Volver a la tendencia del día: El jefe de Intel: controlar miles de millones de asistentes de IA será difícil

Ranking Poly · de la tendencia del día

Comparación de costos de agentes de IA 2026: más trabajo por dólar

En el tablero de programación de Arena del 4 de noviembre, la mediana de una tarea de Claude Opus 5.5 cuesta $17,45 y la de GPT-6.1 Terra $1,40: unas 12 veces más por una mejora neta de 23,38% frente a 13,76%.

N.º 1: GPT-6.1 Sol (OpenAI Codex)
10 puestos
Vigente a 4 de noviembre de 2026, 19:18 EST

01Lista final

Las IA líderes armaron cada una su propia lista de diez, de forma independiente. Aquí hay un resultado fácil de comprobar: cada puesto tiene un motivo, una fuente y la lista de IA que lo incluyeron.

Orden: de mayor a menor acuerdo entre las IA.

Una etiqueta brillante significa que esa IA puso el elemento en su lista. Una tenue, que no.

1
GPT-6.1 Sol (OpenAI Codex)
La opción barata en la que coinciden tres tableros distintos: mejora neta de Arena de 12,51% a $0,98, 62,9% en el Coding Agent Index a $1,04, y 58,2% en Terminal-Bench a $1,92.
Lo incluyeron: ChatGPT, Meta, Grok, StepFun, Kimi, DeepSeek. No lo incluyeron: Nemotron, Wenxin.
En sus listas: ChatGPT: 2 · Meta: 1 · Grok: 3 · StepFun: 3 · Kimi: 1 · DeepSeek: 4
Qué señaló cada IA 6
- ChatGPTpuesto 2
  Un costo mediano de $0,98 por tarea y una duración mediana de 10,3 minutos lo convierten en una opción de valor práctica para flujos de programación controlados.
  Fuente ↗
- Metapuesto 1
  $0,98 mediana en Arena; $1,27 por tarea del Intelligence Index para 55 pts: 8 veces más barato que Opus 5.5 max, a $10,04 por 58 pts
- Grokpuesto 3
  Una mediana general de 98 centavos compra 12,51 % de mejora neta: un paso por delante de Terra y uno por detrás en la recuperación de shell.
  Fuente ↗
- StepFunpuesto 3
  La jugada de costo de OpenAI: a menos de dos puntos de sus hermanos más caros en el mismo tablero, a $0,56 por tarea mediana.
- Kimipuesto 1
  Resuelve el 62,9 % de las tareas reales de ingeniería a $1,04 y 15,5 minutos cada una: unos 60 puntos de índice por dólar, seis veces el trabajo por dólar del mejor puntaje del tablero.
  Fuente ↗
- DeepSeekpuesto 4
  58,2 % por $1,92: una quinta parte de los $9,90 de Astra en la misma prueba.
6 IA lo pusieron aquí
Fuente ↗
2
Claude Opus 5.5 (Claude Code)
La mayor mejora neta global (20,14%), pero $17,45 y 39 minutos por tarea mediana de código. Las pruebas de Terminal-Bench le ponen un precio de $14,30 a $19,07.
Lo incluyeron: ChatGPT, Meta, Grok, StepFun, Kimi, DeepSeek. No lo incluyeron: Nemotron, Wenxin.
En sus listas: ChatGPT: 6 · Meta: 8 · Grok: 7 · StepFun: 4 · Kimi: 9 · DeepSeek: 6
Qué señaló cada IA 6
- ChatGPTpuesto 6
  Lidera el ranking general de Arena del 3 de noviembre, pero con $6,80 por tarea mediana, su precio premium debe justificarse con menos intentos fallidos o repetidos.
  Fuente ↗
- Metapuesto 8
  $0,08 mediana, lo más barato en términos absolutos: 0,62 % general, 1,9 min, 26,1 mil tokens a $0,10/$0,50
  Fuente ↗
- Grokpuesto 7
  La mayor mejora neta de la tabla, 20,14 %, a $6,79 en general y $17,45 cuando la tarea es de código.
  Fuente ↗
- StepFunpuesto 4
  El mejor valor dentro de la mejor familia: #1 en capacidad de corrección y #2 en éxito confirmado, a $1,31 por tarea, un 64 % menos que su propio nivel Max.
  Fuente ↗
- Kimipuesto 9
  El caballo de batalla fiable más caro: 66 % de éxito en tareas a $13,04. Paga aproximadamente el doble por tarea que con Codex, y un seguimiento independiente dice que termina en una mediana de 2,2 minutos.
  Fuente ↗
- DeepSeekpuesto 6
  64,8 % a $14,30: trabajo confiable, a un precio que necesita una tarea de alto valor para pagarse.
6 IA lo pusieron aquí
Fuente ↗
3
Claude Sonnet 5.5 (Claude Code)
Iguala a Opus 5.5 en éxito confirmado de programación (24,98%), con $8,39 por tarea mediana de código en lugar de $17,45. En conjunto: mejora neta de 15,42% a $3,86.
Lo incluyeron: ChatGPT, Meta, Grok, StepFun, Kimi. No lo incluyeron: Nemotron, DeepSeek, Wenxin.
En sus listas: ChatGPT: 5 · Meta: 5 · Grok: 5 · StepFun: 6 · Kimi: ver lista
Qué señaló cada IA 5
- ChatGPTpuesto 5
  El costo mediano de $3,86 es mucho mayor que el de las alternativas de menos de un dólar, pero 19,95 % de éxito confirmado hace que su valor ajustado por fiabilidad sea competitivo.
  Fuente ↗
- Metapuesto 5
  Líder en GAIA con 74,55 %, por $178,20; 15,42 % confirmado en Arena por $3,83, en 16,4 min: el mejor trabajo de investigación por dólar
- Grokpuesto 5
  Empata con Opus en éxito confirmado en programación, 24,98 %, a $8,39 en lugar de $17,45.
  Fuente ↗
- StepFunpuesto 6
  Segundo mejor éxito confirmado de todo el tablero (20,21 %) por $3,86 por tarea: la opción intermedia de Anthropic que conserva la mayor parte de la fiabilidad.
  Fuente ↗
- Kimi
  En su propia lista tiene otro nombre: abre la lista completa.
  ver lista
5 IA lo pusieron aquí
Fuente ↗
4
Gemini 4 Argon
En tareas de chat, mejora neta de 13,22% por 52 centavos en 3,8 minutos. Más débil en código: 8,54% a $2,14 en Arena, y $5,84 por tarea en Antigravity CLI de Google.
Lo incluyeron: ChatGPT, Meta, Grok, Kimi. No lo incluyeron: Nemotron, StepFun, DeepSeek, Wenxin.
En sus listas: ChatGPT: 3 · Meta: 3 · Grok: 2 · Kimi: 3
Qué señaló cada IA 4
- ChatGPTpuesto 3
  Con $0,97 y 7,3 minutos por tarea mediana, es más rápido y más barato que Carbon, aunque Carbon tiene la señal de mejora general más sólida.
  Fuente ↗
- Metapuesto 3
  $0,97 mediana, 10,53 % general; alucinación de herramientas de 0,42 %, la más baja entre los 10 primeros, y 13,52 % de capacidad de corrección
- Grokpuesto 2
  En tareas de chat, mejora neta de 13,22 % por 52 centavos y 3,8 minutos.
  Fuente ↗
- Kimipuesto 3
  El mejor puntaje de DeepSWE del tablero (78,8 %) a $5,84 por tarea: el trabajo de programación más difícil por dólar entre los tres grandes arneses.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
5
Gemini 4 Carbon
Mucha calidad por menos de $2: mejora neta de 16,72% y éxito confirmado de 18,02% con una mediana de $1,69, cerca de una cuarta parte de los $6,79 de Opus 5.5. Arena todavía lo marca como preliminar.
Lo incluyeron: ChatGPT, Meta, Grok, StepFun. No lo incluyeron: Nemotron, Kimi, DeepSeek, Wenxin.
En sus listas: ChatGPT: 1 · Meta: 4 · Grok: 4 · StepFun: 2
Qué señaló cada IA 4
- ChatGPTpuesto 1
  Con $1,69 por tarea mediana, logra 18,04 % de éxito confirmado por los usuarios en la instantánea de Arena del 3 de noviembre. Eso lo convierte en el mejor equilibrio observado entre precio y finalización entre los modelos líderes.
  Fuente ↗
- Metapuesto 4
  16,72 % confirmado, #2 general, por $1,69; mejor capacidad de corrección con 19,32 % y 0,51 % de alucinación
- Grokpuesto 4
  El líder en valor que aún gana tareas: 16,72 % de mejora neta general a $1,69, y Arena lo marca como preliminar.
  Fuente ↗
- StepFunpuesto 2
  La opción eficiente que también gana: #2 general en Agent Arena a $1,69–$1,80 por tarea, una quinta parte del precio del agente de arriba en éxito confirmado.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
6
DeepSeek V4.1 Flash
La entrada real más barata, con mediana de $0,16, pero solo 2,37% de mejora neta el 4 de noviembre; una publicación anterior de Arena mostró +4,87% a $0,07.
Lo incluyeron: ChatGPT, Meta, Grok, StepFun. No lo incluyeron: Nemotron, Kimi, DeepSeek, Wenxin.
En sus listas: ChatGPT: 8 · Meta: 7 · Grok: 9 · StepFun: 1
Qué señaló cada IA 4
- ChatGPTpuesto 8
  Con $0,16 por tarea mediana, está entre las opciones observadas más baratas, pero la señal de éxito confirmado de 3,38 % impide un ranking más alto en trabajo terminado.
  Fuente ↗
- Metapuesto 7
  $0,16 mediana, la programación más barata: 2,37 % general, 86,5 mil tokens, $0,15/$0,60 por M
  Fuente ↗
- Grokpuesto 9
  Cerca de Astra en calidad, 13,86 % frente a 14,70 %, con una mediana similar de $6,40 y una mediana de programación de $16,30.
  Fuente ↗
- StepFunpuesto 1
  $0,07 de mediana por tarea a cambio de +4,87 % de mejora neta: unas 97 veces más barato que el agente número 1 del tablero, para un trabajo que es solo unos puntos peor.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
7
Devin (Cognition AI)
El costo por tarea depende de quién lo cuente: $0,60 (afirmación del proveedor), $1,40 con 70,4% (DeepSWE de terceros), $7,90 (Coding Agent Index), y unos $9–10 por tarea fusionada en el código (estimación de terceros).
Lo incluyeron: Meta, StepFun, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Grok, Nemotron, Wenxin.
En sus listas: Meta: ver lista · StepFun: 7 · Kimi: 5 · DeepSeek: 2
Qué señaló cada IA 4
- Meta
  En su propia lista tiene otro nombre: abre la lista completa.
  ver lista
- StepFunpuesto 7
  Cognition afirma un costo 64 % menor que el del modelo de programación de frontera, lo que implica unos $1,18 por tarea, mientras que otros cálculos ubican una tarea fusionada cerca de $9–$10.
  Fuente ↗
- Kimipuesto 5
  $7,90 compran 61,7 % de finalización de tareas, con SWE-2 Medium haciendo el trabajo pesado: precio de mitad de tabla y fiabilidad de primer nivel por dólar para tickets delegados.
  Fuente ↗
- DeepSeekpuesto 2
  68,8 a $0,60: si cuenta la ejecución de FrontierCode y no el asiento de $500 al mes.
4 IA lo pusieron aquí
Fuente ↗
8
GPT-6.1 Terra
El más barato con buen rendimiento: una mediana de $0,79 por una mejora neta de 11,40%, y $1,40 por tarea de programación frente a $17,45 de Opus 5.5.
Lo incluyeron: ChatGPT, Meta, Grok. No lo incluyeron: Nemotron, StepFun, Kimi, DeepSeek, Wenxin.
En sus listas: ChatGPT: 4 · Meta: 2 · Grok: 1
Qué señaló cada IA 3
- ChatGPTpuesto 4
  El costo mediano de $0,79 por tarea queda por debajo de los $0,98 de Sol, pero la señal de mejora general observada es menor.
  Fuente ↗
- Metapuesto 2
  El más barato entre los 10 primeros, a $0,96 por tarea, con 48 pts; $0,79 mediana en Arena, 11,4 % de éxito y 15,18 % de capacidad de corrección
- Grokpuesto 1
  Mejora neta general de 11,40 % con una mediana de 79 centavos, y $1,40 en una tarea de programación.
  Fuente ↗
3 IA lo pusieron aquí
Fuente ↗
9
Kimi K3.1 Pro
Mediana de $1,47 por una mejora neta de 5,29% (preliminar): menos de la mitad de la ganancia de Terra, a casi el doble de precio. Toloka encontró que el 41% de las tareas de K3 se resolvieron solo a veces.
Lo incluyeron: Meta, Grok, StepFun. No lo incluyeron: ChatGPT, Nemotron, Kimi, DeepSeek, Wenxin.
En sus listas: Meta: 6 · Grok: 6 · StepFun: 5
Qué señaló cada IA 3
- Metapuesto 6
  #1 empatado entre modelos abiertos: 5,29 % general, $1,47 mediana, 6,8 min, 41,4 mil tokens a $2/$10 por M
  Fuente ↗
- Grokpuesto 6
  Positivo, pero no barato y vacío: 5,29 % de mejora neta general a $1,47, muy por detrás del 11,40 % de Terra a 79 centavos.
  Fuente ↗
- StepFunpuesto 5
  $1,03 por tarea mediana y aun así queda justo fuera de la frontera de Pareto: la vía más barata y creíble hacia el trabajo agéntico de primer nivel.
3 IA lo pusieron aquí
Fuente ↗
10
GPT-6 Astra
Cuarto en calidad general (14,70%), pero $6,16 por tarea mediana y $15,30 en código; Sonnet 5.5 hace más por $3,86.
Lo incluyeron: ChatGPT, Grok. No lo incluyeron: Meta, Nemotron, StepFun, Kimi, DeepSeek, Wenxin.
En sus listas: ChatGPT: 10 · Grok: 8
Qué señaló cada IA 2
- ChatGPTpuesto 10
  Su costo mediano de $6,16 por tarea y su señal de éxito confirmado de 14,28 % lo convierten en una opción premium, no en el ganador general de precio y rendimiento.
  Fuente ↗
- Grokpuesto 8
  Cuarto en calidad general, 14,70 %, y ya cuesta $15,30 antes de terminar una tarea de programación.
  Fuente ↗
2 IA lo pusieron aquí
Fuente ↗

Más sobre los tres primeros ↓

02Más sobre los tres primeros

El ranking está arriba. Aquí tiene más sobre los tres primeros puestos: qué son, por qué están aquí y qué vale la pena saber.

Las cifras provienen de pruebas distintas: las medianas generales y de programación de Arena, Terminal-Bench y el Coding Agent Index. El costo por tarea difiere entre ellas, así que compárelas solo dentro de una misma prueba.

1GPT-6.1 Sol (OpenAI Codex)

N.º 1 — GPT-6.1 Sol (OpenAI Codex). En las listas de 6 de 8 IA; puesto mediano allí: 2.5. Tres tablas separadas coinciden en que ofrece buenos resultados por el menor dinero: alrededor de un dólar por tarea.

¿Sabía que…?

GPT-6.1 Sol puede leer una cantidad enorme de una vez. Su ventana de contexto anunciada es de 1.050.000 tokens, y puede escribir hasta 128.000 tokens en una respuesta. Es espacio suficiente para tener en una sola sesión una base de código muy grande.
Fuente ↗

Qué es: El agente de programación Codex de OpenAI, que funciona con el modelo GPT-6.1 Sol.
Su ventaja: Cuesta bastante menos por tarea que las dos opciones de Claude en todas las tablas.
Para quién: Ideal para trabajos de programación con presupuesto ajustado; menos indicado si necesita la mejora neta más alta.

Mejora neta frente a costo12,51% neto a $0,98

Wikipedia · Wikidata

Por qué está aquí

En Terminal-Bench Science 0.1 con el esfuerzo máximo, GPT-6.1 Sol promedia $5,47 por tarea. Claude Opus 5.5 promedia $23,21 con el mismo entorno de prueba, así que Sol cuesta cerca de una cuarta parte.
Fuente ↗
La comparativa de TechRepublic de octubre de 2026 informa un costo por tarea de $1,04 para Codex con GPT-6.1 Sol. Claude Code con Sonnet 5.5 aparece con $14,19. No pude abrir esta página para comprobar las cifras yo mismo; provienen del resumen de búsqueda.
Fuente ↗

¿Sabía que…?

Su precio anunciado en la API es de $2 por millón de tokens de entrada y $10 por millón de tokens de salida. Es el precio que respalda la etiqueta de «opción económica», ya que la mayor parte del costo de un agente viene de los tokens que lee y escribe.
Fuente ↗

Historia

En mayo de 2025 se lanzó la versión en la nube de Codex, pero pocas personas fuera de OpenAI la siguieron usando. El equipo, que tenía unas siete semanas para construirla, pasó entonces a herramientas que funcionan en su propia computadora. Ese cambio se convirtió en la base del Codex actual.
Fuente ↗

Dónde seguir

Abra la publicación oficial de OpenAI sobre el lanzamiento de GPT-6.1 Sol. Lea primero la tabla de pruebas y luego las notas sobre planes para ver qué planes de Codex incluyen el modelo antes de probarlo.
Fuente ↗

Vídeo: OpenAI Codex Explained for Normal People (“Claude Cowork Killer”) (en inglés) · Paul J Lipsky

Comparar los tres primeros ↓

2Claude Opus 5.5 (Claude Code)

N.º 2 — Claude Opus 5.5 (Claude Code). En las listas de 6 de 8 IA; puesto mediano allí: 6.5. Es el que logra la mayor mejora neta en general, pero cada tarea de programación cuesta mucho más y tarda bastante más.

WOTW2026 · CC0 · Wikimedia Commons

¿Sabía que…?

La función de rebobinado de Claude Code no lo deshace todo. Solo registra los cambios hechos con las herramientas de edición de archivos de Claude. Los cambios hechos con comandos de la terminal, como borrar o mover archivos, no quedan cubiertos. Los puntos de control sí se conservan entre sesiones.
Fuente ↗

Qué es: El agente Claude Code de Anthropic, que funciona con el modelo Opus 5.5.
Su ventaja: La mayor mejora neta de la tabla, aunque es la más cara por tarea.
Para quién: Ideal para trabajos difíciles y de alto valor; menos indicado para tareas sencillas o presupuestos ajustados.

Mejora neta frente a costo20,14% neto, $17,45 por tarea

Wikipedia · Wikidata

Por qué está aquí

Artificial Analysis ubica a Claude Code con Opus 5.5 en 62 en su Coding Agent Index. Es el lado caro de la balanza: $11,42 por tarea y 1,0 hora por tarea.
Fuente ↗
En Terminal-Bench Science 0.1, Claude Opus 5.5 promedia $23,21 por tarea. GPT-6.1 Sol promedia $5,47 en la misma prueba, así que Opus cuesta más de cuatro veces más.
Fuente ↗

Historia

Claude Code empezó en febrero de 2025 como una vista previa de investigación limitada, lanzada junto con el modelo Claude 3.7 Sonnet.
Fuente ↗

A tener en cuenta

Si la intención no está clara o falta contexto, el modo automático puede aprobar acciones inseguras y también bloquear otras inofensivas. Cada acción recibe un paso de revisión adicional, que puede añadir demora y consumir más tokens con el tiempo.
Fuente ↗
Anthropic recomienda usar el modo automático en entornos aislados, sobre todo con código sensible. En la práctica, trátelo como un ayudante que hay que vigilar, no como algo que se deja solo.
Fuente ↗

Dónde seguir

Abra la página de modos de permisos para ver lo que cada modo permite hacer a Claude Code sin preguntar. Lea primero la parte de Modo automático, porque ahora es el modo inicial.
Fuente ↗

Vídeo: Every Claude Code Concept Explained for Normal People (en inglés) · Simon Scrapes

Comparar los tres primeros ↓

3Claude Sonnet 5.5 (Claude Code)

N.º 3 — Claude Sonnet 5.5 (Claude Code). En las listas de 5 de 8 IA; puesto mediano allí: 5. Iguala a Opus en éxito confirmado en programación, a unos la mitad del precio por tarea, así que conserva la mayor parte del valor.

WOTW2026 · CC0 · Wikimedia Commons

Qué es: El agente Claude Code de Anthropic, que funciona con el modelo Sonnet 5.5, más económico.
Su ventaja: Empata con Opus en éxito confirmado en programación, por bastante menos dinero por tarea.
Para quién: Ideal para usuarios de Claude que buscan confiabilidad con presupuesto ajustado; menos indicado para los trabajos más baratos.

Mejora neta frente a costo15,42% neto a $3,86

Wikipedia · Wikidata

Por qué está aquí

Artificial Analysis incluye a Claude Sonnet 5.5 como una variante de Claude Code junto a Opus 5.5. La configuración de Opus 5.5 aparece con $11,42 por tarea y 1,0 hora por tarea. Esta página no da una cifra de costo propia para Sonnet.
Fuente ↗
En AutomationBench, Claude Sonnet 5.5 promedió $1,14 por tarea, según el texto de Vellum. Es una prueba distinta a la de programación, así que solo muestra que Sonnet puede ser barato en algunos trabajos.
Fuente ↗

Vídeo: Every Claude Code Concept Explained for Normal People (en inglés) · Simon Scrapes

Comparar los tres primeros ↓

Los tres primeros, lado a lado

	GPT-6.1 Sol (OpenAI Codex)	Claude Opus 5.5 (Claude Code)	Claude Sonnet 5.5 (Claude Code)
En las listas de las IA	6 / 8	6 / 8	5 / 8
Mejora neta frente a costo	12,51% neto a $0,98	20,14% neto, $17,45 por tarea	15,42% neto a $3,86
Primero para	Meta, Kimi	—	—

Los puestos con el mismo número de IA se ordenan por su puesto medio en las listas de las IA.

03Vale la pena saber

Lo que notaron las IA al armar la lista.

Una tarea de código y una de chat son compras distintas: la mediana de Opus 5.5 es $17,45 y 39,3 min en código, frente a $3,68 y 10,4 min en chat; la de Terra es $1,40 y $0,58.

Lo notaron:

Lo incluyeron: Grok. No lo incluyeron: ChatGPT, Meta, Nemotron, StepFun, Kimi, DeepSeek, Wenxin.

01Lista final

GPT-6.1 Sol (OpenAI Codex)

Claude Opus 5.5 (Claude Code)

Claude Sonnet 5.5 (Claude Code)

Gemini 4 Argon

Gemini 4 Carbon

DeepSeek V4.1 Flash

Devin (Cognition AI)

GPT-6.1 Terra

Kimi K3.1 Pro

GPT-6 Astra

02Más sobre los tres primeros

1GPT-6.1 Sol (OpenAI Codex)

¿Sabía que…?

2Claude Opus 5.5 (Claude Code)

¿Sabía que…?

3Claude Sonnet 5.5 (Claude Code)

Los tres primeros, lado a lado

Más rankings

03Vale la pena saber

04Cómo lo calculamos

1La pregunta

2Por qué este tema

3Dónde aplica

4Qué miramos

5Quién clasificó

6Cómo se fijaron los puestos

05La lista de cada IA

Lo que notó ChatGPT

Lo que notó Meta

Lo que notó Grok

Lo que notó StepFun

Lo que notó Kimi

Lo que notó DeepSeek