.
En octubre, el modelo gratuito de ChatGPT pasó de GPT-5.6 Luna a GPT-6 Luna a partir del 8 de octubre, que se quedó así la fila de redacciones, la app gratuita de Gemini pasó a Auto el 9 de octubre, Anthropic lanzó Claude Haiku 5.5 el 7 de octubre, que también pueden elegir las cuentas gratuitas de Claude, y Gemini 4 Argon llegó el 13 de octubre con Google AI Pro, así que los estudiantes de EE. UU. con el año gratis de AI Pro de Google lo tienen.
Mejor IA para el trabajo & profesionales
La mejor IA para el trabajo profesional es GPT-6 (por defecto en ChatGPT desde el 7 de octubre, Sol en los planes de pago) para el trabajo de conocimiento diario, Claude Opus 5.5 para programar y escribir cuando hay mucho en juego, y Gemini Spark para flujos agénticos 24/7.
La mayoría de los profesionales sacan el máximo partido con dos suscripciones de pago (ChatGPT Plus a $20/mes más Claude Pro a $20/mes, un total de $40/mes). O con una sola factura: Fello AI cubre ChatGPT, Claude y Gemini para el trabajo diario. Para el trabajo agéntico que sigue mientras duermes, Gemini Spark es el agente en la nube siempre activo que vive dentro de Google Workspace, y desde el 30 de julio llega al plan Google AI Pro de $19,99/mes además de a Google AI Ultra; OpenAI dots, Grok Bot y Muse de Meta son las alternativas, explicadas en la sección de agentes.
| Caso de uso | Mejor modelo | Dato clave | Precio | Alternativa |
|---|---|---|---|---|
| Trabajo de conocimiento diario | GPT-6 | Por defecto de ChatGPT desde el 7 de octubre; GPT-6 Sol en Plus | $20/mes ChatGPT Plus | Claude Opus 5.5 |
| Investigación legal, financiera y fiscal | Gemini 4 Argon | #1 HLAB 1.1 (27,1%), la prueba de agentes legales de Harvey dentro del Vals Index; #2 Finance Agent v2.1 (67,7%); #1 AutomationBench-AA (77,5%) entre los modelos disponibles | $19,99/mes Google AI Pro | Claude Opus 5.5 |
| ChatGPT Work y Codex | GPT-6.1 Sol | En ChatGPT Work y Codex para Plus, Pro, Business, Enterprise y Edu desde el 29 de septiembre, a $2 / $10 en la API | $20/mes ChatGPT Plus | GPT-6 Luna para trabajo de volumen |
| Programación (propietaria) | Claude Opus 5.5 | #1 Arena WebDev (1810) y #1 FrontierCode 2.0 (46,4%), a $4 / $20 | $20/mes Claude Pro | Claude Sonnet 5.5, que lidera LiveBench Coding a mitad de precio por token |
| Programación (económica) | Claude Sonnet 5.5 | #1 LiveBench Coding (91,4) y #3 Terminal-Bench 4.0 (63,6%); $1,64 por tarea del índice con esfuerzo alto | $2 / $10 | Kimi K3.1 Pro; DeepSeek V4.1-Flash-1017 |
| Investigación & informes | Gemini 3.1 Pro | 98 % ARC-AGI-1 a $0.52/tarea, anclaje de Google | Google AI Pro / Ultra | Claude Opus 5.5 |
| Matemáticas duras, física, modelado financiero | GPT-6 Astra | #1 LiveBench Reasoning y ARC-AGI-2 (95 %); declara 97,6 % en FrontierMath Tier 4 v2 | $100/mes ChatGPT Pro | GPT-6.1 Sol; Qwen 3.7 Max |
| Flujos de agente siempre activos | Gemini Spark | Agente en la nube 24/7 dentro de Google Workspace | Desde $19.99/mes Google AI Pro | Claude Cowork |
| Noticias en directo, creatividad con contexto de X | Grok 4.7 | 35,0 en el Intelligence Index v5 + anclaje nativo en X; en la app de Grok desde el 3 de octubre | $30/mes Premium (X Subscription) | Gemini 3.1 Pro |
| Consolidación todo en uno | Fello AI | ChatGPT + Claude + Gemini + Grok + DeepSeek | Desde $11.99/mes | Pagar a cada proveedor por separado |
La fila de trabajo de conocimiento diario sigue con GPT-6, el modelo por defecto de ChatGPT desde el 7 de octubre, y desde la última actualización ninguna fila ha cambiado de manos: Gemini 4 Argon conserva la fila de derecho, finanzas e impuestos, con solo Gemini 4 Carbon, aún no público, por encima en AutomationBench-AA, y Claude Opus 5.5 conserva la fila de programación propietaria, ahora con 1810 en Arena WebDev. En octubre, Vals recalculó su índice el 27 de octubre con Claude Sonnet 5.5 primero y Carbon segundo, Argon se quedó el 13 de octubre con la nueva fila de derecho, finanzas e impuestos gracias a HLAB 1.1 y Finance Agent v2.1, Kimi K3.1 Pro le quitó Terminal-Bench 4.0 a Sonnet 5.5 y las filas de programación pasaron a FrontierCode 2.0 del Intelligence Index v5.
Precios de los modelos de IA en noviembre de 2026
De los planes gratuitos de $0 a Google AI Ultra por $199,99 al mes. El precio que más importa en esta tabla es el de Claude Opus 5.5 a $4 / $20: el modelo con la puntuación más alta del Intelligence Index v5 de Artificial Analysis que se puede usar cuesta menos que el Claude Opus 5 al que sustituyó ($5 / $25), y las lecturas de caché bajan un 60%, a $0,20. Claude Fable 5.1 y GPT-6 Astra cuestan ambos $10 / $50 y ambos puntúan por debajo. Gemini 4 Carbon de Google puntúa un punto más con un precio introductorio anunciado de $2 / $10, pero por ahora solo pueden usarlo defensores de ciberseguridad.
La tarifa más concurrida es ahora $2 / $10, compartida por Claude Sonnet 5.5, GPT-6 Sol, GPT-6.1 Sol y Kimi K3.1 Pro de Moonshot, que logra 46,0 a $3,68 por tarea del índice. GPT-6.1 Sol sigue siendo la vía más barata para pasar de 50 en el índice, a $0,59 por tarea del índice con 50,2 en esfuerzo alto, o $1,27 con 54,5 al máximo, y GPT-6.1 Terra de OpenAI (26 de octubre) reduce el precio por token a la mitad, $1 / $5, con 51,0 a $0,96. Con Sonnet 5.5, el ajuste de esfuerzo decide la factura: una tarea del índice cuesta $1,64 con esfuerzo alto y $10,02 al máximo, al nivel de los $10,04 de Opus 5.5, y Anthropic redujo a la mitad sus lecturas de caché, a $0,10, el 7 de octubre. Gemini 4 Argon de Google también parte de un precio introductorio de $2 / $10 ($4 / $20 estándar) hasta el 30 de noviembre, y desde el 13 de octubre cualquiera puede comprarlo en la API de pago.
El precio por token y el coste por tarea pueden separarse. Grok 4.7 cuesta $2 / $6 de tarifa, pero una tarea del índice cuesta $6,18 para una puntuación de 35,0, porque escribe muchísima salida. Mistral Large 4, cuyos pesos publicó Mistral el 29 de octubre, cuesta ahora $0,70 / $2,10 de tarifa, la mitad que en la vista previa, y una tarea del índice cuesta $2,06 para una puntuación de 26,0. Muse Spark 1.3 de Meta a $1,25 / $4,25 era la opción de valor de gama alta en v4.3.2, a $1,60 por tarea del índice con 48,1, y Artificial Analysis aún no lo ha puntuado en v5.
En el extremo barato, GPT-6 Luna es el modelo más barato por tarea de esta página: $0,10 / $0,50, o $0,15 por tarea del índice con 27,8 en esfuerzo máximo. Claude Haiku 5.5 (7 de octubre) iguala ese precio por token en prompts de hasta 100.000 tokens y logra 36,2 frente al 27,8 de Luna, pero escribe tanto más que una tarea del índice cuesta $0,41 con esfuerzo máximo, o $0,25 por 34,3 en xhigh; por encima de 100.000 tokens sube a $0,50 / $2,50. Entre los modelos abiertos que se compran por tokens, la elección es DeepSeek V4.1-Flash-1017, la versión que sirve la API de DeepSeek desde el 17 de octubre, a $0,15 / $0,60 fuera de pico y $0,30 / $1,20 en pico ($0,60 por tarea del índice con 32,5, la puntuación abierta más alta en v5), mientras que GLM 5.3 Flash a $0,15 / $0,50 logra ahora 27,8 en v5, a $0,58 por tarea del índice. MiMo-V2.6-Pro de Xiaomi es más barato por tarea, $0,26 con 29,9, pero solo si alojas tú mismo su 1,02 billones de parámetros. Para un desglose más detallado, consulta nuestra comparativa completa de precios de IA.
| Modelo | Entrada (por 1M) | Salida (por 1M) | Contexto | ¿Acceso gratis? |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $50.00 | 1 050 000 (entrada máx. 922 000) | En Chat en Pro, Business y Enterprise desde el 4 de septiembre; Plus lo tiene en ChatGPT Work y Codex, no en Chat; sin plan gratuito; activo en la API |
| GPT-6 Sol | $2.00 | $10.00 | 1 050 000 (entrada máx. 922 000) | Chat de ChatGPT en Plus, Pro, Business y Enterprise desde el 7 de octubre; Work y Codex; API |
| GPT-6.1 Sol | $2.00 | $10.00 | 1 050 000 (entrada máx. 922 000) | ChatGPT Work y Codex en Plus, Pro, Business, Enterprise y Edu desde el 29 de septiembre; API; no en Chat; lecturas de caché $0,10 |
| GPT-6.1 Terra | $1.00 | $5.00 | 1 050 000 (entrada máx. 922 000) | ChatGPT Work y Codex en Plus, Pro, Business, Enterprise y Edu desde el 26 de octubre; API; no en Chat; lecturas de caché $0,05 |
| GPT-6 Luna | $0.10 | $0.50 | 1 050 000 (entrada máx. 922 000) | Chat de ChatGPT en Free y Go, en despliegue desde el 8 de octubre; Work y Codex en planes de pago; API |
| GPT-5.5 | $5.00 | $30.00 | 1M (400K en Codex) | ChatGPT Free; API de pago |
| GPT-5.5 Pro | $30.00 | $180.00 | 1M | ChatGPT Pro desde $100/mes (niveles de mayor uso a $200 y $500) |
| GPT-5.6 Sol | $4.00 | $20.00 | No publicado | En vivo en ChatGPT, Codex & API (9 de julio); tarifa promocional al menos hasta el 21 de noviembre de 2026 |
| GPT-5.6 Terra | $2.00 | $12.00 | No publicado | En vivo en ChatGPT, Codex & API (9 de julio) |
| GPT-5.6 Luna | $0.20 | $1.20 | No publicado | En vivo en ChatGPT, Codex & API (9 de julio) |
| Claude Opus 5.5 | $4.00 | $20.00 | 1M | Claude Pro/Max/Team; API de pago; lecturas de caché $0,20 |
| Claude Opus 5 | $5.00 | $25.00 | 1M | Modelo legacy en Anthropic; Pro/Max/API |
| Claude Opus 4.8 | $5.00 | $25.00 | 1M | Modelo legacy en Anthropic; Pro/Max/API |
| Claude Fable 5.1 | $10.00 | $50.00 | 1M | Lecturas de caché $0.25; en Max/Team Premium (~50 % de los límites de uso); Pro/Team Standard vía créditos. Mythos 5.1 factura igual, solo por invitación |
| Claude Fable 5 | $10.00 | $50.00 | 1M | Permanente en Max/Team Premium (~50 % de los límites de uso); Pro/Team Standard vía créditos |
| Claude Sonnet 5.5 | $2.00 | $10.00 | 1M | Gratis en claude.ai; Pro/Max/Team; API de pago; lecturas de caché $0,10 desde el 7 de octubre |
| Claude Sonnet 5 | $2.00 | $10.00 | 1M | Modelo legacy desde el 28 de septiembre; respaldo para peticiones de ciberseguridad marcadas; API de pago |
| Claude Sonnet 4.6 | $3.00 | $15.00 | 1M | API de pago (reemplazado por Sonnet 5) |
| Claude Haiku 5.5 | $0.10 (≤100K) / $0.50 (>100K) | $0.50 (≤100K) / $2.50 (>100K) | 1M | Free, Pro, Max, Team y Enterprise en Claude.ai (web, iOS, Android); API de pago; lecturas de caché $0,01 |
| Gemini 3.1 Pro | $2.00 (≤200K) / $4.00 (>200K) | $12.00 (≤200K) / $18.00 (>200K) | 1M | App de Gemini con Google AI Pro o superior desde el 9 oct.; API de pago |
| Gemini 4 Argon | $2.00 introductorio hasta el 30/11 / $4.00 estándar ($0.10 en caché, introductorio) | $10.00 introductorio / $20.00 estándar | 1M, compartido entre entrada y salida | API de pago desde el 13 de octubre; app de Gemini en Google AI Pro y Ultra |
| Gemini 4 Carbon | $2.00 introductorio / $4.00 después (anunciado) | $10.00 introductorio / $20.00 después | No publicado | Anunciado el 28 de octubre; solo para defensores de ciberseguridad y socios de Fairwind, sin fecha para la API pública ni la app de Gemini |
| Gemini 3.8 Flash | $0.75 introductorio / $1.50 desde el 1/1/2027 | $3.75 introductorio / $7.50 desde el 1/1/2027 | 1M | AI Studio, Antigravity, Gemini Enterprise + API de pago; en la aplicación de Gemini reportado para AI Pro/Ultra |
| Gemini 3.7 Flash | $0.75 introductorio / $1.50 desde el 1/1/2027 | $3.75 introductorio / $7.50 desde el 1/1/2027 | 1M | AI Studio, Android Studio, Antigravity + API de pago; en la aplicación de Gemini solo vía Spark (AI Pro/Ultra, excluye EEE/RU/CH/Nigeria) |
| Gemini 3.6 Flash | $0.75 introductorio / $1.50 desde el 1/1/2027 | $3.75 introductorio / $7.50 desde el 1/1/2027 | 1M | App de Gemini con AI Plus o superior desde el 9 oct.; AI Studio; nivel gratuito de API + API de pago |
| Gemini 3.5 Flash-Lite | $0.30 | $2.50 | 1M | AI Studio; nivel gratuito de API + API de pago |
| Qwen3.8-Max-0902 | $2.00 ($0.17 cache hit explícito, $0.25 implícito) | $6.00 | 1M (salida de 128K) | Solo API de QwenCloud; sin chat de consumo; pesos abiertos solo para la versión de texto Qwen3.8-2.4T-A95B en la que se basa |
| Qwen 3.7 Max | $1.25 promo / $2.50 lista | $3.75 promo / $7.50 lista | 1M | 200 solicitudes gratis/día; API de pago más allá |
| MiniMax M3 | $0.30 (50 % de descuento sobre $0.60) | $1.20 (≤512K) | 1M | Open weights; se aplican costes de alojamiento |
| LongCat-2.0 | Depende del proveedor | Depende del proveedor | 1M | Open weights (MIT); se aplican costes de alojamiento |
| NVIDIA Nemotron 3 Ultra | Depende del proveedor | Depende del proveedor | 1M | Open weights (OpenMDW); se aplican costes de alojamiento |
| Qwen 3.5 (open-weight) | Autoalojado / Together | Autoalojado / Together | 1M | Open weights; se aplican costes de alojamiento |
| Nex-N2-Pro | Autoalojado / proveedores | Autoalojado / proveedores | 1M | Open weights (Apache 2.0); se aplican costes de alojamiento |
| Rio 3.5 Open 397B | Autoalojado / proveedores | Autoalojado / proveedores | 1M | Open weights (MIT); se aplican costes de alojamiento |
| Grok 4.3 | $1.25 | $2.50 | 1M | Plan de consumo gratuito; API de pago |
| Grok 4.6 | $2.00 (<200K) / $4.00 (≥200K) | $6.00 (<200K) / $12.00 (≥200K) | 500K | API de SpaceXAI, Cursor, Grok Build, OpenRouter, Vercel, Cloudflare |
| Grok 4.7 | $2.00 (<200K) / $4.00 (≥200K) | $6.00 (<200K) / $12.00 (≥200K) | 500K | API de SpaceXAI, Cursor, Grok Build, harnesses y routers en la nube; modo Expert de la app de Grok desde el 3 de octubre |
| Muse Spark 1.3 | $1.25 ($0.10 nivel Contributor) | $4.25 ($0.20 nivel Contributor) | 1M | API de pago; Muse Code, Meta Model API y OpenRouter; el nivel Contributor cambia derechos de entrenamiento por un ~92 % de descuento |
| Muse Wonder | $4.00 | $20.00 | 1M | API de pago; Meta Model API, Muse Code y OpenRouter; Muse Wonder Full solo en Muse Code, en los planes de $50 y $200 |
| Kimi K3 | $3.00 ($0.30 cache-hit) | $15.00 | 1M | Nivel básico gratuito en la aplicación de Kimi; open weights en Hugging Face (Kimi K3 License) |
| Kimi K3.1 Pro | $2.00 ($0.20 cache-hit) | $10.00 | 1M | Kimi.com, apps de Kimi, Kimi Work, Kimi Code y la API de Kimi desde el 23 de octubre; open weights prometidos para el 4 de noviembre; variante Highspeed al doble de precio |
| Mistral Large 4 | $0.70 ($0.07 en caché) | $2.10 | 1M | API de Mistral, Mistral Studio, OpenRouter y Microsoft Foundry; pesos abiertos en Hugging Face desde el 29 de octubre con la Mistral Ecosystem Open-Weight License (MIT modificada) |
| Gemini Omni Flash (vídeo) | $1.50 | $17.50 (salida de vídeo) | Clips de 10 segundos | Aplicación Gemini / Flow; AI Studio + API |
| DeepSeek V4-Pro | $0.66 en valle / $1.32 en punta ($0.022 cache-hit en valle) | $1.98 en valle / $3.96 en punta | 1M | DeepSeek Chat gratis; API de pago, tarifas punta y valle desde el 16 de agosto |
| DeepSeek V4.1-Flash-1017 | $0.15 en valle / $0.30 en punta ($0.003 acierto de caché en valle) | $0.60 en valle / $1.20 en punta | 1M | DeepSeek Chat gratis; API de pago, tarifas de valle y punta; versión 1017 desde el 17 de octubre a los mismos precios |
| Kimi K2.7 Code | Depende del proveedor | Depende del proveedor | 256K | Open weights; se aplican costes de alojamiento |
| GLM-5.2 | Depende del proveedor | Depende del proveedor | 1M | Open weights; se aplican costes de alojamiento |
| GLM 5.3 | $1.40 ($0.26 cache-hit) | $4.40 | 1M | API de Z.ai, GLM Coding Plan y ZCode; pesos en Hugging Face desde el 28 de agosto bajo la GLM 5.3 License propia |
| GLM 5.3 Flash | $0.15 ($0.03 cache-hit) | $0.50 | 1M | API de Z.ai, GLM Coding Plan, OpenRouter; pesos MIT en Hugging Face; la promoción de lanzamiento acabó el 9 de septiembre |
| Tencent Hy4 Preview | $0.834 ($0.042 cache-hit) | $2.501 | 1M+ | Pesos abiertos (Apache 2.0); Tencent Cloud TokenHub, OpenRouter, WorkBuddy, CodeBuddy |
| Qwen3.8-Flash-Next | Depende del proveedor | Depende del proveedor | 262K (hasta 1M) | Pesos abiertos (Qwen Community License 1.0); se suman los costes de alojamiento |
| MiMo-V2.6-Pro | $0.435 | $0.87 | 1M | Pesos abiertos (MIT); el alojamiento se paga aparte |
| ERNIE 5.1 | Precio para la región de China | Precio para la región de China | 256K | Nivel gratuito de Baidu |
| Gemini Spark (agente) | Sin precio de API | Sin precio de API | 1M (base Gemini) | Google AI Pro $19.99, AI Ultra $99.99 o $199.99/mes |
| Fello AI (agregador) | Enrutado por la app | Enrutado por la app | Depende del modelo | Desde $11.99/mes, plan gratuito disponible |
Las tarifas de GPT-5.5 y GPT-5.5 Pro de arriba son precios de contexto corto; OpenAI ya no publica las cifras específicas de contexto largo. Los niveles GPT-5.6 se facturan a 2x entrada y 1,5x salida una vez que un prompt supera los 272K tokens de entrada, lo que sitúa a Terra de contexto largo en $4 / $18 y a Luna en $0.40 / $1.80. Los niveles GPT-6 llevan el mismo recargo por encima de 272K tokens de entrada, aplicado a toda la solicitud, y sus lecturas de caché salen un 90 % más baratas: $1.00 en Astra, $0.20 en GPT-6 Sol y $0.01 en Luna, con GPT-6.1 Sol un 95 % más barato, a $0.10.
Grok 4.6 funciona igual, pero muerde más fuerte: a partir de 200.000 tokens de prompt, SpaceXAI refactura la petición entera a la tarifa más alta en lugar de solo el exceso, así que pasarse por mil tokens duplica el coste de toda la llamada. La otra tarifa que conviene leer dos veces es la de DeepSeek: desde el 16 de agosto sus dos modelos V4 se facturan a precio de punta de 01:00 a 04:00 y de 06:00 a 10:00 UTC entre semana, y a exactamente la mitad en cualquier otra hora, así que la misma tarea puede costar el doble según cuándo la ejecutes.
La forma más barata de recorrer esta tabla suele ser una suscripción en lugar de tres. Fello AI reúne GPT, Claude, Gemini, Grok, Perplexity y más en una sola app para Mac, iPhone y iPad, desde $11,99 al mes en la mayoría de los países.
Mejores modelos open-weight en noviembre de 2026
El mejor modelo de pesos abiertos en noviembre de 2026 es V4.1-Flash-1017 de DeepSeek, lanzado el 17 de octubre con licencia MIT: 552.000 millones de parámetros, con 8.000 millones activos en prefill y 16.000 millones en decodificación, y un contexto de 1M de tokens. Artificial Analysis le da 32,5 en su nuevo Intelligence Index v5, la puntuación más alta de cualquier modelo con pesos publicados, por delante de GLM-5.3 con 31,7 y de MiMo-V2.6-Pro de Xiaomi con 29,9, y además es el modelo abierto mejor situado en el tablero WebDev de Arena, 16.º, y 18.º en la Agent Arena, un puesto por detrás de MiMo-V2.6-Pro de Xiaomi. Cuesta $0,15 / $0,60 por 1M de tokens fuera de pico, o $0,60 por tarea del índice.
Otros dos modelos abiertos siguen liderando algo. MiMo-V2.6-Pro de Xiaomi, publicado el 21 de septiembre con licencia MIT pura, es el modelo abierto potente más barato por tarea, a $0,26, y el modelo abierto mejor situado en la Agent Arena, y lideró esta clasificación hasta que el Intelligence Index v5 reescaló el tablero el 27 de octubre. GLM-5.3 es el modelo abierto más fuerte en Terminal-Bench 4.0 con un 41,9%, aunque con una licencia propia de Z.ai y no MIT.
Dos lanzamientos de octubre quedan justo fuera de esta clasificación. Kimi K3.1 Pro de Moonshot (23 de octubre) logra 46,0, 13,5 puntos más que DeepSeek V4.1-Flash-1017, pero Moonshot solo ha prometido sus pesos para el 4 de noviembre, así que mientras no estén en Hugging Face es un modelo cerrado. MiniMax-M3.1-Flash, cuyos pesos están en Hugging Face con la licencia comunitaria de MiniMax, logra 28,9 con 428B de parámetros totales y 23B activos a $0,49 por tarea del índice, algo más barato por tarea que DeepSeek V4.1-Flash-1017 pero 3,6 puntos por debajo.
Para los equipos que ejecutan sus propios pesos, la elección práctica sigue siendo GLM 5.3 Flash (Z.ai, MIT): 27,8 en v5, o 41,8 en v4.3.2, con 320B totales y 18B activos. Es un modelo aparte sobre una base entrenada de nuevo, no un GLM 5.3 recortado, por eso se publica con licencia MIT. Un modelo de 1,02 billones de parámetros no es cosa de una estación de trabajo, y solo la descarga de K3 ocupa unos 1,56 TB. DeepSeek-V4.1-Flash-1017 sustituyó a la versión de septiembre de V4.1-Flash el 17 de octubre con los mismos precios: MIT, multimodal de forma nativa y $0,15 / $0,60 fuera de pico.
Otros cuatro merecen seguimiento. Mistral Large 4, cuyos pesos publicó Mistral el 29 de octubre con su propia licencia MIT modificada, es el modelo abierto mejor puntuado de EE. UU. o Europa, con 26,0 en v5 a $2,06 por tarea del índice, pero solo es séptimo entre los modelos abiertos, y una empresa que lo venda como servicio alojado necesita una licencia comercial aparte de Mistral. Qwen3.8-Flash-Next de Alibaba, 125B con solo 6B activos, anticipa la arquitectura de Qwen4 y marcaba 39,8 en v4.3.2. Hy4 Preview de Tencent, 770B totales y 49B activos con Apache 2.0, no tiene puntuación de Artificial Analysis pero está 23.º en Arena WebDev. Muse Spark Open de Meta, lanzado el 15 de octubre con 816B totales y 42B activos, logra 24,7 en v5 bajo la licencia propia Muse Model License de Meta y no una licencia de código abierto.
| Modelo | Mejor para | Benchmark clave | Contexto / Licencia | Dónde ejecutar |
|---|---|---|---|---|
| DeepSeek V4.1-Flash-1017 | Mejor modelo abierto y mejor valor abierto que se compra por tokens | II 32,5 (v5.0), la puntuación abierta más alta, a $0,60 por tarea del índice; el modelo abierto mejor situado en Arena WebDev, #18 en la Agent Arena; 552B, 8B activos en prefill y 16B en decodificación | 1M / MIT | DeepSeek API ($0.15/$0.60 en valle, $0.30/$1.20 en punta), local |
| Kimi K3 | El modelo abierto más grande de esta página | II 43,6 (v4.3.2); #18 Arena WebDev y #27 Agent Arena; 2.8T/104B activos | 1M / Kimi K3 License | Hugging Face (96 shards, 1.56 TB), Moonshot API, proveedores |
| GLM 5.3 Flash | Mejor modelo abierto que la mayoría de equipos puede ejecutar de verdad | II 27,8 (v5.0) a $0.58 por tarea del índice, 41,8 en v4.3.2, el más pequeño de los modelos abiertos punteros; 320B/18B activos, nativamente multimodal | 1M / MIT | Hugging Face, API de Z.ai ($0.15/$0.50), OpenRouter |
| GLM-5.2 | Respaldo con historial independiente | II 33,7 (v4.3.2); #33 Arena WebDev (1606), #25 Agent Arena; 744B/40B activos | 1M / MIT | Z.ai, Hugging Face, OpenRouter |
| GLM 5.3 | Abierto desde el 28 de agosto, pero con licencia propia | II 31,7 (v5.0), segundo entre los modelos abiertos; misma base de 744B que GLM-5.2, solo post-entrenada, checkpoint publicado contado en 753B; CyberGym 84,5 % y Terminal-Bench 3.0 28,3 (cifras del fabricante) | 1M / GLM 5.3 License (model-as-a-service por encima de 10 000 M USD de ingresos necesita revisión de seguridad de Z.ai) | Hugging Face, API de Z.ai ($1.40/$4.40), GLM Coding Plan, ZCode |
| MiMo-V2.6-Pro | El modelo abierto potente más barato por tarea | II 29,9 (v5.0), tercero entre los modelos abiertos, a $0,26 por tarea del índice; 34,8 % Terminal-Bench 4.0; GDPval-AA v2.1 1689; #17 Agent Arena, el mejor modelo abierto allí; 1,02 billones/42.000 millones activos | 1M / MIT | Hugging Face (XiaomiMiMo), proveedores, autoalojado |
| MiniMax-M3.1-Flash | Modelo abierto barato para código y agentes | II 28,9 (v5.0) a $0,49 por tarea del índice; 428B/23B activos, entrada de texto, imagen y vídeo; #38 Arena WebDev (1582) | 1M / MiniMax Community License | Hugging Face, MiniMax, autoalojamiento |
| Mistral Large 4 | El modelo abierto mejor puntuado de EE. UU. o Europa | II 26,0 (v5.0) a $2,06 por tarea del índice, séptimo entre los modelos abiertos; alrededor de 1T totales y 49B activos, nativamente multimodal; #48 Arena WebDev (1544) | 1M / Mistral Ecosystem Open-Weight License (MIT modificada) | Hugging Face, API de Mistral ($0.70/$2.10), OpenRouter, Microsoft Foundry |
| Tencent Hy4 Preview | Mayor modelo con licencia permisiva hasta la fecha | 770B/49B activos; 2,99/4,00 en el panel propio de Tencent de 203 tareas frente a 2,94 de Kimi K3 y 2,92 de GLM 5.3 (fabricante); sin valoración de Artificial Analysis; #23 Arena WebDev (1631), #26 Agent Arena | 1M+ / Apache 2.0 | Hugging Face (BF16 y FP8), Tencent Cloud TokenHub, OpenRouter |
| Qwen3.8-Flash-Next | Anticipo de la arquitectura Qwen4 | 125B totales más un embedding de N-gramas de 51B, 6B activos; 91,7 GPQA Diamond y 62,5 SWE-Bench Pro (fabricante); II 39,8 (v4.3.2); #24 Arena WebDev (1628) | 262K a 1M / Qwen Community License 1.0 | Hugging Face, proveedores, autoalojamiento |
| LongCat-2.0 | Programador abierto frontier entrenado en chips chinos | II 33 (v4.1); 59,5 % SWE-Bench Pro (proveedor), 1.6T/~48B activos | 1M / MIT | Hugging Face, GitHub, OpenRouter |
| MiniMax M3 | Multimodal barato de contexto largo | II 18,7 (v5.0; 29,2 en v4.3.2), 59 % SWE-Bench Pro, multimodal | 1M / MiniMax Community License | Hugging Face, API $0.30/1M (50 % de descuento) |
| Nex-N2-Pro | Puntuación de programación abierta más fuerte | II 41 (v4.1); 80,8 SWE-Bench Verified, 397B/17B activos | Basado en Qwen / Apache 2.0 | Hugging Face, proveedores, autoalojado |
| Kimi K2.7 Code | Programador abierto con licencia comercial más fuerte | +21,8 % en Kimi Code Bench v2 vs. K2.6 (proveedor); 1T/32B activos | 256K / Modified MIT | Hugging Face, DeepInfra, proveedores |
| DeepSeek V4-Pro | Trabajo agéntico del mundo real | II 44 (v4.1), 1.6T/49B activos | 1M / MIT | DeepSeek API ($0.66/$1.98 fuera de pico, $1.32/$3.96 en pico desde el 16 de agosto), local |
| Hy3 | El participante más nuevo con licencia permisiva | II 41 (v4.1); #64 en Arena WebDev (1505) | Apache 2.0 | Hugging Face, proveedores, autoalojado |
| Inkling | Primer modelo open-weight de Thinking Machines | II 41 (v4.1), agéntico 32,3, lanzado el 15 de julio | Open weights | Hugging Face, proveedores, autoalojado |
| Inkling Small | Misma familia a una cuarta parte del tamaño | II 40 (v4.1), agéntico 30,8; 276B/12B activos, entrada de texto, imagen y audio | Apache 2.0 | Hugging Face (BF16 y NVFP4), proveedores, autoalojado |
| NVIDIA Nemotron 3 Ultra | Afinado por NVIDIA, licencia totalmente permisiva | II 38 (v4.1), 65-70,4 SWE-Bench Verified, 550B/55B activos | 1M / OpenMDW | OpenRouter, Hugging Face, AWS (8x B200 autoalojado) |
| Qwen 3.5 (397B / 17B activos) | Multimodal, decodificación rápida | 88,4 GPQA, 91,3 AIME 2026, 83,6 LiveCodeBench v6 | 1M / abierto | Together, OpenRouter, local |
| Qwen3.6-35B-A3B | Programador agéntico abierto eficiente (3B activos) | 86,0 GPQA Diamond, 92,7 AIME 2026, 35B/3B activos | 262K (a 1M YaRN) / Apache 2.0 | Hugging Face, OpenRouter, local |
| Qwen3.6-27B | Programador denso ejecutable en portátil | 87,8 GPQA Diamond, denso 27B, multimodal | 256K / Apache 2.0 | Local Mac/PC, Hugging Face, OpenRouter |
| Rio 3.5 Open 397B | Fine-tune de Qwen 3.5, razonamiento multilingüe | 70,8 Terminal-Bench 2.1 (first-party), supera a Qwen 3.7 Plus en 4/5 | 397B/17B activos / MIT | Hugging Face, proveedores, autoalojado |
| Llama 4 Maverick | Buque insignia de la línea Meta | 17B activos / 400B de parámetros totales | Llama 4 license | Nube de Meta, Hugging Face, local |
| NVIDIA Nemotron 3 Nano Omni | Edge / bajo consumo | Multimodal, huella muy pequeña | Compacto / abierto | Local, herramienta NVIDIA |
Aquí la licencia importa tanto como la puntuación bruta, y agosto ha ensanchado la distancia entre los dos grupos. Kimi K2.7 (Modified MIT), DeepSeek V4 (MIT), GLM 5.3 Flash (MIT), MiMo-V2.6-Pro (MIT), GLM-5.2 (MIT), LongCat-2.0 (MIT), Hy3 (Apache 2.0), Hy4 Preview (Apache 2.0), Nex-N2-Pro (Apache 2.0) y Nemotron 3 Ultra (OpenMDW) todos permiten claramente el uso comercial sin prueba de ingresos.
El resto lleva condiciones que conviene leer antes de construir sobre ellas: MiniMax M3, MiniMax-M3.1-Flash y MiniMax H3 vienen bajo sus propias licencias comunitarias, y H3 exige además una solicitud desde EE. UU., la UE, el Reino Unido y Corea del Sur; la licencia MIT modificada de Mistral Large 4 exige una licencia comercial aparte de Mistral a quien lo venda como servicio alojado, aunque el uso interno queda exento; Kimi K3 se sitúa en una licencia propia con un umbral de ingresos para quien lo revenda como servicio; GLM 5.3 exige una revisión de seguridad de Z.ai a cualquier operador de model-as-a-service por encima de 10 000 millones de dólares de ingresos; y la Qwen Community License 1.0 de Qwen3.8-Flash-Next exige una licencia aparte de Qwen para explotar un negocio de model-as-a-service o de asistente de trabajo con IA, aunque el uso interno queda exento. Ningún modelo open-weight es ya el primero en ningún tablero de Arena que sigamos: Claude Opus 5 se llevó el tablero Agent en julio, el último que lideró un modelo open-weight.
Benchmarks, precios y uso práctico
Cada clasificación de esta página combina tres entradas: benchmarks públicos de siete casas independientes (Artificial Analysis, Arena antes LMArena, Scale SEAL, LiveBench, EQ-Bench, ARC Prize y el tablero oficial de Terminal-Bench 4.0, cubriendo el Intelligence Index, GPQA Diamond, ARC-AGI-1 al 3, Humanity's Last Exam, GDPval-AA, FrontierMath, HMMT, MCP Atlas, SWE Atlas y el Remote Labor Index), precios de API y suscripción publicados en la página de precios oficial de cada proveedor, y uso práctico por parte del equipo editorial de FelloAI que ejecuta prompts reales sobre la misma tarea en cada modelo. Volvemos a obtener las fuentes oficiales de precios y benchmarks antes de cada actualización mensual.
Los benchmarks se ponderan según el caso de uso: SWE-bench y Terminal-Bench impulsan la programación, GPQA Diamond y ARC-AGI-2 impulsan la precisión, GDPval-AA (el benchmark de entregables profesionales de Artificial Analysis) informa la calidad de las tareas profesionales mientras que el estilo de escritura se juzga principalmente por pruebas prácticas, FrontierMath y HMMT impulsan la resolución de problemas. Revelamos cuándo un benchmark es reportado por el proveedor pero no verificado de forma independiente, y descartamos cualquier afirmación que no podamos reproducir contra una fuente en vivo. Clasificamos por puntuaciones medidas: la corona de una categoría se mueve en cuanto un modelo supera al titular en los tableros que definen esa categoría, sin esperar a los tableros basados en votos, y un modelo que todavía no está ampliamente disponible se señala en su tarjeta en lugar de quedarse sin ella. Revisamos los puestos además de las cifras, porque una puntuación puede seguir siendo correcta mientras el tablero que la rodea se mueve. Cuando un modelo pasa por una actualización importante entre actualizaciones, volvemos a clasificar la categoría y añadimos una línea «Qué cambió este mes» al pie del análisis a fondo.
Pregunta a ChatGPT, Claude y Gemini y quédate con la mejor respuesta. Sin tres facturas.
Fello AI funciona en Mac, iPhone y iPad, y es gratis para empezar.
Descargar Fello AI
