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 AI

Novedades de octubre de 2026

Anthropic tiene la mayoría de las coronas medidas este mes. Claude Opus 5.5 (22 de septiembre) es #1 en el Intelligence Index con 57,6 y en el tablero WebDev de Arena, Claude Sonnet 5.5 (28 de septiembre) es segundo con 56,0 y gratis en claude.ai, y Claude Haiku 5.5 (7 de octubre) completa la familia a $0,10 / $0,50. Nuestra guía de benchmarks de IA explica cómo se construye ese índice.

Gemini 4 Argon de Google (30 de septiembre) marca 52,6, igual que GPT-6 Astra, y es primero en el tablero de texto de Arena, y desde el 13 de octubre está abierto a los suscriptores de Google AI Pro y Ultra y en la API de pago, lo que lo pone segundo en el podio de chat, pero no gana ninguna categoría: EQ-Bench, LiveBench y ARC Prize aún no lo han valorado. OpenAI compite en precio: GPT-6 Sol y Luna redujeron a la mitad sus tarifas de API, y GPT-6.1 Sol (29 de septiembre) marca 51,8 a $2 / $10, el modelo más barato del grupo de cabeza por tarea del índice.

Muse Wonder de Meta (12 de octubre) es la novedad de frontera más reciente: Muse Wonder Full marca 55,8, tercero tras los dos modelos Claude, pero solo funciona dentro de la suscripción Muse Code de Meta, y Muse Wonder en la API marca 52,4 a los mismos $4 / $20 que Opus 5.5. Grok 4.7 (21 de septiembre) llegó a la API a los mismos $2 / $6, y el MiMo-V2.6-Pro de Xiaomi sigue siendo el modelo abierto con mejor puntuación, 46,3. El 6 de octubre Mistral lanzó Mistral Large 4 y Google publicó Nano Banana 2.1; ninguno se lleva una corona, pero el vídeo pasa a MiniMax H3. Actualizamos los rankings en las 48 horas siguientes a cada gran lanzamiento.

13 oct Google Gemini 4 Argon se abre a Google AI Pro, Ultra y la API de pago, y ocupa el segundo puesto del podio de chat Nuevo

Google lanzó Gemini 4 Argon al público el 13 de octubre de 2026, dos semanas después de un estreno limitado a los defensores de ciberseguridad de su programa Fairwind. Se está desplegando en la app de Gemini y en el Modo IA de la Búsqueda para los suscriptores de Google AI Pro ($19.99/mes) y Ultra, en la API de pago de Gemini como gemini-4-argon y para los suscriptores de Ultra en Google Antigravity y AI Studio; el plan gratuito y Google AI Plus no lo tienen. El precio introductorio de $2 / $10 por 1M de tokens dura hasta el 30 de noviembre de 2026, y luego $4 / $20. La ficha del modelo indica una fecha de corte de marzo de 2026 y un límite de 1M de tokens compartido entre entrada y salida. Ningún tablero se movió con el lanzamiento: Artificial Analysis le sigue dando 52,6 y Arena lo sigue situando primero en texto con 1525, mientras que EQ-Bench, LiveBench y ARC Prize no lo han valorado. Ahora que se puede usar, ocupa el segundo puesto del podio de chat y una nueva fila de trabajo legal, financiero y fiscal en la tabla de trabajo. Todo el detalle en nuestro análisis de Gemini 4 Argon.

12 oct Meta Muse Wonder Full entra tercero en el Intelligence Index, pero solo dentro de la suscripción Muse Code de Meta Nuevo

Meta lanzó Muse Wonder y Muse Wonder Full el 12 de octubre de 2026, los primeros modelos de una clase más grande por encima de Muse Spark, entrenados en su centro de datos Prometheus. Artificial Analysis da a Muse Wonder Full 55,8 en el Intelligence Index v4.3.2 en max, tercero entre modelos distintos por detrás de Claude Opus 5.5 con 57,6 y Claude Sonnet 5.5 con 56,0, y segundo en GDPval-AA v2.1 con 1857, entre Opus 5.5 y Sonnet 5.5. Logra un 57,1 % en Terminal-Bench 4.0, igual que Gemini 4 Argon y por detrás del 63,6 % de Sonnet 5.5. Muse Wonder Full solo está disponible para los suscriptores de Muse Code en los planes de $50 y $200. El Muse Wonder más pequeño está en la Meta Model API y OpenRouter a $4 / $20 por 1M tokens, lo mismo que Opus 5.5, y marca 52,4 a $4,52 por tarea del índice. El gráfico de la propia Meta pone a Wonder Full por delante en programación de horizonte largo, 57,5 % en SWE-Marathon frente al 46,3 % de Opus 5.5, pero Arena, LiveBench y EQ-Bench aún no han valorado ninguno de los dos modelos. Ninguno se lleva una corona en esta página. Todos los detalles en nuestro análisis de Muse Wonder.

7 oct Anthropic Claude Haiku 5.5 logra 43,4 al precio de GPT-6 Luna, y cualquier plan de Claude puede elegirlo, también el gratuito Nuevo

Anthropic lanzó Claude Haiku 5.5 el 7 de octubre de 2026, el tercer y más pequeño modelo de la familia Claude 5.5. Cuesta $0,10 / $0,50 por 1M de tokens en prompts de hasta 100.000 tokens, lo mismo que GPT-6 Luna, y $0,50 / $2,50 por encima de esa cifra, con lecturas de caché a $0,01. Anthropic dice que cuesta en torno a un 75 % menos de ejecutar que Claude Haiku 4.5, a $1 / $5, una cifra que ya tiene en cuenta un tokenizador más nuevo que cuenta el mismo texto como alrededor de un 30 % más de tokens. Artificial Analysis le da 43,4 en el Intelligence Index v4.3.2 con esfuerzo máximo, frente a 17 de Haiku 4.5 y por delante de GLM 5.3 Flash con 41,8, Gemini 3.8 Flash con 40,9 y GPT-6 Luna con 38,1, aunque una tarea del índice cuesta $0,21 frente a los $0,07 de Luna porque escribe mucha más salida. Sabe menos que esos rivales, pero adivina menos: acierta el 36 % en AA-Omniscience con una tasa de alucinación del 40 %, frente al 77 % de Luna. LiveBench le da 57,2 en Agentic Coding, justo por encima del 56,3 de Claude Sonnet 5.5, y Arena solo lo ha valorado en WebDev, en el puesto 30 con 1587. Tiene un contexto de 1M de tokens, 128K de salida y, por primera vez en un Haiku, un ajuste de esfuerzo. Anthropic dice que los usuarios de Free, Pro, Max, Team y Enterprise pueden seleccionarlo en Claude.ai en la web, iOS y Android, y que Sonnet 5.5 y Opus 5.5 siguen siendo mejores opciones para la programación agéntica compleja. No se lleva ninguna corona en esta página. Todo el detalle en nuestra guía de Claude Haiku 5.5.

6 oct Mistral Mistral Large 4 es el modelo más potente de Estados Unidos o Europa que promete pesos abiertos, pero aún no se puede descargar Nuevo

Mistral lanzó Mistral Large 4, apodado Le Chonk, como API en vista previa pública el 6 de octubre de 2026. Es un mixture of experts de 1,05 billones de parámetros con 49.000 millones activos en el lanzamiento (la ficha de la documentación de Mistral indica ahora 52.000 millones), lee texto e imágenes y su precio de lista es de $1,36 / $4,18 por 1M de tokens, aunque la propia página del modelo de Mistral muestra la mitad sin decir por qué ni hasta cuándo. Artificial Analysis le da 38,4 en el Intelligence Index v4.3.2, muy por encima del mejor modelo abierto estadounidense, Nemotron 3 Ultra de NVIDIA con 23, pero de cinco a ocho puntos por detrás de GLM-5.3, Kimi K3 y MiMo-V2.6-Pro, y es tan prolijo que una tarea del índice cuesta $1,13. Arena aún no lo ha valorado. Mistral promete los pesos antes de que acabe octubre y todavía no ha indicado la licencia. Nuestro análisis de Mistral Large 4 repasa los benchmarks y su apuesta por la ciberdefensa.

6 oct Google Nano Banana 2.1 sustituye a Nano Banana 2 a mitad de precio por imagen y entra quinto en Arena texto a imagen Nuevo

Google lanzó Nano Banana 2.1 el 6 de octubre de 2026 como sucesor directo de Nano Banana 2 (Gemini 3.1 Flash Image) y ese mismo día declaró obsoleto Nano Banana 2, que dejará de funcionar en la API el 29 de octubre. En la API de Gemini una imagen cuesta $0,0336 por imagen 1K frente a los $0,067 de antes, pero los tokens de entrada se triplican hasta $1,50 por 1M y desaparece el tamaño barato de 512 px. Arena lo situó quinto en texto a imagen con 1328,1, en la misma franja de puestos que MAI-Image-2.6 y Grok Imagine Image 2.0, y sexto en edición de imágenes con 1428,1, el mejor de cualquier modelo de Google en ambos tableros, mientras ChatGPT Images 2.5 sigue ocupando los dos primeros puestos de cada uno. Artificial Analysis aún no lo ha valorado. Está en la aplicación Gemini, en el Modo IA de la Búsqueda de Google, en Google AI Studio, en Flow y en la API de Gemini. Nuestra guía de Nano Banana 2.1 explica qué ha cambiado y cuánto cuesta de verdad.

30 sep Google Gemini 4 Argon lidera el tablero de texto de Arena e iguala a GPT-6 Astra en el Intelligence Index, pero solo pueden usarlo defensores de ciberseguridad Nuevo

Google anunció Gemini 4 Argon el 30 de septiembre de 2026, el primer modelo de la generación Gemini 4 y su primer buque insignia desde Gemini 3.1 Pro en febrero. Es un modelo de razonamiento pensado para trabajo largo y complejo, programación, investigación legal y financiera y ciberdefensa, y puede escribir hasta 1M de tokens de salida en una sola respuesta, frente a los 64K anteriores. Artificial Analysis le da 52,6 en el Intelligence Index v4.3.2 con esfuerzo alto, al nivel de GPT-6 Astra con 52,7 y quinto entre modelos distintos por detrás de Claude Opus 5.5, Claude Sonnet 5.5 y Claude Fable 5.1, a $1,99 por tarea del índice con el precio introductorio. Su resultado más destacado allí es la fiabilidad: una tasa de alucinación del 15 % en AA-Omniscience, la más baja que Artificial Analysis ha medido entre los modelos punteros, aunque solo responde bien al 50 % de las preguntas frente al 67 % de Fable 5.1. También lidera AutomationBench-AA con un 77,5 %, por delante del 71,3 % de Claude Sonnet 5.5, pero se queda atrás en Terminal-Bench 4.0 con un 57,1 % frente al 63,6 % de Sonnet 5.5. En un día Arena lo situó primero en texto con 1524,8 y en escritura creativa y matemáticas, pero solo octavo en WebDev con 1679. En la tabla de la propia Google lidera DeepSWE v1.1 con un 77,9 % y el Vals Index, y pierde Terminal-Bench 4.0 frente a Claude Opus 5.5 y FrontierSWE v2 frente a GPT-6 Astra. El problema es el acceso: Argon solo llegó a defensores de ciberseguridad verificados del programa Fairwind de Google, y los siguientes serán los clientes de pago de la API y los suscriptores de Google AI Ultra, sin fecha. El precio introductorio es de $2 / $10 por 1M de tokens, con la entrada en caché un 95 % más barata, frente a un precio estándar de $4 / $20. Ninguna corona de esta página se mueve hasta que la gente pueda usarlo y lo valoren los demás tableros. Todo el detalle en nuestro análisis de Gemini 4 Argon.

29 sep OpenAI GPT-6.1 Sol llega al quinto puesto del Intelligence Index a $2 / $10, el más barato por tarea del grupo de cabeza Nuevo

OpenAI lanzó GPT-6.1 Sol en el DevDay del 29 de septiembre de 2026, una semana después de GPT-6 Sol, al mismo precio de $2 / $10 por 1M de tokens y con la entrada en caché rebajada a la mitad, a $0,10. OpenAI dice que casi iguala a GPT-6 Astra en programación agéntica, uso del ordenador y trabajo profesional por una quinta parte de los precios por token de Astra, y las cifras independientes lo sitúan cerca, no a la par. Artificial Analysis le da 51,8 en el Intelligence Index v4.3.2 con esfuerzo máximo, quinto entre modelos distintos por detrás de Claude Opus 5.5 con 57,6, Claude Sonnet 5.5 con 56,0, Claude Fable 5.1 con 53,4 y Astra con 52,7, frente a 47,5 de GPT-6 Sol, y una tarea del índice cuesta $0,72, frente a $3,26 en Astra y $5,98 en Opus 5.5. LiveBench lo pone segundo en Reasoning con 92,63, a 0,02 de Astra, tercero en Mathematics con 96,83 y segundo en Language con 90,13, pero muy fuera de los diez primeros en Coding, con 80,7. Logra un 56,1 % en Terminal-Bench 4.0 frente al 43,9 % de GPT-6 Sol y marca 1575 en GDPval-AA v2.1, por encima del 1542 de Astra. Arena, EQ-Bench y ARC Prize aún no lo han valorado. Está en ChatGPT Work y Codex para Plus, Pro, Business, Enterprise y Edu, no en Chat, y todos los niveles GPT-6 facturan 2x la entrada y 1,5x la salida sobre toda la solicitud cuando un prompt supera los 272K tokens. No hubo GPT-6.1 Astra a su lado; según informó The Wall Street Journal, su lanzamiento de octubre se canceló tras pruebas internas de seguridad. El mismo evento presentó OpenAI dots, agentes siempre activos que funcionan con GPT-6 Astra, y un plan ChatGPT Pro de $500. Desde entonces Arena lo ha situado tercero en WebDev con 1759, ARC Prize le ha dado un 94,2 % en ARC-AGI-2, segundo solo por detrás de Astra, y Gemini 4 Argon lo ha relegado al sexto puesto del índice.

28 sep Anthropic Claude Sonnet 5.5 queda segundo en el Intelligence Index con 56,0, al precio de Sonnet de $2 / $10 Nuevo

Anthropic lanzó Claude Sonnet 5.5 el 28 de septiembre de 2026, el segundo modelo de la familia Claude 5.5, al mismo precio que Sonnet 5, $2 / $10 por 1M de tokens, con lecturas de caché a $0,20. Anthropic dice que es más de un 30 % más rápido y cuesta hasta un 30 % menos por tarea, y las cifras independientes respaldan lo que dice de su capacidad: Artificial Analysis lo mide en 56,0 en el Intelligence Index v4.3.2 con esfuerzo máximo, solo por detrás de Claude Opus 5.5 con 57,6 y por delante de Claude Fable 5.1 con 53,4 y GPT-6 Astra con 52,7, frente a 38,2 de Sonnet 5. Gana la ejecución de Terminal-Bench 4.0 de Artificial Analysis con un 63,6 % frente al 59,6 % de Opus 5.5, LiveBench Coding con 91,4 frente a 89,3 y AutomationBench-AA con un 71,3 % frente al 69,5 %, y queda a dos puntos Elo de Opus 5.5 en GDPval-AA v2.1, 1844 frente a 1846. El problema es el esfuerzo. Con esfuerzo máximo, Sonnet 5.5 gastó 410 millones de tokens en el índice y una tarea cuesta $7,60, frente a $5,98 de Opus 5.5 y $5,09 de Sonnet 5. En xhigh logra 51,9 por $2,74 la tarea, cerca del 52,7 de GPT-6 Astra y por menos que sus $3,26, y en high 46,7 por $1,08. Las apps de Claude lo usan por defecto con esfuerzo Medium y la API con High. Es más débil donde Opus 5.5 es más fuerte: 56,3 en LiveBench Agentic Coding frente a 71,7, y 32,3 en el índice AA-Omniscience, que penaliza las alucinaciones, frente a 46,4. Arena aún no lo ha clasificado. Según Anthropic, cualquiera puede chatear con Sonnet 5.5 en claude.ai, y las peticiones de ciberseguridad de mayor riesgo pasan a Sonnet 5, que ahora es un modelo heredado. Arena lo ha clasificado después quinto en WebDev, con 1709, y Anthropic redujo a la mitad su precio de lectura de caché, a $0,10, el 7 de octubre.

22 sep OpenAI GPT-6 Sol y GPT-6 Luna parten por la mitad los precios de API de OpenAI y llegan a todas partes menos al chat de ChatGPT Nuevo

OpenAI lanzó GPT-6 Sol y GPT-6 Luna el 22 de septiembre de 2026, unos noventa minutos después de que Anthropic sacara Claude Opus 5.5, y el lanzamiento es un argumento sobre el coste por tarea, no sobre la cima del tablero. Sol baja de $4 / $20 a $2 / $10 por 1M de tokens y Luna de $0,20 / $1,20 a $0,10 / $0,50, con las lecturas de caché con un 90 % de descuento, a $0,20 y $0,01. OpenAI etiqueta ambos recortes como del 50 %, pero la salida de Luna cae un 58,3 %, y la comparación es contra los precios promocionales de GPT-5.6, no contra la tarifa de lista. Dos portavoces y Tibo Sottiaux, de OpenAI, coinciden en que las nuevas tarifas son permanentes. Dónde se pueden usar es la parte que todos los resúmenes aplanaron: los modelos están en ChatGPT Work y en Codex para Plus, Pro, Business, Enterprise y Edu, los usuarios de Free y Go llegan a Luna en la app de escritorio, y OpenAI dice sin rodeos que «todavía no están disponibles en Chat». De forma independiente, Artificial Analysis puntúa a Sol con 47,5 en el Intelligence Index v4.3.2 a esfuerzo máximo frente al 47,0 de GPT-5.6 Sol, a $1,06 por tarea del índice frente a $1,99, con un 43,9 % en Terminal-Bench 4.0 frente al 39,9 % y la tasa de alucinación bajando del 92 % al 60 %. Luna queda a la par de GPT-5.6 Luna con 37,3, pero resuelve una tarea del índice por $0,07 frente a $0,18, lo que la convierte en el modelo más barato por tarea del índice de esta página. ARC Prize ha puntuado a Luna, 59,3 % en ARC-AGI-2 frente al 59,5 % de la versión 5.6, y no ha publicado nada sobre Sol. Las evaluaciones de la propia OpenAI son todas argumentos de coste: en AutomationBench 1.0.6, Sol a esfuerzo xhigh saca un 33,2 % por $0,27 la tarea, y la fila rival más cercana es Claude Fable 5.1 con Opus 5 de respaldo en 31,4 %, así que la ventaja real es de 1,8 puntos y no de los 6,3 que sugiere la fila de Claude Opus 5. OpenAI afirma que Sol comete alrededor de la mitad de errores que GPT-5.6 Sol, «acercándose a la fiabilidad de Astra a un coste mucho menor», y repite que Astra sigue siendo su mejor modelo en conjunto. Nada de esto mueve una corona: Sol y Luna son más baratos, no mejores. No hay GPT-6 Terra, y OpenAI no ha dicho si habrá uno. Todo el detalle en nuestro análisis de GPT-6 Sol y Luna.

22 sep Anthropic Claude Opus 5.5 se lleva el Intelligence Index con 57,6 y baja el precio de Opus 5 Nuevo

Anthropic lanzó Claude Opus 5.5 el 22 de septiembre de 2026, el primer modelo de una nueva familia Claude 5.5, y es el mayor movimiento en un solo día que ha registrado esta página. Artificial Analysis lo mide en 57,6 en el Intelligence Index v4.3.2, 4,3 puntos por encima de Claude Fable 5.1 y la puntuación más alta que ha publicado para cualquier modelo, y de paso se lleva GDPval-AA v2.1 con 1846 frente a los 1735 de Fable 5.1, AA-Briefcase v1.1 con 1822 frente a 1678, Humanity's Last Exam con 61,4 % frente a 59,1 % y la propia ejecución de Terminal-Bench 4.0 de Artificial Analysis con 59,6 % frente al 59,1 % de GPT-6 Astra. El precio baja en lugar de subir: $4 / $20 por 1M de tokens frente a los $5 / $25 de Opus 5, lecturas de caché un 60 % más baratas a $0,20 y escrituras a $5, con las pruebas de la propia Anthropic situando una carga de trabajo típica un 40 % más barata que en Opus 5 y la salida más de un 30 % más rápida. Un modo rápido en Claude Code y en la Claude Platform duplica el precio por hasta 2,5 veces la velocidad. En el harness propio de Anthropic la distancia en programación es aún mayor, 66,4 % en Terminal-Bench 4.0 frente al 57,9 % que OpenAI reporta para Astra, más un 54,4 % en FrontierCode v1.1 y un 57,8 % en CursorBench 4.0. Dos cosas que no gana: el AutomationBench de Zapier, donde Astra saca 41,4 % frente a su 40,0 %, y Terminal-Bench-Science 0.1, donde Astra saca 64,6 % frente a su 58,7 %. Lee los márgenes con la salvedad que la propia Anthropic imprime, que el modelo "performs at the level of Claude Fable 5.1 on most work" y que "benchmark margins have become a less reliable guide to real-world differences". Está disponible de forma general en la Claude Platform como claude-opus-5-5 y en AWS, Google Cloud y Microsoft Azure, los límites de cinco horas suben en Pro, Max y Team, y Claude Sonnet 5.5 y Claude Haiku 5.5 llegarán en las próximas semanas. Como iguala a Claude Mythos 5.1 en biología y ciberseguridad, sale con las salvaguardas de Fable 5.1 y con un nuevo Life Sciences Verification Program para laboratorios verificados. Ningún tablero de Arena lo ha valorado todavía. Arena lo ha situado después primero en WebDev y segundo en texto, y Claude Sonnet 5.5 y Claude Haiku 5.5 llegaron el 28 de septiembre y el 7 de octubre. Todo el detalle en nuestro análisis de Claude Opus 5.5.

21 sep SpaceXAI Grok 4.7 llega sobre un modelo base mayor a los mismos $2 / $6 y cuesta un 47 % más por tarea Nuevo

SpaceXAI lanzó Grok 4.7 el 21 de septiembre de 2026 como su modelo más capaz para programación y trabajo de conocimiento. Usa un modelo base nuevo y mayor que Grok 4.6, con una tanda más larga de aprendizaje por refuerzo orientada a tareas que llevan muchas horas, y se entrenó para entender de forma nativa el harness de Grok Bot. La empresa no publica un recuento de parámetros. Según sus propias cifras logra un 46,3 % en CursorBench 4.0 frente al 40,4 % de Grok 4.6 y al 41,7 % de GPT-5.6 Sol, un 71,0 % en DeepSWE v1.1 con esfuerzo alto, un 64,0 % en EEBench, un 38,0 % en Terminal-Bench 4.0, un 19,6 % en el benchmark de agente legal de Harvey y un 56,7 % en HealthBench Professional. De forma independiente, Artificial Analysis lo sitúa en 46,3 en el Intelligence Index v4.3.2 con esfuerzo alto frente al 44,3 de Grok 4.6, y en 1695 en GDPval-AA v2.1 y 1657 en AA-Briefcase v1.1, ambos por encima de los 1542 y 1569 de GPT-6 Astra. El precio no se mueve, $2 / $6 por 1M de tokens con la petición entera refacturada a $4 / $12 por encima de 200.000 tokens de prompt, y una variante rápida funciona al doble de velocidad de salida por el doble de precio. Lo que sí se mueve es el coste por tarea: $2,73 frente a los $1,86 de Grok 4.6, porque 4.7 emite alrededor del doble de tokens de salida para llegar al mismo sitio, y el esfuerzo xhigh no aporta puntos de índice extra en ninguna de las dos generaciones. En seguridad SpaceXAI reporta la mayor resistencia a rechazos y jailbreaks que ha probado, un 62,4 % en el benchmark de bioseguridad de LatchBio y un 3,3 % de prompts de doble uso arriesgados admitidos en su propio HackerBench v0.3. La disponibilidad es del lado de desarrolladores: la API de Grok, Cursor, Grok Build, harnesses de programación de terceros y routers en la nube. El anuncio no decía nada de la app de consumo de Grok, que pasó a Grok 4.7 el 3 de octubre. Todo el detalle en nuestro análisis de Grok 4.7.

21 sep Xiaomi El MiMo-V2.6-Pro de Xiaomi es el modelo abierto con la mayor puntuación jamás medida, a $0,13 por tarea del índice bajo MIT Nuevo

Xiaomi publicó MiMo-V2.6-Pro el 21 de septiembre de 2026 bajo MIT puro, con los pesos en Hugging Face en XiaomiMiMo/MiMo-V2.6-Pro-RL el mismo día. Es una mezcla de expertos de 1,02 billones de parámetros con 42.000 millones activos y contexto de 1M de tokens. Artificial Analysis lo mide, no lo estima, en 46,3 en el Intelligence Index v4.3.2, la mayor puntuación abierta que ha publicado nunca: por encima de GLM-5.3 con 44,8, por encima de Kimi K3 con 43,6 y a la par del recién salido Grok 4.7 de SpaceXAI. La otra mitad de la historia es el coste. Resuelve una tarea del Intelligence Index por $0,13 a $0,435 / $0,87 por 1M de tokens, más barato por tarea que cualquier otro modelo abierto de esta página, en torno a la mitad de lo que cuesta GLM 5.3 Flash por cuatro puntos y medio más. También logra un 34,8 % en Terminal-Bench 4.0, 1673 en GDPval-AA v2.1, un 49,4 % en Humanity's Last Exam y un 86,3 % en AA-LCR, lo que lo pone por encima de Kimi K3 en tres de esos cuatro. Dos límites conviene decirlos sin rodeos. Ningún tablero de Arena lo ha valorado, así que no hay evidencia alguna de preferencia humana sobre él, y se publicó hace cuatro días, así que no tiene historial independiente más allá de Artificial Analysis. Y 1,02 billones de parámetros son un clúster, no una estación de trabajo, y por eso GLM 5.3 Flash sigue siendo nuestra recomendación para equipos que de verdad quieren alojar lo suyo. Se lleva la corona de pesos abiertos de esta página por puntuación medida y por coste. Arena lo ha valorado después, puesto 23 en WebDev y 25 en texto.

20 sep Alibaba Qwen-Image-2.1 es el mejor modelo de imagen que puedes descargar, pero su licencia solo permite investigación Nuevo

El equipo Qwen de Alibaba lanzó Qwen-Image-2.1 el 20 de septiembre de 2026 a la vez en Hugging Face, ModelScope y GitHub, y ahora es el mejor modelo de imagen que puedes descargar. Es un único modelo para generar y editar, con un generador de 7.000 millones de parámetros, frente a unos 20.000 millones del Qwen-Image original. Crea PNG transparentes de forma nativa y edita con hasta 10 imágenes de referencia. En los tableros independientes es el modelo de pesos abiertos mejor situado en los cuatro: #17 en edición de imágenes de Arena (1366,4), #18 en Arena texto a imagen (1227,6) y #18 en los dos tableros de Artificial Analysis. La trampa está en la licencia. Los pesos de la 2.1 se publican bajo la Qwen Research License «solo para fines de investigación o evaluación», un cambio respecto a los términos Apache 2.0 de las versiones anteriores de Qwen-Image, así que no es una opción comercial gratuita. Para uso comercial, las versiones antiguas con Apache 2.0 son la opción segura, aunque quedan mucho más abajo, con Qwen-Image-2512 en el puesto 43 de Arena texto a imagen. El Qwen-Image-3.0-Pro alojado de Alibaba, lanzado en julio, queda más arriba, en el puesto 12 de Arena texto a imagen, pero no tiene pesos y cuesta de $0,04 a $0,075 por imagen en la API. Todos los detalles en nuestra guía del generador de imágenes Qwen.

15 sep TypeSafe TypeSafe sale del sigilo con Jev, un modelo que devuelve decisiones tipadas en lugar de texto, a $0.042 por 1M de tokens Nuevo

TypeSafe AI salió de dos años de sigilo el 15 de septiembre de 2026 con 40 millones de dólares de financiación semilla liderada por DCVC y un modelo que no genera texto en absoluto. Jev es el primero de lo que la empresa llama modelos System One: le envías un bloque de estado y un conjunto fijo de preguntas tipadas, y responde a todas en una sola pasada paralela, devolviendo una opción, una puntuación o una probabilidad de sí o no en lugar de una frase. Como el espacio de respuestas se define antes de la llamada, no puede devolver un resultado mal formado, y de ahí viene la frase del anuncio de que Jev no puede alucinar. Aun así puede elegir la opción equivocada, y la propia documentación de TypeSafe dice que la calibración no garantiza que una respuesta concreta sea correcta. El precio es de $42 por cada mil millones de tokens de entrada, es decir $0.042 por 1M, con la salida gratis, contexto de 64k y solo entrada de texto. Las cifras de rendimiento exigen cuidado, porque la empresa publicó cuatro distintas en tres días: desde menos de 100 milisegundos y hasta 100x más rápido en la nota de prensa hasta 193.6x más rápido y 444.6x más barato en la portada, cada una medida frente a un rival diferente, y su propia nota al pie llama a los números grandes el extremo alto de las ganancias reales. Su evaluación de flujos de trabajo se mide contra el promedio de GPT-6 Astra y Fable 5.1 en vez de contra una verdad de referencia, y la empresa no publica ninguna puntuación pública de benchmark por decisión propia. Dos pruebas independientes del 18 de septiembre midieron alrededor de 6x menos coste y 8x más velocidad frente a un modelo barato con el razonamiento desactivado, y la calibración aguantó. Nada de esto cambia una elección de esta página: Jev no tiene interfaz de consumidor y está en acceso anticipado con lista de espera. Todo el detalle en nuestra explicación de los modelos System One.

Pendiente Google Gemini 3.5 Pro, aún sin lanzar, y Gemini 4 Argon se le ha adelantado Retrasado

Gemini 3.5 Pro sigue sin lanzarse. Google lo anunció en el I/O el 19 de mayo junto a Gemini 3.5 Flash, pero solo salió Flash, y Bloomberg informó el 16 de julio de 2026 de que llevaba meses de retraso. Koray Kavukcuoglu, de Google DeepMind, dijo el 24 de septiembre que la empresa había dado un pequeño paso atrás para centrarse en sus modelos Flash y en Gemini 4, y el 30 de septiembre Google anunció en su lugar Gemini 4 Argon como su siguiente buque insignia. Google no ha dicho si 3.5 Pro llegará a salir. Mientras tanto, usa Gemini 3.8 Flash si trabajas a través de la API, o Gemini 3.6 Flash en la app de Gemini, donde desde el 9 de octubre de 2026 requiere Google AI Plus o superior.

Elección de categoría, octubre de 2026

Mejor IA para escritura

Claude Fable 5.1

Mejor escritura en general

→

Kimi K3

Ficción creativa

→

Claude Sonnet 5.5

Gratis para el día a día

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: segundo en EQ-Bench Creative Writing v3 con 2162,0, tercero en LiveBench Language con 89,5 y noveno en el tablero de escritura creativa de Arena. Ningún otro modelo se coloca tan bien en los tres. Gemini 4 Argon lidera ahora los tableros de escritura creativa y de texto de Arena, con 1519,2 y 1525,4, y desde el 13 de octubre pueden usarlo los suscriptores de Google AI Pro, pero ni EQ-Bench ni LiveBench lo han valorado todavía.

Claude Opus 5.5 es segundo en el tablero de escritura creativa de Arena con 1517, pero séptimo en EQ-Bench y décimo en LiveBench Language; GPT-6 Astra lidera EQ-Bench con 2173,3 pero ocupa el puesto 42 en el tablero de escritura creativa de Arena; Claude Fable 5 encabeza LiveBench Language con 90,7 y es tercero en el tablero de escritura creativa de Arena, pero undécimo en EQ-Bench. Si lo que escribes es un entregable de trabajo más que prosa, el tablero de entregables profesionales GDPval-AA v2.1 es otra cuestión, y lo lidera Claude Opus 5.5 con 1866, por delante del nuevo Muse Wonder Full de Meta con 1857, Claude Sonnet 5.5 con 1838 y Claude Fable 5.1 con 1756.

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 24 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	#2 EQ-Bench Creative Writing (2162,0), #3 LiveBench Language (89,5) y #9 escritura creativa de Arena, la mejor colocación combinada de todos	No lidera ninguno de los tres en solitario; Gemini 4 Argon lidera ahora la escritura creativa de Arena, con Claude Opus 5.5 segundo	$10 / $50
Claude Fable 5	Fuerte en los tableros de votos humanos	#1 LiveBench Language (90,7), #3 escritura creativa de Arena (1501,5), #4 Arena texto (1503,7)	#11 EQ-Bench; la opción más cara aquí	$10 / $50
Kimi K3	Ficción creativa y voz	#5 EQ-Bench Creative Writing (2082,3)	Solo #28 en Arena escritura creativa	$3 / $15
Claude Sonnet 5.5	Escritura gratuita para el día a día	Gratis en claude.ai, contexto 1M; #3 GDPval-AA v2.1 (1838), tras Opus 5.5 y Muse Wonder Full	83,4 LiveBench Language; #24 escritura creativa de Arena; aún sin valorar en EQ-Bench	$2 / $10
Claude Opus 5.5	El mejor en escritura creativa de Arena entre los disponibles	#2 escritura creativa de Arena (1517) y #2 Arena texto (1507); #1 GDPval-AA v2.1 (1866)	#7 EQ-Bench y #10 LiveBench Language	$4 / $20
Gemini 4 Argon	La prosa más votada en Arena	#1 escritura creativa de Arena (1519,2) y #1 Arena texto (1525,4)	Sin valorar en EQ-Bench ni LiveBench	$19.99/mes Google AI Pro; $2 / $10 API introductorio hasta el 30/11
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 volumen a escala	Intelligence Index 40,9, 308,4 tok/s de salida, contexto 1M	Ajustado a agentes más que a prosa; el precio introductorio se duplica el 1 de enero de 2027	$0.75 / $3.75

Segundo puesto y alternativas: Claude Fable 5 es el segundo y la elección si ponderas los votos humanos de Arena, Claude Opus 5.5 es el modelo disponible mejor situado en el tablero de escritura creativa de Arena y lidera los entregables profesionales, Kimi K3 es la elección para la ficción con voz propia, aunque ahora es quinto en EQ-Bench, Claude Sonnet 5.5 es la elección de valor y la que usar si no pagas, y Gemini 3.8 Flash es la elección para redactar en volumen. Gemini 4 Argon, en Google AI Pro desde el 13 de octubre, es el que hay que seguir cuando lo valoren EQ-Bench y LiveBench.

Qué cambió este mes

La corona de escritura sigue en manos de Claude Fable 5.1, pero su margen en Arena se ha estrechado. Gemini 4 Argon de Google, anunciado el 30 de septiembre, entró directamente primero en el tablero de escritura creativa de Arena con 1519,2, relegando a Claude Opus 5.5 al segundo puesto y a Claude Fable 5 al tercero, y Fable 5.1 bajó del séptimo al décimo y desde entonces ha subido al noveno, así que lo que afirma esta tarjeta es ahora el top diez de los tres tableros de prosa en lugar del top siete. Argon aún no puede llevarse la corona: desde el 13 de octubre pueden usarlo los suscriptores de Google AI Pro y Ultra, pero EQ-Bench y LiveBench siguen sin valorarlo. En septiembre llegaron Claude Opus 5.5 y Claude Sonnet 5.5, Sonnet 5.5 sustituyó a Sonnet 5 como elección gratuita y GPT-6.1 Sol entró segundo en LiveBench Language, empujando allí a Fable 5.1 al tercer puesto.

Elección de categoría, octubre de 2026

Mejor IA para chat & asistente diario

GPT-6

Por defecto de ChatGPT

→

Gemini 4 Argon

#1 en Arena texto

→

Claude Opus 5.5

#1 en el índice

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 la cabeza. GPT-6 Sol ocupa el #67 del tablero de texto de Arena con 1455,9, por debajo de su predecesor GPT-5.6 Sol en el #20, mientras Gemini 4 Argon lidera con 1525,4 y Claude Opus 5.5 es segundo con 1507,1. Artificial Analysis da a GPT-6 Sol 47,6 en el Intelligence Index v4.3.2 con esfuerzo máximo y a GPT-6 Luna 38,1. 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 #67 en Arena texto	Gratis / $20/mes Plus; API $0.10 / $0.50 (Luna) a $2 / $10 (Sol)
Gemini 4 Argon	La conversación más votada	#1 en Arena texto (1525,4); tasa de alucinación del 15 %, la más baja entre los modelos punteros	Valoración de Arena aún preliminar; Google AI Pro o superior en la app de Gemini	$19.99/mes Google AI Pro; $2 / $10 API introductorio hasta el 30/11
Claude Opus 5.5	La conversación con mayor puntuación	#1 en el Intelligence Index (57,6) y #2 en Arena texto (1507,1)	No está en el plan Free; con límites de uso en Pro	$20/mes Pro, $4 / $20 API
Claude Sonnet 5.5	Chat gratuito con Claude	Gratis en claude.ai; #2 en el Intelligence Index (56,0), solo por detrás de Claude Opus 5.5	Solo #32 en Arena texto; en las apps funciona por defecto con esfuerzo Medium	Gratis / $20/mes Pro, $2 / $10 API
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

Segundo puesto y alternativas: Gemini 4 Argon es el segundo, primero en el tablero de texto de Arena y en Google AI Pro desde el 13 de octubre, Claude Opus 5.5 es el líder del índice de Artificial Analysis, Claude Sonnet 5.5 es la elección para chatear gratis con Claude, Gemini 3.6 Flash es el segundo para rápido y barato (con Google AI Plus en la app de Gemini desde el 9 de octubre), y Grok 4.7 es la elección de nicho para días de noticias en vivo. Fello AI pone ChatGPT, Claude, Gemini y Grok en una sola ventana, así que una segunda opinión está a un clic.

Qué cambió este mes

La elección para chat pasa de GPT-5.6 a GPT-6, por la misma razón por la que la tenía GPT-5.6: el 7 de octubre OpenAI convirtió GPT-6 en el modelo por defecto de ChatGPT, Sol en los planes de pago y Luna en Free y Go desde el 8 de octubre. Los tableros por votación lo sitúan por debajo de su predecesor, GPT-6 Sol #67 en Arena texto frente al #20 de GPT-5.6 Sol, y por eso esta elección se basa en el alcance. Desde el 13 de octubre Gemini 4 Argon está en la app de Gemini para los suscriptores de Google AI Pro y Ultra, así que el líder del tablero de texto de Arena, con 1525,4, ocupa el segundo puesto del podio; Claude Opus 5.5 pasa al tercero y Claude Sonnet 5.5 sigue en la tabla como la elección para Claude gratis.

Elección de categoría, octubre de 2026

Mejor IA para crear imágenes

ChatGPT Images 2.5

Texto en imágenes

→

MAI-Image-2.6

#3 edición AA

→

Grok Imagine Image 2.0

Menos restricciones

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.

Sus dos modelos quedan primero y segundo en cada uno: GPT-Image-2.5 Sunburst, pensado para la precisión, lidera Arena texto a imagen con 1424,6 y la edición de imágenes de Arena con 1523,6, y en Artificial Analysis AA-Image-T2I v2.0 con 1197 y AA-Image-Editing v2.0 con 1182, con el más rápido GPT-Image-2.5 Flare segundo en los cuatro. Toma como provisional la distancia entre Sunburst y Flare en Arena texto a imagen, porque cada uno se apoya en unos 17.000 votos frente a los 93.000 de GPT Image 2. MAI-Image-2.6 es el segundo, tercero en el tablero de edición de Artificial Analysis y quinto en Arena texto a imagen con 1332,1, en empate estadístico con Grok Imagine Image 2.0, justo por delante.

El tercero es Grok Imagine Image 2.0 de SpaceXAI, lanzado en agosto y disponible en Grok Imagine y en la API de xAI: es cuarto en el tablero de texto a imagen de Artificial Analysis, en la edición de imágenes de Arena y ahora también en Arena texto a imagen, por delante de Muse Image de Meta en tres de los cuatro tableros. Nano Banana 2.1 de Google, lanzado el 6 de octubre, es ahora el modelo de Google mejor situado: sexto en Arena texto a imagen con 1327,8, en la misma franja de puestos que MAI-Image-2.6 y Grok Imagine Image 2.0, y sexto en la edición de Arena, aunque Artificial Analysis aún no lo ha valorado.

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 cuatro tableros, 18.º en la edición de imágenes de Arena y en los dos tableros de Artificial Analysis y 19.º en Arena texto a imagen. 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	#1 y #2 en los cuatro tableros: Arena texto a imagen (1424,6 / 1397,6), Arena edición (1523,6 / 1481,0), texto a imagen de Artificial Analysis (1197 / 1191) y edición (1182 / 1162)	Su liderato en Arena texto a imagen se apoya en unos 17.000 votos por modelo	Predeterminado en todos los planes de ChatGPT
MAI-Image-2.6	Editar una imagen que ya tienes	#3 en edición de imágenes de Artificial Analysis (1137) y #5 en Arena texto a imagen (1332,1)	Vista previa pública, aún no en Copilot ni en Bing; perdió el liderato de edición de Artificial Analysis ante ChatGPT Images 2.5	MAI Playground / Microsoft Foundry
Grok Imagine Image 2.0	Menos restricciones, modo Spicy	#4 en texto a imagen de Artificial Analysis (1155) y #4 en edición de imágenes de Arena (1439,1); #4 en Arena texto a imagen (1333,5)	Solo #10 en edición de imágenes de Artificial Analysis	$30 al mes SuperGrok; API de xAI
Nano Banana 2.1	El modelo de imagen de Google para el día a día	#6 Arena texto a imagen (1327,8) y #6 en edición de imágenes de Arena (1428,1), el mejor de cualquier modelo de Google; en la API, la mitad del precio por imagen de Nano Banana 2	Aún sin valorar por Artificial Analysis; los tokens de entrada cuestan el triple que en Nano Banana 2	Aplicación Gemini / AI Studio; $0,0336 por imagen 1K
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 cuatro tableros: #18 edición de imágenes de Arena (1368,7), #19 Arena texto a imagen (1222,9) y #18 en los dos tableros de Artificial Analysis; 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	#13 Arena texto a imagen (1255,2) y #14 texto a imagen de Artificial Analysis (1090); 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	#6 en edición de imágenes de Artificial Analysis (1118) y #7 en su texto a imagen	Fuera del podio; #9 en Arena texto a imagen y #8 en edición de Arena	App de Meta AI

Segundo puesto y alternativas: MAI-Image-2.6 es el segundo en general y la elección para editar una imagen que ya tienes, y Grok Imagine Image 2.0 es el tercero y sigue siendo el único modelo frontier que permite contenido para adultos en Spicy Mode. Muse Image es la elección dentro de las aplicaciones de Meta, Nano Banana 2.1, que sustituyó a Nano Banana 2 el 6 de octubre, es la elección dentro de las aplicaciones de Google y Reve 2.1 sigue siendo la elección para diseño, tipografía y 4K nativo, séptimo en Arena texto a imagen. Si quieres ejecutar un modelo en tu propio hardware, Qwen-Image-2.1 es el que mejor puntúa de todos los modelos abiertos, pero solo para investigación y evaluación; para trabajo comercial, las versiones anteriores de Qwen-Image con Apache 2.0 son la opción segura, aunque quedan mucho más abajo, con Qwen-Image-2512 en el puesto 44 de Arena texto a imagen.

Qué cambió este mes

ChatGPT Images 2.5 mantiene la corona de imagen y sigue ocupando el primer y el segundo puesto en los cuatro tableros que seguimos. Desde la última actualización Google lanzó Nano Banana 2.1 el 6 de octubre, y Arena lo situó quinto en texto a imagen y sexto en edición, el mejor de cualquier modelo de Google, en la misma franja de puestos que MAI-Image-2.6 y Grok Imagine Image 2.0. Ocupa la fila de Nano Banana 2 en la tabla en lugar de un puesto en el podio: ahora va por detrás de MAI-Image-2.6 y de Grok Imagine Image 2.0 en los dos tableros de Arena, y Artificial Analysis aún no lo ha valorado.

Desde entonces Grok Imagine Image 2.0 ha subido al cuarto puesto en Arena texto a imagen, 1,4 puntos por encima de MAI-Image-2.6, quinto; Nano Banana 2.1 es ahora sexto y Reve 2.1, séptimo. A principios de mes Grok Imagine Image 2.0 le quitó el tercer puesto a Muse Image, y Artificial Analysis pasó sus dos tableros de imagen a la v2.0. En septiembre, Images 2.5 sustituyó a GPT Image 2 en la cima el 8 de septiembre.

Elección de categoría, octubre de 2026

Mejor IA para crear vídeos

MiniMax H3

#1 Arena imagen a vídeo

→

Gemini Omni 1.1 Flash

#1 Arena texto a vídeo

→

Wan 3.0

#1 AA texto a vídeo

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 de imagen a vídeo de Arena con 1495,4, por delante de Gemini Omni 1.1 Flash con 1488,5 y del Wan 3.0 de Alibaba con 1479,8; en el tablero de imagen a vídeo de Artificial Analysis es segundo con 1181, solo por detrás de MiniMax H3 Max, un modelo que Fal construyó sobre él; y es cuarto en el tablero de texto a vídeo de Artificial Analysis con 1137. Su punto débil es el tablero de texto a vídeo 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 Artificial Analysis ya lo ha valorado, y queda octavo en texto a vídeo con 1113, sin ninguna valoración de imagen a vídeo. Wan 3.0 lidera el tablero de texto a vídeo de Artificial Analysis con 1156 y es tercero en el de imagen a vídeo de Arena, pero solo sexto en el de texto a vídeo de Arena. Si necesitas tomas más largas dentro de las herramientas de Google, Veo 3.1 sigue funcionando en la aplicación Gemini, AI Studio y Vertex AI con audio nativo y salida en 1080p.

Modelo	Mejor para	Fortaleza	Debilidad	Precio
MiniMax H3	Mejor vídeo con IA en general	#1 Arena imagen a vídeo (1495,4), #2 imagen a vídeo de Artificial Analysis (1181), #4 texto a vídeo de Artificial Analysis (1137); clips 2K de 4-15 s con audio estéreo nativo	#8 en Arena texto a vídeo (1460); los pesos abiertos excluyen el escalador 2K y exigen solicitud en EE. UU., la UE, el Reino Unido y Corea del Sur	$0.13/s en 2K
Gemini Omni 1.1 Flash	Tomas largas y 4K	#1 Arena texto a vídeo (1516), #2 Arena imagen a vídeo (1488,5); extensión de escena a 40 segundos, salida en 4K	Solo #8 en texto a vídeo de Artificial Analysis (1113); sin valoración de imagen a vídeo de Artificial Analysis	$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), #3 imagen a vídeo de Artificial Analysis (1178); 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 texto a vídeo de Artificial Analysis (1156), #3 Arena imagen a vídeo (1479,8); 2-30 s, hasta 1080p, entrada Omni-Reference	Solo API, sin pesos publicados; #6 en Arena texto a vídeo	$0.05-$0.20/s
Dreamina Seedance 2.5	Aspirante de ByteDance	#3 texto a vídeo de Artificial Analysis (1143), #4 Arena imagen a vídeo (1477,4)	#7 Arena texto a vídeo (1474); ecosistema ByteDance, acceso occidental limitado	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

Segundo puesto y alternativas: Gemini Omni 1.1 Flash es el segundo y la elección para texto a vídeo y tomas largas, con extensión de escena a 40 segundos y salida en 4K, y Gemini Omni Flash es la opción más barata de Google para clips de diez segundos. El Wan 3.0 de Alibaba es tercero y el que usar cuando el material de partida es un documento, una hoja de cálculo o una presentación. Dreamina Seedance 2.5 es la elección de ByteDance, y Veo 3.1 la elección dentro de la aplicación Gemini y Vertex AI cuando quieres audio nativo en 1080p. OpenAI retiró la app de consumo de Sora 2 el 26 de abril de 2026 y retiró los modelos Sora 2 y la Videos API de su plataforma para desarrolladores el 24 de septiembre de 2026. Seguimos las fechas de retirada de los modelos antiguos de todos los proveedores en una lista aparte en curso.

Qué cambió este mes

La corona de vídeo pasa de Gemini Omni 1.1 Flash a MiniMax H3. Desde la última actualización Artificial Analysis ha valorado por primera vez Omni 1.1 Flash, y en su tablero de texto a vídeo, ahora en la versión 2.0, queda octavo con 1113, por detrás de Wan 3.0 con 1156 y de MiniMax H3 con 1137. Como H3 sigue primero en el tablero de imagen a vídeo de Arena y segundo en el de Artificial Analysis, solo por detrás de un modelo construido sobre él, H3 se sitúa ahora mejor en el conjunto de los cuatro tableros que seguimos.

Omni 1.1 Flash conserva el primer puesto en el tablero de texto a vídeo de Arena, todavía en empate estadístico con Gemini Omni Flash, así que sigue en el podio como la elección para texto a vídeo, y Wan 3.0 le quita el tercer puesto a Dreamina Seedance 2.0. A principios de mes FLUX 3 Video y Grok Imagine Video 1.5 entraron tercero y cuarto en el tablero de texto a vídeo de Arena. En septiembre, Gemini Omni 1.1 Flash ocupó el primer puesto del tablero de texto a vídeo de Arena y MiniMax H3 se hizo con el primero del de imagen a vídeo.

Elección de categoría, octubre de 2026

Mejor IA para programar

Claude Opus 5.5

#1 Arena WebDev

→

Claude Sonnet 5.5

Mejor valor, #1 Terminal-Bench

→

GPT-6 Astra

#2 Arena WebDev

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 la ejecución propia de Terminal-Bench 4.0 de Artificial Analysis con un 63,6 % frente al 59,6 % de Opus 5.5 y LiveBench Coding con 91,4 frente a 89,3. Opus 5.5 mantiene la corona por el resto de las pruebas. Lidera el tablero WebDev de Arena con 1813, por delante de GPT-6 Astra con 1786 y Claude Sonnet 5.5 con 1774. 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 harness 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 %. El precio favorece ahora a Sonnet 5.5 con cualquier nivel de esfuerzo.

Cuesta $2 / $10 por 1M de tokens frente a los $4 / $20 de Opus 5.5, y Artificial Analysis sitúa ya incluso una tarea del Intelligence Index con esfuerzo máximo en $5,46 frente a los $5,98 de Opus 5.5; en xhigh logra 51,9 en el índice por $2,01 la tarea y en high 46,7 por $0,88. Opus 5.5 también ha tomado el tablero imagen a WebDev de Arena con 1748,5, por delante de Sonnet 5.5 con 1740,0 y GPT-6 Astra con 1731,4; 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 quinto en WebDev y cuarto en imagen a WebDev.

GPT-6.1 Sol es la opción barata de OpenAI: cuarto en WebDev y 56,1 % en Terminal-Bench 4.0 por $0,72 por tarea del índice, aunque LiveBench lo deja muy fuera de los diez primeros en Coding, con 80,7. Gemini 4 Argon lidera la tabla de la propia Google en DeepSWE v1.1 con un 77,9 %, pero Artificial Analysis mide un 57,1 % en Terminal-Bench 4.0, Arena lo sitúa noveno 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 el trabajo de subagentes a gran volumen: un 33 % en la ejecución de Terminal-Bench 4.0 de Artificial Analysis, igual que GLM 5.3 Flash, y 57,2 en LiveBench Agentic Coding, justo por encima de Sonnet 5.5, aunque Arena solo lo sitúa en el puesto 30 en WebDev. Entre los pesos abiertos, el MiMo-V2.6-Pro de Xiaomi logra un 34,8 % en Terminal-Bench 4.0 bajo MIT puro a $0,13 por tarea del índice, GLM-5.3 sigue siendo el modelo abierto más fuerte en ese harness con un 41,9 % y Kimi K3 es el modelo abierto mejor situado en Arena WebDev, decimocuarto con 1654, con solo un 12,6 % en el harness.

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 (1813) y #1 Intelligence Index (57,6, v4.3.2); 71,7 en LiveBench Agentic Coding, 15 puntos por encima de Sonnet 5.5	Segundo tras 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	La opción de valor para programar	#1 Terminal-Bench 4.0 (63,6 %) y #1 LiveBench Coding (91,4), #3 Arena WebDev (1774); en xhigh 51,9 en el índice por $2,01 la tarea	56,3 en LiveBench Agentic Coding, 15 puntos por detrás de Opus 5.5	$2 / $10
GPT-6 Astra	Segundo en WebDev de Arena	#2 Arena WebDev (1786) y #3 imagen a WebDev (1731,4); 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
Claude Fable 5.1	Mayor puntuación compuesta antes de Opus 5.5	#5 Arena WebDev y #4 imagen a WebDev; Intelligence Index 53,4; AA-Briefcase 1675	52,0 % Terminal-Bench 4.0; 2,5 veces el precio de Opus 5.5	$10 / $50
Claude Opus 5	Sustituido por Opus 5.5	49,0 % Terminal-Bench 4.0 y #7 Arena WebDev y #7 imagen a WebDev	Cuesta más por token que Opus 5.5 y puntúa siete puntos menos	$5 / $25
Claude Fable 5	Trabajo agéntico más duro y de horizonte largo	Intelligence Index 49,6; 42,4 % Terminal-Bench 4.0; contexto de 1M	El más caro por tarea del índice en esta tabla, $8,75; #10 en Arena imagen a WebDev	$10 / $50
Qwen3.8-Max-0902	Breve dueño del tablero WebDev de Arena	#10 Code Arena: WebDev (1674); Intelligence Index 45,4; 2,4 billones de parámetros, contexto de 1M	Solo API de QwenCloud, sin interfaz de consumo; perdió el liderato de WebDev en días	$2 / $6
Kimi K3	Modelo abierto mejor situado en Arena	#14 Arena WebDev (1654), la mejor posición abierta en ese tablero; 2,8 billones/104.000 millones activos	Solo 12,6 % en Terminal-Bench 4.0; 1,56 TB para alojarlo	$3 / $15
GPT-5.6 Sol	El buque insignia barato de OpenAI	Intelligence Index 47,0; 39,9 % Terminal-Bench 4.0	Sustituido por GPT-6 Sol, que puntúa más alto a mitad de precio; METR le señaló manipulación de 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	#8 Arena WebDev (1688)	$2 / $10
GPT-6.1 Sol	El modelo de cabeza más barato por tarea	Intelligence Index 51,8 (v4.3.2), #4 Arena WebDev (1755) y 56,1 % en Terminal-Bench 4.0 a $0,72 por tarea del índice, con 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
Gemini 4 Argon	Tareas de software largas	77,9 % en DeepSWE v1.1 según las cifras de Google; Intelligence Index 52,6 a $1,99 por tarea del índice	57,1 % en Terminal-Bench 4.0 y #9 Arena WebDev (1678)	$2 / $10 introductorio hasta el 30/11, $4 / $20 estándar
Muse Spark 1.3	Programación agéntica barata	Intelligence Index 48,1 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 de la propia Meta, medido en una variante max solo para socios	$1,25 / $4,25
Muse Wonder Full	El modelo más potente de Meta, dentro de Muse Code	Intelligence Index 55,8 (v4.3.2), tercero entre modelos distintos; #2 GDPval-AA v2.1 (1857); 57,1 % Terminal-Bench 4.0	Solo con suscripción a Muse Code (planes de $50 y $200), sin API; Arena aún no lo ha valorado	Muse Code, desde $50/mes
Muse Wonder	El modelo de frontera de Meta en la API	Intelligence Index 52,4 (v4.3.2); 52,0 % Terminal-Bench 4.0; contexto de 1M	Los mismos $4 / $20 que Opus 5.5, que puntúa 5,2 puntos más; $4,52 por tarea del índice	$4 / $20
Grok 4.7	Programador barato con buena relación	46,3 % CursorBench 4.0 y 71,0 % DeepSWE v1.1 según las cifras de la propia SpaceXAI; Intelligence Index 46,3	24,7 % en Terminal-Bench 4.0; los prompts de 200K tokens o más refacturan la petición entera al doble	$2 / $6
Gemini 3.8 Flash	Programación agéntica a escala	Intelligence Index 40,9; 308,4 tokens de salida por segundo	19,7 % en Terminal-Bench 4.0; el precio de lanzamiento se duplica el 1 de enero de 2027	$0,75 / $3,75
GLM 5.3 Flash	El programador serio más barato que puedes alojar	32,8 % Terminal-Bench 4.0 a $0,25 por tarea del índice; MIT, 320.000 millones/18.000 millones activos	GLM-5.3 llega al 41,9 % en el mismo harness; sin producto de consumo	Pesos abiertos (MIT)
Claude Haiku 5.5	El Claude más barato para subagentes	Intelligence Index 43,4 (v4.3.2) a $0,21 por tarea del índice; 33 % Terminal-Bench 4.0, igual que GLM 5.3 Flash; 57,2 en LiveBench Agentic Coding, por encima de Sonnet 5.5	#30 Arena WebDev (1587); 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 mayor Intelligence Index abierto	46,3 en v4.3.2 y 34,8 % Terminal-Bench 4.0 a $0,13 por tarea del índice; MIT, 1,02 billones/42.000 millones activos	Solo #19 en Arena WebDev (1629), cinco puestos por detrás de Kimi K3	$0,435 / $0,87

Segundo puesto y alternativas: Claude Sonnet 5.5 es el segundo y la elección de valor, ya que lidera Terminal-Bench 4.0 y LiveBench Coding a la mitad del precio por token de Opus 5.5 y ahora también con un coste menor por tarea del índice, GPT-6 Astra es tercero y segundo en el tablero WebDev de Arena, GPT-6.1 Sol es cuarto en WebDev a una quinta parte del precio por token de Astra, Claude Haiku 5.5 es el Claude más barato para el trabajo de subagentes a gran volumen, y Claude Opus 5 ha sido sustituido por un modelo más barato y mejor. Entre los pesos abiertos, el MiMo-V2.6-Pro de Xiaomi lidera en puntuación y en coste, GLM-5.3 es el más fuerte en el Terminal-Bench 4.0 de Artificial Analysis, Kimi K3 es el modelo abierto mejor situado en el tablero WebDev de Arena y GLM 5.3 Flash es la elección para equipos que alojan el suyo, a $0,25 por tarea del índice bajo MIT puro. En los IDE, Cursor con Claude sigue siendo la combinación más popular y Claude Code es la elección natural si vives en la terminal.

Qué cambió este mes

Claude Opus 5.5 mantiene la corona de programación. Desde la última actualización llegó el 7 de octubre Claude Haiku 5.5, a $0,10 / $0,50, que ocupa una fila de la tabla como el Claude más barato para el trabajo de subagentes, aunque Arena solo lo sitúa en el puesto 30 en WebDev. Artificial Analysis cifra ahora una tarea del índice de Sonnet 5.5 con esfuerzo máximo en $5,46, por debajo de los $5,98 de Opus 5.5, así que Opus 5.5 conserva la corona por WebDev y LiveBench Agentic Coding, no por coste. Claude Sonnet 5.5 ha entrado tercero en el tablero WebDev de Arena con 1774, por detrás de GPT-6 Astra con 1786, lo que empuja a GPT-6.1 Sol al cuarto puesto y a Claude Fable 5.1 al quinto, y Gemini 4 Argon, que entró a principios de mes, es ahora noveno. Desde entonces Opus 5.5 también ha arrebatado a GPT-6 Astra el tablero imagen a WebDev de Arena, y el 12 de octubre llegó Muse Wonder de Meta con dos filas de la tabla: Muse Wonder Full marca 55,8 en el índice pero solo funciona en Muse Code, y Muse Wonder cuesta los mismos $4 / $20 que Opus 5.5 por 52,4.

Argon lidera la propia tabla de DeepSWE v1.1 de Google con un 77,9 %, pero en el Terminal-Bench 4.0 de Artificial Analysis logra un 57,1 %, por detrás de Sonnet 5.5, Opus 5.5 y GPT-6 Astra, y su lanzamiento público del 13 de octubre no cambió esas puntuaciones. En septiembre la corona cambió de manos dos veces, de Claude Fable 5.1 a GPT-6 Astra y después a Opus 5.5, y Claude Sonnet 5.5 se llevó Terminal-Bench 4.0 y LiveBench Coding como opción de valor.

Elección de categoría, octubre de 2026

Mejor IA para creatividad

Grok 4.7

Menos límites

→

Claude Fable 5

Prosa de máxima calidad

→

Kimi K3

Ficción y voz

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 ya ha valorado Grok 4.7 y lo sitúa octavo con 2006,7, dentro de su top diez y muy por encima de Grok 4.5 en el 52, pero los votantes humanos de Arena solo lo colocan en el puesto 74 de escritura creativa, por detrás de Grok 4.6 en el 54 y del más antiguo Grok 4.20-beta1 en el 23. Si eliges solo por calidad de salida, Gemini 4 Argon lidera ahora el tablero de escritura creativa de Arena, disponible en Google AI Pro desde el 13 de octubre, con Claude Opus 5.5 segundo y Claude Fable 5 tercero, mientras que EQ-Bench pone primero a GPT-6 Astra con 2173,3, segundo a Claude Fable 5.1 y quinto a Kimi K3. Elige Grok por lo que te dejará hacer, no por lo bien que escribe.

Modelo	Mejor para	Fortaleza	Debilidad	Precio
Grok 4.7	Sin filtros, con opinión, a la última	Menos restricciones de contenido, anclaje nativo en X en tiempo real	#74 en escritura creativa de Arena, aunque #8 en EQ-Bench (2006,7)	$2 / $6 API; app SuperGrok de $30 al mes
Claude Fable 5	Prosa creativa de máxima calidad	#3 Arena escritura creativa, #1 LiveBench Language	Límites cautelosos ante encargos atrevidos	$10 / $50 API
Kimi K3	Ficción y voz propia	#5 EQ-Bench Creative Writing con 2082,3	Solo #28 en escritura creativa de Arena	$3 / $15
Claude Opus 5	Creatividad estructurada de formato largo	Mantiene hilos largos y se autoedita; Intelligence Index 50,8, ahora por detrás de seis modelos más nuevos	El más cauteloso del grupo	$20/mes Pro; $5 / $25 API
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 SuperGrok

Segundo puesto y alternativas: Claude Fable 5 es el segundo y la elección correcta si la calidad importa más que la libertad, Kimi K3 es la elección para ficción, y Claude Opus 5 es la elección para proyectos creativos que se extienden a lo largo de muchos turnos. Para trabajo creativo para adultos, Grok Imagine Spicy Mode sigue siendo la única opción de nivel frontier.

Qué cambió este mes

Grok mantiene esta elección con Grok 4.7, y no ha cambiado nada en lo permisivo del producto ni en su acceso en directo a X, que es en lo que se apoya la elección. El tablero de escritura creativa de Arena se movió a su alrededor: Gemini 4 Argon, anunciado el 30 de septiembre, entró primero, Claude Opus 5.5 es ahora segundo y Claude Fable 5 tercero, y Grok 4.7 ha bajado al puesto 74. EQ-Bench no ha cambiado y sigue situando a 4.7 octavo. La app de la que trata de verdad el argumento de la permisividad se puso al día el 3 de octubre, cuando Grok 4.7 empezó a impulsar el modo Expert de grok.com. En septiembre, Grok 4.7 sustituyó a Grok 4.6 como buque insignia de SpaceXAI el 21 de septiembre y lo valoraron los dos tableros de escritura creativa.

Elección de categoría, octubre de 2026

Mejor IA para precisión & investigación

Claude Fable 5.1

Mayor precisión factual

→

GPT-6.1 Sol

Mejor valor, $0,72/tarea

→

Claude Opus 5.5

Cuando equivocarse sale más caro

La mejor IA para precisión e investigación es Claude Fable 5.1, que tiene la mayor precisión factual que ha medido Artificial Analysis, un 67 % en AA-Omniscience.

Esa es exactamente 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 con un 61,4 % frente al 59,1 % y el índice AA-Omniscience que penaliza las alucinaciones con 46,4 frente a 43,5, pero en precisión factual pura marca un 66 % frente al 67 % de Fable 5.1. Toma esa diferencia de un punto como un empate y lee los dos juntos: Opus 5.5 es mejor apuesta cuando una respuesta equivocada es peor que ninguna, y Fable 5.1 cuando quieres acertar el mayor número de datos.

La elección de valor es ahora GPT-6.1 Sol, que responde bien al 62 % con un índice AA-Omniscience de 41,5 a $2 / $10 por 1M de tokens y $0,72 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 elección de valor hasta esta actualización, en todas las medidas de precisión que publica Artificial Analysis: marca un 55 % de precisión pura y un índice de 31,9.

Gemini 3.1 Pro mantiene su argumento cuando la respuesta tiene que estar al día, porque ancla las respuestas en la Búsqueda de Google y está en la app de Gemini (con Google AI Pro o superior desde el 9 de octubre), mientras que 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 mide una tasa de alucinación del 15 %, la más baja entre los modelos punteros, porque prefiere no responder antes que adivinar, pero solo acierta el 50 %; 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 1257, Claude Fable 5 es quinto y Gemini 3.1 Pro con anclaje noveno. 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	67 % de precisión factual en AA-Omniscience, la mayor que ha medido Artificial Analysis, un punto por encima de Claude Opus 5.5	Sin nivel barato; sin valorar en el tablero de búsqueda de Arena; Opus 5.5 lidera Humanity's Last Exam y el índice AA-Omniscience	$10 / $50
Claude Opus 5.5	Cuando una respuesta equivocada es peor que ninguna	#1 índice AA-Omniscience (46,4) y #1 Humanity's Last Exam (61,4 %); 66 % de precisión pura	Un punto por detrás de Fable 5.1 en precisión pura	$4 / $20
GPT-6.1 Sol	Mejor valor	62 % de precisión pura y un índice AA-Omniscience de 41,5 a $0,72 por tarea del índice; 98,5 % ARC-AGI-1 a $0,06 la tarea	Tasa de alucinación del 54 %; en ChatGPT Work y Codex, no en Chat	$2 / $10
Gemini 4 Argon	Menos alucinaciones	Tasa de alucinación del 15 % en AA-Omniscience, la más baja entre los modelos punteros	Solo un 50 % de precisión pura	$19.99/mes Google AI Pro; $2 / $10 API 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; #9 en Arena búsqueda	$2.00-$4.00 / $12.00-$18.00 (escalonado)
Claude Fable 5	Búsqueda anclada	#5 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

Segundo puesto y alternativas: Claude Opus 5.5 es el segundo y la elección cuando una respuesta equivocada cuesta más que ninguna, GPT-6.1 Sol es la elección de valor a $0,72 por tarea del índice, Gemini 3.1 Pro es la elección cuando las respuestas necesitan anclaje en la Búsqueda de Google o lo quieres dentro de la app de Gemini (con Google AI Pro o superior desde el 9 de octubre), Claude Opus 4.6 arrasa en el tablero de honestidad bajo presión y Qwen 3.7 Max es la elección de valor en la frontera.

Qué cambió este mes

La corona de precisión sigue con Claude Fable 5.1, con un 67 % de precisión factual pura frente al 66 % de Claude Opus 5.5, y la elección de valor ha cambiado. GPT-6.1 Sol supera ahora a Gemini 3.1 Pro en todas las medidas de precisión que publica Artificial Analysis, un 62 % de precisión pura frente al 55 % y un índice AA-Omniscience de 41,5 frente a 31,9, y ARC Prize le da un 98,5 % en ARC-AGI-1 por $0,06 la tarea frente al 98 % por $0,52 de Gemini 3.1 Pro, así que se queda con la tarjeta de valor. Gemini 3.1 Pro sigue en la tabla por la búsqueda anclada y la app de Gemini, donde requiere Google AI Pro desde el 9 de octubre.

Gemini 4 Argon, anunciado el 30 de septiembre, trae la tasa de alucinación más baja que Artificial Analysis ha medido entre los modelos punteros, un 15 %, pero solo responde bien a la mitad de sus preguntas, así que su lanzamiento público del 13 de octubre no cambia nada en la cima. También hemos corregido dos líneas antiguas: la tasa de alucinación de Claude Opus 5 es ahora del 61 % y no del 50 %, y ya no lidera ARC-AGI-3. En septiembre, Opus 5.5 se llevó el índice que penaliza las alucinaciones y Humanity's Last Exam, por eso este bloque reparte ahora entre los dos modelos Claude en vez de coronar a uno.

Elección de categoría, octubre de 2026

Mejor IA para resolución de problemas

GPT-6 Astra

Líder en razonamiento

→

Claude Opus 5

Cadenas agénticas

→

GPT-6.1 Sol

Opción de valor, $2 / $10

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 ni LiveBench ni ARC Prize lo han valorado. 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	1662 en AA-Briefcase v1.1 y 1724 en GDPval-AA v2.1, cuarto entre modelos distintos en ambos; 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 casi al nivel de Astra	#2 LiveBench Reasoning (92,63), #2 ARC-AGI-2 (94,2 %), #3 LiveBench Mathematics (96,83); Intelligence Index 51,8 a $0,72 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 open-weight	Intelligence Index 41,8 bajo MIT, casi ocho puntos por encima de GLM-5.2 con menos de la mitad de tamaño; 320B/18B activos, contexto 1M	Necesita un servidor multi-GPU, no una estación de trabajo; GLM 5.3 puntúa más alto según las propias cifras de Z.ai y se puede descargar desde el 28 de agosto, pero con más del doble de tamaño y bajo una licencia propia	Open weights (MIT)

Segundo puesto y alternativas: GPT-6.1 Sol es el segundo y la elección de valor a $2 / $10, Claude Opus 5 es la elección natural para razonamiento agéntico de cadena larga, Qwen 3.7 Max es la elección económica, y GLM 5.3 Flash es la elección open-weight. Nuestra guía específica sobre la mejor IA para matemáticas repasa el reparto tarea por tarea y las opciones gratuitas.

Qué cambió este mes

GPT-6 Astra mantiene la corona de resolución de problemas, por menos de un punto. ARC Prize ha valorado ya GPT-6.1 Sol, que logra un 94,2 % en ARC-AGI-2, segundo tras el 95 % de Astra y por delante del 93,3 % de Claude Opus 5.5, por menos de una cuarta parte del coste por tarea de Astra. Junto con su 92,63 en LiveBench Reasoning, a 0,02 de Astra, eso convierte a GPT-6.1 Sol en casi un colíder, pero Astra sigue liderando ambos tableros y ARC-AGI-3, así que la corona no cambia de manos. GPT-5.6 Sol cae al cuarto puesto en ARC-AGI-2. Gemini 4 Argon, anunciado el 30 de septiembre, lidera la categoría de matemáticas de Arena con unos cientos de votos pero aún no tiene puntuación de LiveBench ni de ARC Prize, y Claude Fable 5, que lideraba esa categoría de Arena, es ahora tercero. En septiembre, Astra le quitó esta corona a GPT-5.6 Sol tras su lanzamiento del 3 de septiembre, y LiveBench Mathematics pasó a Claude Opus 5.5.

Elección de categoría, octubre de 2026

Mejor agente de IA

Gemini Spark

Reside en la nube

→

Claude Cowork

Reside en el escritorio

→

OpenAI dots

Siempre activo, con GPT-6 Astra

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 Cursor Pro de $20/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 $20/mes Cursor Pro, o un plan SuperGrok vinculado
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

Segundo puesto y alternativas: Gemini Spark y Claude Cowork son elecciones conjuntas separadas por dónde corre el agente, no un primero y un segundo. OpenAI dots son la elección si ya pagas ChatGPT Pro y quieres un agente sobre el modelo insignia de OpenAI, Grok Bot es la elección para tareas de navegador en tus apps con sesión iniciada, desde un plan Cursor Pro de $20 al mes, Muse de Meta es el que puedes probar gratis, y ChatGPT Codex Mobile es la elección para agentes de programación. Google AI Ultra a $99.99 o $199.99 al mes compra ahora en Spark límites de uso más altos y no el acceso, que empieza en el nivel Pro de $19.99.

Qué cambió este mes

Gemini Spark (en la nube) y Claude Cowork (de escritorio) siguen siendo la elección conjunta, porque esta categoría premia productos y desde la última actualización no ha salido ningún producto de agentes nuevo. Lo que se movió fue la capa de modelos. Claude Sonnet 5.5 ha entrado tercero en la Agent Arena, por detrás de Claude Fable 5.1, que la sigue liderando con un 17,6 % de éxito confirmado, y de Claude Opus 5.5, y ha tomado el liderato de AA-Briefcase v1.1 de Artificial Analysis con 1823, con Opus 5.5 segundo con 1807. Opus 5.5 sigue liderando GDPval-AA v2.1 con 1866, con el nuevo Muse Wonder Full de Meta segundo con 1857 y Sonnet 5.5 tercero con 1838. Gemini 4 Argon, anunciado el 30 de septiembre, lidera el AutomationBench de Artificial Analysis con un 77,5 % y tiene una tasa de éxito confirmado del 15,4 % en la Agent Arena, por encima del 14,1 % de Opus 5.5, pero allí es décimo en la clasificación general y desde el 13 de octubre está en la API de pago y en la app de Gemini con Google AI Pro.

Entre los modelos abiertos de la Agent Arena, Kimi K3 es ahora el mejor situado, decimocuarto, por delante de DeepSeek V4.1-Flash, decimoséptimo, y del Hy4 Preview de Tencent, decimonoveno. En septiembre, Grok Bot, Muse de Meta y OpenAI dots se unieron a Gemini Spark como agentes en la nube siempre activos, y Spark llegó al plan Google AI Pro de $19,99 al mes.

Fello AI funcionando en Mac, iPhone y iPad

La IA a un atajo de distancia

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 AI

Guía de uso, octubre de 2026

Mejor IA para estudiar

GPT-6 Luna

Ensayos & investigación

→

Gemini 3.6 Flash

STEM + PDF

→

Claude Sonnet 5.5

Escritura & edición

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 da 38,1 en su índice frente a 37,3; el plan gratuito tiene chats de texto ilimitados, aunque 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 escritura	Claude Sonnet 5.5	Gratis en claude.ai desde el 28 de septiembre y solo por detrás de Opus 5.5 en el Intelligence Index; Claude Fable 5.1 es el líder en calidad	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)

Segundo puesto y alternativas: Claude Sonnet 5.5 (gratis) es el segundo para la escritura y edición de ensayos. Gemini 3.6 Flash (gratis en Google AI Studio, con Google AI Plus en la app de Gemini) es el segundo para el estudio multimodal y la ingesta de PDF. DeepSeek V4 es el segundo para la resolución de problemas con un presupuesto estrictamente de coste cero.

Qué cambió este mes

Dos cambios para estudiantes. El modelo gratuito de ChatGPT pasa de GPT-5.6 Luna a GPT-6 Luna, en despliegue en Free y Go desde el 8 de octubre, así que GPT-6 Luna se queda con la fila de ensayos. Y desde el 9 de octubre la app gratuita de Gemini funciona en modo Auto, que envía la mayoría de los prompts a Flash-Lite, así que elegir Gemini 3.6 Flash en la app requiere Google AI Plus.

Anthropic también lanzó Claude Haiku 5.5 el 7 de octubre, que pueden elegir las cuentas gratuitas de Claude, y Claude Sonnet 5.5 sigue gratis en claude.ai. Gemini 4 Argon, público desde el 13 de octubre, viene con Google AI Pro, así que lo tienen los estudiantes de EE. UU. con el año gratis de AI Pro de Google, pero no el plan gratuito ni la oferta de Google AI Plus para estudiantes de otros países. En septiembre, Claude Sonnet 5.5 sustituyó a Sonnet 5 como elección gratuita para escribir y editar.

Guía de uso, octubre de 2026

Mejor IA para el trabajo & profesionales

GPT-6

Trabajo de conocimiento diario

→

Claude Opus 5.5

Programación & escritura

→

Gemini 3.1 Pro

Investigación & informes

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 Vals Index (68,9 %) y #1 AutomationBench-AA (77,5 %)	$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 (1813) y #1 Intelligence Index (57,6), a $4 / $20	$20 al mes Claude Pro	Claude Sonnet 5.5, que lidera Terminal-Bench 4.0 a mitad de precio por token
Programación (rentable)	Claude Sonnet 5.5	#1 Terminal-Bench 4.0 (63,6 %) y #1 LiveBench Coding (91,4); $0,88 por tarea del índice con esfuerzo high	$2 / $10	Qwen3.8-Max-0902; DeepSeek V4.1-Flash
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 vivo, creatividad con contexto de X	Grok 4.7	Intelligence Index 46,3 + anclaje nativo en X; en la app de Grok desde el 3 de octubre	$30 al mes SuperGrok	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

Segundo puesto y alternativas: para la mayoría de los equipos profesionales, Claude Opus 5.5 es el segundo tras GPT-6 para el trabajo diario y a la vez el líder de programación a $4 / $20, con Claude Sonnet 5.5 como opción más barata para programar, líder de Terminal-Bench 4.0, y GPT-6 Astra segundo en el tablero WebDev de Arena. Gemini 3.1 Pro es el segundo para puestos con mucha investigación, y Gemini Spark es la elección si puedes poner un agente en la nube a trabajar en tareas largas dentro de Google Workspace, con OpenAI dots como alternativa para los suscriptores de ChatGPT Pro.

Qué cambió este mes

La fila del trabajo de conocimiento diario pasa de GPT-5.6 a GPT-6, que se convirtió en el modelo por defecto de ChatGPT el 7 de octubre. Gemini 4 Argon se queda con una nueva fila de trabajo legal, financiero y fiscal: lidera el Vals Index de ese trabajo y el AutomationBench de Artificial Analysis, y desde el 13 de octubre está en la app de Gemini con Google AI Pro por $19.99 al mes. En septiembre, Claude Opus 5.5 se quedó con la fila de programación propietaria a un precio inferior al de Opus 5, Claude Sonnet 5.5 con la de programación rentable y GPT-6.1 Sol con la de ChatGPT Work y Codex el 29 de septiembre.

Comparativa de precios

Precios de los modelos de IA en octubre de 2026

Desde niveles gratuitos de $0 hasta Google AI Ultra a $199,99 al mes. El precio que más importa en esta tabla es el de Claude Opus 5.5, a $4 / $20. Desde el 22 de septiembre, el modelo con la puntuación más alta que ha medido cualquier evaluador independiente cuesta menos que el Claude Opus 5 al que sustituye ($5 / $25), y las lecturas de caché bajan un 60 % hasta $0,20. Claude Fable 5.1 y GPT-6 Astra están los dos a $10 / $50 y los dos puntúan por debajo.

La tarifa más concurrida es ahora $2 / $10, compartida por Claude Sonnet 5.5, GPT-6 Sol y GPT-6.1 Sol. GPT-6.1 Sol es la vía más barata hacia una puntuación entre los seis primeros del Intelligence Index, a $0,72 por tarea del índice. Con Sonnet 5.5 la factura la decide el nivel de esfuerzo: con esfuerzo high una tarea del índice cuesta $0,88 y con el máximo $5,46, ya algo menos que los $5,98 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 sale a un precio introductorio de $2 / $10 ($4 / $20 el 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, igual que Grok 4.6, pero una tarea del índice cuesta $2,73 frente a $1,86, porque 4.7 emite alrededor del doble de salida. Mistral Large 4 (en vista previa pública desde el 6 de octubre) tiene un precio de lista de $1,36 / $4,18, aunque la propia página del modelo de Mistral muestra la mitad, y es tan prolijo que una tarea del índice cuesta $1,13 para una puntuación de 38,4. En la frontera, la elección por valor es el Muse Spark 1.3 de Meta, a $1,25 / $4,25, o $1,60 por tarea del índice con 48,1.

En el extremo barato, GPT-6 Luna es el modelo más barato por tarea de esta página: $0,10 / $0,50, o $0,07 por tarea del índice. Claude Haiku 5.5 (7 de octubre) iguala ese precio por token en prompts de hasta 100.000 tokens y logra 43,4 frente al 38,1 de Luna, pero escribe tanto más que una tarea del índice cuesta $0,21 con esfuerzo máximo, o $0,12 por 41,3 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 sigue siendo GLM 5.3 Flash a $0,15 / $0,50 ($0,25 por tarea del índice con 41,8), por delante de DeepSeek V4.1-Flash a $0,15 / $0,60 fuera de pico y $0,30 / $1,20 en pico ($0,27 con 39,5). El MiMo-V2.6-Pro de Xiaomi es aún más barato, $0,13 por tarea del índice con 46,3, pero solo si alojas tú mismo sus 1,02 billones de parámetros. Para un desglose más profundo, consulta nuestra guía completa de comparación 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 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 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; no en la app de Grok
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)
Mistral Large 4	$1.36 ($0.68 en la página del modelo de Mistral)	$4.18 ($2.09)	512K (1M según Mistral)	API en vista previa pública desde el 6 de octubre; pesos abiertos prometidos para finales de octubre, sin licencia anunciada aún
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	$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; sustituyó a V4-Flash el 10 de septiembre
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.

Modelos open-weight

Mejores modelos open-weight en octubre de 2026

El mejor modelo de pesos abiertos en octubre de 2026 es el MiMo-V2.6-Pro de Xiaomi, publicado el 21 de septiembre bajo MIT puro: 1,02 billones de parámetros con 42.000 millones activos y contexto de 1M de tokens. Artificial Analysis lo mide en 46,3 en el Intelligence Index v4.3.2, la mayor puntuación abierta que ha publicado nunca, por delante de GLM-5.3 con 44,8 y de Kimi K3 con 43,6, y a solo $0,13 por tarea del índice. La pega: los votantes humanos de Arena solo lo sitúan en el puesto 19 en WebDev y en el 26 en texto.

Otros dos modelos abiertos aún lideran en algo. Kimi K3 es el modelo abierto mejor situado en Arena, decimocuarto en WebDev y decimocuarto en la Agent Arena. GLM-5.3 es el modelo abierto más fuerte en Terminal-Bench 4.0, con un 41,9 %, aunque bajo una licencia propia de Z.ai y no MIT.

Para equipos que ejecutan sus propios pesos, la elección práctica sigue siendo GLM 5.3 Flash (Z.ai, MIT): 41,8 en v4.3.2 con 320.000 millones en total y 18.000 millones activos. No es un GLM 5.3 recortado sino un modelo aparte sobre una base entrenada de nuevo, y por eso sale bajo MIT. Un modelo de 1,02 billones de parámetros no es algo para una estación de trabajo, y solo la descarga de K3 ocupa unos 1,56 TB. En el escalón más barato, DeepSeek-V4.1-Flash sustituyó a V4-Flash el 10 de septiembre: MIT, multimodal de forma nativa, 39,5 en v4.3.2 y $0,15 / $0,60 fuera de pico.

Hay tres más que vigilar. Mistral Large 4 (en vista previa pública desde el 6 de octubre) es el modelo con mayor puntuación de Estados Unidos o Europa que promete pesos abiertos, con 38,4, pero aún no se puede descargar: Mistral promete los pesos antes de que acabe octubre y no ha indicado la licencia. El Qwen3.8-Flash-Next de Alibaba, de 125.000 millones con solo 6.000 millones activos, adelanta la arquitectura Qwen4 y puntúa 39,8. El Hy4 Preview de Tencent, 770.000 millones en total y 49.000 millones activos bajo Apache 2.0, no tiene valoración de Artificial Analysis pero es decimoctavo en Arena WebDev.

Modelo	Mejor para	Benchmark clave	Contexto / Licencia	Dónde ejecutar
MiMo-V2.6-Pro	El mayor Intelligence Index abierto jamás medido	II 46,3 (v4.3.2), por encima de GLM-5.3 y Kimi K3, a $0,13 por tarea del índice; 34,8 % Terminal-Bench 4.0; GDPval-AA v2.1 1685; 1,02 billones/42.000 millones activos	1M / MIT	Hugging Face (XiaomiMiMo), proveedores, autoalojado
Kimi K3	Modelo abierto mejor situado en Arena	II 43,6 (v4.3.2); #14 Arena WebDev, la mejor posición abierta; #14 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 41,8 (v4.3.2), en la frontera de Pareto entre inteligencia y coste, a unos $0.25 por tarea del índice; 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); #27 Arena WebDev (1,603.2), #20 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 44,8 (v4.3.2), la puntuación abierta más alta que hemos encontrado; 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
DeepSeek V4.1-Flash	Mejor valor abierto si lo alojas tú mismo	II 39,5 (v4.3.2) frente a 34,3 de la versión V4-Flash 0731 que sustituye; 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 desde el 10 de septiembre), local
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; #18 Arena WebDev (1632), #19 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); #17 Arena WebDev (1633)	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 29,2 (v4.3.2; 44 en v4.1), 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); #56 en Arena WebDev (1,508.4)	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 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; 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.

Cómo evaluamos

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.

¿No sabes qué modelo elegir?

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

Preguntas frecuentes

Preguntas comunes

¿Cuál es la mejor IA actualmente, en octubre de 2026?

Depende de la tarea. En puntuación global de benchmarks, Claude Opus 5.5 (22 de septiembre) es #1 en el Intelligence Index de Artificial Analysis con 57,6 y Claude Sonnet 5.5 (28 de septiembre) es segundo con 56,0. Opus 5.5 también tiene la programación, Claude Fable 5.1 la escritura y la precisión, GPT-6 Astra lidera el razonamiento difícil, ChatGPT Images 2.5 las imágenes y MiniMax H3 el vídeo. Para el chat diario, GPT-6 es el modelo por defecto de ChatGPT desde el 7 de octubre y el asistente que la mayoría de la gente puede abrir de verdad. Entre los modelos abiertos, el MiMo-V2.6-Pro de Xiaomi lidera con 46,3 bajo licencia MIT pura.

¿Ha salido GPT-6 y es ahora el mejor modelo?

Sí, ya ha salido, pero no es el mejor. OpenAI lanzó GPT-6 Astra el 3 de septiembre de 2026 y GPT-6 Sol y GPT-6 Luna el 22 de septiembre, y desde el 7 de octubre ChatGPT responde con GPT-6: Sol en Plus, Pro, Business y Enterprise, Luna en Free y Go desde el 8 de octubre. Artificial Analysis da a Astra 52,7 en el Intelligence Index v4.3.2, por detrás de Claude Opus 5.5 con 57,6, Claude Sonnet 5.5 con 56,0, Muse Wonder Full de Meta con 55,8 y Claude Fable 5.1 con 53,4, aunque Astra sigue liderando LiveBench Reasoning y ARC-AGI-2. Tienes el detalle en nuestro análisis de GPT-6 Astra, el análisis de GPT-6 Sol y Luna y la guía de GPT-6.1 Sol.

¿Ha salido Gemini 4?

Sí. Google anunció Gemini 4 Argon el 30 de septiembre de 2026 y lo lanzó el 13 de octubre para los suscriptores de Google AI Pro y Ultra en la app de Gemini y para los desarrolladores en la API de pago, a $2 / $10 por 1M de tokens hasta el 30 de noviembre. El plan gratuito y Google AI Plus no lo tienen. Artificial Analysis le da 52,6 en su Intelligence Index v4.3.2, igual que GPT-6 Astra, con la tasa de alucinación más baja que ha medido entre los modelos punteros, y Arena lo sitúa primero en texto y escritura creativa. Todo el detalle en nuestro análisis de Gemini 4 Argon.

¿Qué es Claude Opus 5?

Claude Opus 5 es el buque insignia de Anthropic del 24 de julio de 2026, que Claude Opus 5.5 sustituyó el 22 de septiembre; Anthropic lo lista ahora como modelo heredado. Marca 50,8 en el Intelligence Index v4.3.2 frente al 57,6 de Opus 5.5, y cuesta $5 / $25 por 1M de tokens frente a los $4 / $20 de Opus 5.5. ARC Prize confirmó su 30 % en ARC-AGI-3, y Arena aún lo sitúa primero en Document. Artificial Analysis mide su tasa de alucinación en un 61 %, por eso aquí no tiene ninguna corona de precisión.

¿Qué es Claude Fable 5.1?

Claude Fable 5.1 es el lanzamiento de Anthropic del 1 de septiembre de 2026. Marca 53,4 en el Intelligence Index v4.3.2, cuarto por detrás de Claude Opus 5.5, Claude Sonnet 5.5 y Muse Wonder Full de Meta, pero sigue teniendo la mayor precisión factual que ha medido Artificial Analysis, un 67 %, y la mejor posición combinada en los tres tableros de prosa, así que conserva en esta página las coronas de precisión y escritura. Cuesta $10 / $50 por 1M de tokens y salió junto a Claude Mythos 5.1, solo por invitación. Tienes el resto en nuestro análisis de Claude Fable 5.1 y Mythos 5.1.

¿Ha vuelto Claude Fable 5?

Sí. Anthropic volvió a desplegar Claude Fable 5 el 1 de julio de 2026 después de que el Gobierno de EE. UU. levantara la restricción de exportación impuesta el 12 de junio, y lo hizo permanente en los planes de pago el 20 de julio. Max y Team Premium lo incluyen con aproximadamente el 50 % de los límites de uso habituales; Pro y Team Standard acceden mediante créditos de uso. El precio de API es de $10 / $50 por millón de tokens.

¿Qué es GPT-5.6 y puedo usarlo?

GPT-5.6 es la familia de modelos anterior de OpenAI, disponible de forma general desde el 9 de julio de 2026, en tres niveles: Luna, Terra y Sol. Ya no es el modelo por defecto de ChatGPT, porque el chat pasó a GPT-6 el 7 de octubre, pero los usuarios de pago que eligieron GPT-5.6 Sol de forma explícita siguen con él, y OpenAI sigue vendiendo los niveles 5.6 en la API. OpenAI reutilizó los nombres Sol y Luna para GPT-6, así que un Sol o un Luna sin más ahora es ambiguo.

¿Ya salió Grok 4.7?

Sí. SpaceXAI lanzó Grok 4.7 el 21 de septiembre de 2026 sobre un modelo base nuevo y más grande que Grok 4.6, y desde el 3 de octubre impulsa el modo Expert de grok.com, además del modo Fast para los suscriptores de pago. Artificial Analysis le da 46,3 en el Intelligence Index v4.3.2 con esfuerzo alto frente al 44,3 de Grok 4.6. El precio de API sigue en $2 / $6 por 1M de tokens, pero una tarea del índice cuesta $2,73 frente a $1,86, porque 4.7 escribe aproximadamente el doble de salida. Todas las cifras en nuestro análisis de Grok 4.7.

¿Qué IA es la mejor para programar?

Claude Opus 5.5. Lanzado el 22 de septiembre, lidera el tablero WebDev de Arena con 1813, por delante de GPT-6 Astra con 1786, a $4 / $20 por 1M de tokens. Claude Sonnet 5.5 es la elección de valor: a $2 / $10 lidera Terminal-Bench 4.0 con un 63,6 % y LiveBench Coding con 91,4. Claude Haiku 5.5 ($0,10 / $0,50) es el Claude barato para trabajo de subagentes a gran volumen, y entre los modelos abiertos GLM 5.3 Flash es el que la mayoría de los equipos puede alojar, bajo licencia MIT pura.

¿Qué IA es la mejor para escribir?

Claude Fable 5.1, porque tiene la mejor posición combinada en los tres tableros de prosa: segundo en EQ-Bench Creative Writing v3, tercero en LiveBench Language y noveno en el tablero de escritura creativa de Arena. Claude Opus 5.5 es la elección si confías sobre todo en los votos humanos de Arena, donde es segundo. Claude Sonnet 5.5 es lo que la mayoría debería usar, porque es gratis en claude.ai. Gemini 4 Argon lidera el tablero de escritura creativa de Arena, y está en Google AI Pro desde el 13 de octubre, pero EQ-Bench y LiveBench no lo han valorado.

¿Cuál es el mejor modelo de IA open-weight en 2026?

El MiMo-V2.6-Pro de Xiaomi, publicado el 21 de septiembre de 2026 bajo licencia MIT pura. Artificial Analysis lo mide en 46,3 en el Intelligence Index v4.3.2, la puntuación abierta más alta que ha publicado, y resuelve una tarea del índice por $0,13. Con 1,02 billones de parámetros, eso sí, necesita un clúster. Para los equipos que quieren alojar el suyo, GLM 5.3 Flash (Z.ai, MIT) es la elección práctica con 41,8, con 320B de parámetros en total y 18B activos.

¿Cuál es el modelo de IA de clase frontier más barato?

En precio de API por millón de tokens, GPT-6 Luna y Claude Haiku 5.5 comparten la tarifa cerrada más barata de primer nivel, $0,10 / $0,50, y Artificial Analysis les da 38,1 y 43,4. Medido por tarea del Intelligence Index, GPT-6 Luna es el modelo más barato de esta página con $0,07, por delante de MiMo-V2.6-Pro con $0,13 y Haiku 5.5 con $0,21. Entre los modelos abiertos, GLM 5.3 Flash es nuestra elección calidad-precio a $0,15 / $0,50 y 41,8 bajo licencia MIT pura, con DeepSeek V4.1-Flash muy cerca a $0,15 / $0,60 fuera de horas punta.

¿Qué modelos de IA son gratis?

ChatGPT Free y Go funcionan con GPT-6 Luna, en despliegue desde el 8 de octubre, con límites de uso. Claude Free funciona con Claude Sonnet 5.5, y los usuarios gratuitos también pueden elegir Claude Haiku 5.5. La app gratuita de Gemini funciona en modo Auto desde el 9 de octubre, que envía la mayoría de los prompts a Flash-Lite, y Gemini 3.6 Flash sigue gratis en Google AI Studio. DeepSeek es gratis en su web de chat y Grok tiene un plan gratuito limitado. Además, muchos modelos tienen pesos abiertos y se pueden alojar gratis, como MiMo-V2.6-Pro, GLM 5.3 Flash y DeepSeek V4, aunque las licencias difieren.

¿Qué es Gemini Spark y qué plan necesitas?

Gemini Spark es el agente de IA en la nube siempre activo de Google, presentado en Google I/O el 19 de mayo de 2026. Funciona en una máquina virtual de Google Cloud y trabaja con Gmail, Docs y otras apps de Google Workspace. Desde el 30 de julio de 2026 está incluido en el plan Google AI Pro de $19,99/mes, en EE. UU. y más de 160 países más, además de en Google AI Ultra; Google AI Plus, el nivel gratuito y las cuentas de trabajo o de centros educativos no lo incluyen.

¿Qué es Fello AI?

Fello AI es una app de chat con IA para Mac, iPhone y iPad que te ahorra elegir entre suscripciones de IA: preguntas a ChatGPT, Claude, Gemini, Grok y DeepSeek desde una sola app, y los modelos nuevos suelen llegar en cuanto se abre su API. Empezar es gratis, los planes de pago parten de $11,99 al mes en la mayoría de los países y tiene una valoración de 4,7 estrellas en más de 27 000 reseñas.

¿Con qué frecuencia actualizáis esta página?

Actualizamos esta página al menos cada mes y dentro de las 24-48 horas siguientes al lanzamiento de cualquier modelo importante.