Volver a la tendencia del día: Varios asistentes de IA ya pueden escribir software juntos, las 24 horas

Ranking Poly · de la tendencia del día

El mejor modelo para programar en 2026: los 10 primeros para un equipo de agentes de programación

Claude Opus 5.5 escribió el 64,4% del código de IA que revisó cubic en la semana del 26 de oct. y lidera Terminal-Bench 4.0 con el 64,8%, pero GPT-6.1 Sol, con la mitad del precio de salida, tiene menos errores contados por línea: 0,76 frente a 1,14.

N.º 1: GPT-5.6 Sol
10 puestos
Vigente a 5 de noviembre de 2026, 21:23 EST

01Lista final

Las IA líderes hicieron por separado su propia lista de diez puestos. Arriba, un resultado combinado fácil de comprobar: cada puesto tiene un motivo, las IA que lo incluyeron y, cuando las IA la dieron, una fuente.

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-5.6 Sol
Fue el modelo más limpio dentro de Codex, con 0,62, pero obtiene solo el 32,2% en tareas de un día completo y el 37,3% en tareas de terminal. Ya no aparece en el ranking de cubic del 4 de nov.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.
En sus listas: ChatGPT: 7 · Meta: 1 · Grok: 9 · Gemini: 3 · Nova · DeepSeek: 9 · Wenxin: 1 · MiMo: 3
Qué señaló cada IA 8
- ChatGPTpuesto 7
  Su tasa histórica de 0,62 errores en Codex fue excelente, pero un resultado de 32,2 % en tareas largas desaconseja darle el puesto más difícil.
  Fuente ↗
- Metapuesto 1
  0,62 en Codex, 0,65 en general: el único modelo por debajo del promedio, 35 % menos errores, pero solo 0,7 % del código revisado en la semana del 5 de oct.
  Fuente ↗
- Grokpuesto 9
  Fue el modelo más limpio dentro de Codex con 0,62, y en tareas de jornada completa obtiene 32,2 %, alrededor de la mitad que Astra.
  Fuente ↗
- Geminipuesto 3
  El programador de producción más limpio registrado: una tasa relativa de errores excepcionalmente baja, de 0,62, lo que lo hace el caballo de batalla más confiable para el uso diario, pese a un modesto 32,2 % en tareas de 20 horas.
- Nova
  En su propia lista tiene otro nombre: abre la lista completa.
- DeepSeekpuesto 9
  Tasa de errores de 0,62 dentro de Codex, 38 % menos errores contados que el promedio, pero 37,3 % en Terminal-Bench y 32,2 % en FrontierSWE: el puesto más limpio para tareas pequeñas, no para las largas.
  Fuente ↗
- Wenxinpuesto 1
  La menor tasa de errores observada (0,62) a precio de Codex: código limpio por el precio de un café latte por cada 1 M de tokens.
  Fuente ↗
- MiMopuesto 3
  El código más limpio del tablero, con 0,62 errores por línea dentro de Codex, y la peor puntuación en tareas largas entre los modelos principales, con 32,2 %.
  Fuente ↗
8 IA lo pusieron aquí
Fuente ↗
2
GPT-6 Astra
Lidera FrontierSWE v2 de 20 horas con el 65,5%, pero cuesta unos $1.030 por prueba frente a los $99 de Opus 5.5, y su salida cuesta $50 por millón de tokens. Póngalo en el puesto de escalado.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.
En sus listas: ChatGPT: 3 · Meta: 3 · Grok: 4 · Gemini: 1 · Nova · DeepSeek: 3 · Wenxin: 2 · MiMo: 2
Qué señaló cada IA 8
- ChatGPTpuesto 3
  El campeón de ingeniería de 20 horas con 65,5 %, pero su precio de $50 por token de salida lo convierte en un modelo para casos difíciles, no en mi opción diaria.
  Fuente ↗
- Metapuesto 3
  Líder en FrontierSWE v2 con 65,5 % y 58,2 % en Terminal-Bench, pero con una tasa de errores de 1,13, por encima del promedio: el superviviente de las 20 horas
- Grokpuesto 4
  Lidera el ranking de 20 horas con 65,5 %, a unos $1.030 por intento, y en tareas de terminal no supera al modelo Sol, que cobra $10 por salida.
  Fuente ↗
- Geminipuesto 1
  Domina las maratónicas tareas de 20 horas con 65,5 % en FrontierSWE v2, y mantiene una tasa de resolución de 58,2 % en la CLI dentro de Codex.
- Nova
  En su propia lista tiene otro nombre: abre la lista completa.
- DeepSeekpuesto 3
  65,5 % en FrontierSWE y 58,2 % en Terminal-Bench: el mejor modelo del ranking para tareas de jornada completa, pero con $50 de salida y una tasa de errores de 1,09.
  Fuente ↗
- Wenxinpuesto 2
  Campeón de FrontierSWE con 65,5 % y 58,2 % en terminales, pero 1,13 errores por línea lo hace más caro por línea limpia.
- MiMopuesto 2
  El único modelo que terminó en primer lugar las tareas de 20 horas: a $1.029,65 por intento y 1,13 errores contados por línea en Codex.
  Fuente ↗
8 IA lo pusieron aquí
Fuente ↗
3
Claude Opus 5.5
Mejor pareja en terminal, con 64,8% y 62,3% en tareas de 20 horas, pero su tasa de errores es ahora de 1,14 (1,49 en octubre). Póngalo en el puesto de tareas difíciles, no en el de código limpio.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.
En sus listas: ChatGPT: 2 · Meta: 4 · Grok: 3 · Gemini: 2 · Nova · DeepSeek: 5 · Wenxin: 3 · MiMo: 1
Qué señaló cada IA 8
- ChatGPTpuesto 2
  Líder en tareas de terminal con 64,8 %, pero su tasa de errores combinada de 1,14 es peor que el promedio del código revisado por cubic.
  Fuente ↗
- Metapuesto 4
  Primero en Terminal-Bench con 64,8 %, segundo en FrontierSWE con 62,3 %, pero con 1,49 de tasa de errores, la peor dentro de Claude Code: terminal fuerte, código sucio en el uso diario
  Fuente ↗
- Grokpuesto 3
  Escribió el 64,4 % del código de IA que cubic revisó en la semana del 26 de octubre, y no es el modelo limpio en Claude Code: 1,13 ahora, 1,49 en el artículo de octubre.
  Fuente ↗
- Geminipuesto 2
  El líder vigente en pruebas de línea de comandos, con 64,8 % en Terminal-Bench 4.0 y 62,3 % en FrontierSWE v2, aunque con una tasa relativa de defectos de 1,49.
- Nova
  En su propia lista tiene otro nombre: abre la lista completa.
- DeepSeekpuesto 5
  64,8 % en Terminal-Bench y 62,3 % en FrontierSWE: la combinación más fuerte de Claude Code para trabajo difícil, pero su tasa de errores de 1,39 es la peor en Bug Bench.
  Fuente ↗
- Wenxinpuesto 3
  64,8 % en terminales, 62,3 % en tareas de 20 h, pero 1,49 errores por línea lo deja atrás en limpieza.
  Fuente ↗
- MiMopuesto 1
  Gana el tablero de terminal en su entorno con 64,8 % y resiste las tareas de 20 horas con 62,3 %, por unos $99 por intento, cuando el ganador de ese tablero paga $1.030.
  Fuente ↗
8 IA lo pusieron aquí
Fuente ↗
4
GPT-6.1 Sol
La tasa de errores actual más baja (0,76), 58,2% en tareas de terminal, $10 de salida. Ojo: el artículo de cubic del 16 de oct. le daba 1,22 con dos semanas de datos, y no tiene fila en FrontierSWE.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. No lo incluyeron: Nova.
En sus listas: ChatGPT: 1 · Meta: 6 · Grok: 1 · Gemini: 6 · DeepSeek: 1 · Wenxin: 6 · MiMo: 5
Qué señaló cada IA 7
- ChatGPTpuesto 1
  Una tasa relativa de errores de 0,76 y el mismo resultado en terminal del 58,2 % que Astra, con un precio por token de salida estándar de una quinta parte del de Astra.
  Fuente ↗
- Metapuesto 6
  58,2 % en Terminal-Bench, empatado con Astra, por $1,92 frente a $14,30; tasa de errores de 1,22 dentro de Codex; OpenAI lo recomienda para programación compleja
  Fuente ↗
- Grokpuesto 1
  La menor cantidad de errores contados entre los modelos clasificados, con 0,76, y el mismo 58,2 % en terminal que Astra, por unos $634 la ejecución en Codex en lugar de $3,3 mil.
  Fuente ↗
- Geminipuesto 6
  Iguala el 58,2 % de resolución en CLI de Astra dentro de Codex, con mayor profundidad de razonamiento iterativo, y registra una tasa relativa de errores de 1,22.
- DeepSeekpuesto 1
  Tasa relativa de errores de 0,98 y 58,2 % en Terminal-Bench por $10 de salida: el mejor puesto integral, algo por detrás de Astra en trabajo de largo alcance, pero cinco veces más barato.
  Fuente ↗
- Wenxinpuesto 6
  58,2 % en terminales y 1,22 errores por línea: más rápido que Astra, algo más limpio, mismo nivel de precio.
- MiMopuesto 5
  Misma puntuación de terminal que los modelos insignia (58,2 %) a $10 por millón de tokens de salida: cinco veces más barato que Astra, pero con 1,22 errores por línea.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
5
Claude Sonnet 5.5
A tres puntos de los líderes en ambas tablas (61,8% en terminal, 61,9% en tareas de un día completo), con $10 de salida, la mitad del precio de Opus 5.5, y una tasa de errores de 1,03.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. No lo incluyeron: Nova.
En sus listas: ChatGPT: 4 · Meta: 5 · Grok: 2 · Gemini: 4 · DeepSeek: 2 · Wenxin: 4 · MiMo: 4
Qué señaló cada IA 7
- ChatGPTpuesto 4
  Un resultado del 61,8 % en terminal lo deja a menos de tres puntos de Opus 5.5, así que es un puesto serio para implementar.
  Fuente ↗
- Metapuesto 5
  61,8 % en Terminal-Bench, 61,9 % en FrontierSWE, tasa de errores de 1,24, empatado con Fable dentro de Claude Code, a una quinta parte del precio
  Fuente ↗
- Grokpuesto 2
  A $10 por millón de tokens de salida está cerca del líder en terminal, 61,8 % en Claude Code, y cerca del líder de la jornada completa, 61,9 % en el entorno compartido.
  Fuente ↗
- Geminipuesto 4
  Logra 61,8 % en Terminal-Bench 4.0 a una fracción del precio de salida de Opus, y es el conductor diario estándar de la industria para los bucles agénticos en CLI.
- DeepSeekpuesto 2
  Tasa de errores de 1,06 y 61,8 % en Terminal-Bench por $10 de salida: la forma más barata de obtener el resultado de terminal de primer nivel de Claude Code.
  Fuente ↗
- Wenxinpuesto 4
  61,8 % en terminales a un precio probablemente la mitad que Opus: la opción de caballo de batalla.
  Fuente ↗
- MiMopuesto 4
  A unos dos puntos de Opus 5.5 en sesiones de programación, en un nivel inferior: el puesto de mejor relación calidad-precio de la pareja de Anthropic.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
6
Claude Fable 5.1
El modelo más limpio dentro de Claude Code, con 0,93 (1,09 en octubre), pero con $50 de salida cuesta lo mismo que Astra y obtiene el 56,3% en tareas de un día completo, frente al 65,5% de Astra.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. No lo incluyeron: Nova.
En sus listas: ChatGPT: 5 · Meta: 2 · Grok: 5 · Gemini: 5 · DeepSeek: 7 · Wenxin: 5 · MiMo: 6
Qué señaló cada IA 7
- ChatGPTpuesto 5
  Su tasa de errores combinada de 0,93 supera el 1,14 de Opus 5.5, aunque Opus se usa mucho más.
  Fuente ↗
- Metapuesto 2
  1,09 dentro de Claude Code, el más limpio allí; 56,3 % en FrontierSWE, empatado con Sonnet 5.5, pero cuesta 5 veces más
  Fuente ↗
- Grokpuesto 5
  El modelo más limpio dentro de Claude Code, con 0,93, mientras que el predeterminado que la gente realmente usa es Opus 5.5.
  Fuente ↗
- Geminipuesto 5
  Combina una sólida tasa de finalización de 57,9 % en Terminal-Bench 4.0 con una tasa relativa de errores de 1,09, bastante más limpia en revisión que Opus 5.5.
- DeepSeekpuesto 7
  Tasa de errores de 1,07, 57,9 % en Terminal-Bench y 56,3 % en FrontierSWE: equilibrado, pero con $50 de salida cuesta lo mismo que Astra sin su ventaja en tareas de largo alcance.
  Fuente ↗
- Wenxinpuesto 5
  57,9 % en terminales, 1,09 errores por línea: nivel medio limpio, precio medio, punto ideal para programar a diario.
  Fuente ↗
- MiMopuesto 6
  El especialista de uso diario: 57,9 % en tareas de terminal y el código más limpio medido dentro de Claude Code, con 1,09.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
7
Claude Opus 5
El modelo clasificado con menos errores dentro de Cursor, con 1,22, sigue por encima del promedio. Obtiene el 52,0% en tareas de un día completo, por detrás de Opus 5.5, y cuesta más, con $25 de salida.
Lo incluyeron: ChatGPT, Meta, Grok, DeepSeek, MiMo. No lo incluyeron: Gemini, Nova, Wenxin.
En sus listas: ChatGPT: 8 · Meta: 8 · Grok: 8 · DeepSeek: 10 · MiMo: 9
Qué señaló cada IA 5
- ChatGPTpuesto 8
  Una tasa combinada de 1,21 errores lo deja por detrás del más reciente Opus 5.5, sin una mejora estadística clara demostrada en toda la familia.
  Fuente ↗
- Metapuesto 8
  52,0 % en FrontierSWE, tasa de errores de 1,33, 51,8 % en el antiguo Terminal-Bench: superado por Opus 5.5, que cuesta 20 % menos
  Fuente ↗
- Grokpuesto 8
  Dentro de Cursor es el modelo clasificado con menos errores, con 1,22, que aun así son 22 % más errores contados que el promedio.
  Fuente ↗
- DeepSeekpuesto 10
  Tasa de errores de 1,30, 53,9 % en Terminal-Bench, 52,0 % en FrontierSWE y $25 de salida: un puesto intermedio que ya no es ni el más limpio ni el más fuerte.
  Fuente ↗
- MiMopuesto 9
  La generación anterior todavía termina la mitad de las tareas de 20 horas (52,0 %), donde los modelos nuevos y más baratos se quedan en 32 %.
  Fuente ↗
5 IA lo pusieron aquí
Fuente ↗
8
Grok 4.7
La salida más barata del ranking, a $6 por millón de tokens, viene con la tasa de errores más alta del ranking, 1,79, y el 37,6% en tareas de terminal en Grok Build.
Lo incluyeron: ChatGPT, Grok, Gemini, Wenxin, MiMo. No lo incluyeron: Meta, Nova, DeepSeek.
En sus listas: ChatGPT: 10 · Grok: 10 · Gemini: 7 · Wenxin: 7 · MiMo: 10
Qué señaló cada IA 5
- ChatGPTpuesto 10
  Una tasa relativa de errores de 1,79 lo convierte en el puesto de implementación predeterminado menos convincente entre los ocho modelos que cubic clasifica actualmente.
  Fuente ↗
- Grokpuesto 10
  El token de salida clasificado más barato, a $6 por millón, viene con la tasa de errores clasificada más alta: 1,79.
  Fuente ↗
- Geminipuesto 7
  Logra 37,6 % en Terminal-Bench 4.0 dentro de Grok Build, con alto rendimiento de tokens para diagnóstico de sistemas y automatización de infraestructura.
- Wenxinpuesto 7
  37,6 % en terminales: el modelo de terminal de vanguardia no es el modelo de tareas largas de vanguardia.
  Fuente ↗
- MiMopuesto 10
  El tercer lugar que vale un puesto en un equipo mixto: 37,6 % de las tareas de terminal en su propio entorno, real, pero un nivel completo por debajo de los líderes.
  Fuente ↗
5 IA lo pusieron aquí
Fuente ↗
9
Gemini 4 Carbon
Obtiene el 61,2% en FrontierSWE v2, 1,1 puntos por detrás de Opus 5.5 en el mismo entorno de prueba. No tiene tasa de errores de cubic ni fila oficial en Terminal-Bench.
Lo incluyeron: ChatGPT, Meta, Grok. No lo incluyeron: Gemini, Nova, DeepSeek, Wenxin, MiMo.
En sus listas: ChatGPT: 6 · Meta: 7 · Grok: 6
Qué señaló cada IA 3
- ChatGPTpuesto 6
  El 61,2 % en FrontierSWE v2 lo deja solo 1,1 puntos detrás de Opus 5.5 con el mismo entorno de prueba.
- Metapuesto 7
  61,2 % en FrontierSWE v2, puesto 4, sin tasa de errores en Bug Bench: el mejor resultado en tareas largas fuera de OpenAI y Anthropic
- Grokpuesto 6
  Cuarto en el ranking compartido de 20 horas con 61,2 %, y cubic no tiene una tasa de errores contabilizada para él.
3 IA lo pusieron aquí
sin fuente indicada
10
Gemini 4 Argon
El 55,0% en tareas de un día completo, a unos $129 por prueba, cerca de un octavo del costo de Astra. Su precio de salida de introducción, $10, sube a $20 después del 30 de nov. No tiene tasa de errores de cubic.
Lo incluyeron: Meta, DeepSeek, MiMo. No lo incluyeron: ChatGPT, Grok, Gemini, Nova, Wenxin.
En sus listas: Meta: 9 · DeepSeek: 8 · MiMo: 8
Qué señaló cada IA 3
- Metapuesto 9
  55,0 % en FrontierSWE, sin Bug Bench; líder en amplitud según la tabla comparativa de Google de octubre de 2026
- DeepSeekpuesto 8
  55,0 % en FrontierSWE y 57,6 % en Terminal-Bench con $10 de salida en precio de lanzamiento: un tercer puesto creíble, aunque su densidad de errores atrajo críticas independientes.
  Fuente ↗
- MiMopuesto 8
  Una prueba completa de FrontierSWE cuesta $129,36, unas ocho veces menos que la de Astra, así que es el puesto económico para tareas de jornada completa.
  Fuente ↗
3 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 tasas de errores no miden exactamente lo mismo: cambian según la herramienta (0,62 dentro de Codex, 0,76 en total) y según la fecha (Opus 5.5 está en 1,14 ahora, y en octubre estaba en 1,49).

1GPT-5.6 Sol

N.º 1 — GPT-5.6 Sol. En las listas de 8 de 8 IA; puesto mediano allí: 3. Escribe el código más limpio, con menos errores contados, a un precio de salida bajo, aunque es más débil en tareas de un día entero.

¿Sabía que…?

GPT-5.6 viene en tres tamaños: Sol, Terra y Luna. Según las cifras de OpenAI, Terra y Luna, más baratos, superan a Fable 5 en algunas pruebas, con un costo de alrededor de una dieciseisava parte.
Fuente ↗

Qué es: El modelo de código Sol de OpenAI, a la venta en tres tamaños.
Su ventaja: El menor número de errores contados de los tres, a un precio de salida mucho más bajo.
Para quién: Sirve para programar limpio en el día a día; no es la opción para tareas maratónicas de 20 horas.

Tasa relativa de errorestasa relativa de errores de 0,76

Wikidata

Historia

El 26 de junio de 2026, OpenAI presentó en vista previa GPT-5.6 Sol solo a un grupo pequeño de socios verificados. A petición del gobierno de EE. UU., primero compartió con el gobierno los nombres de los socios. OpenAI calificó esto como un paso a corto plazo, no como un acuerdo permanente.
Fuente ↗

Dónde seguir

Abra la página del modelo GPT-5.6 Sol. Allí aparecen el ID del modelo gpt-5.6-sol, una ventana de contexto de 1.050.000 tokens y el precio. Empiece con una tarea real y exigente en el esfuerzo predeterminado (medio), y luego suba o baje el esfuerzo.
Fuente ↗

Comparar los tres primeros ↓

2GPT-6 Astra

N.º 2 — GPT-6 Astra. En las listas de 8 de 8 IA; puesto mediano allí: 3. Gana en las tareas de 20 horas, pero cuesta mucho más por prueba y tiene más errores; por eso es un puesto para escalar casos difíciles.

¿Sabía que…?

Astra es el primer modelo de OpenAI calificado como "Crítico" en habilidades cibernéticas según su Marco de Preparación. Sin límites de producción, obtuvo 100% en ExploitBench, frente a 78,5% de GPT-5.6 Sol.
Fuente ↗

Qué es: El modelo principal GPT-6 de OpenAI, lanzado primero con un grupo pequeño de clientes.
Su ventaja: El mejor en tareas de 20 horas, con 65,5%, por delante de los otros dos.
Para quién: Sirve para trabajos difíciles de un día entero con un presupuesto amplio; no es una opción predeterminada para el día a día.

Tasa relativa de errorestasa de errores de 1,13

Wikipedia · Wikidata

Historia

El 3 de septiembre de 2026, OpenAI lanzó GPT-6 Astra primero a un grupo selecto de clientes de su programa Daybreak, antes de su disponibilidad general.
Fuente ↗

A tener en cuenta

Una semana después del lanzamiento, muchos usuarios dijeron que Astra había empeorado. El equipo de Dax Raad en Opencode volvió a GPT-5.6 Sol, y dijo que duplicar el gasto no justificaba las desventajas. Decrypt indica que OpenAI no había emitido ninguna declaración.
Fuente ↗
Cuesta $10 por millón de tokens de entrada y $50 por millón de tokens de salida, 2,5 veces el precio de lanzamiento de Sol. Sus funciones cibernéticas más fuertes están limitadas a defensores verificados dentro del programa Daybreak.
Fuente ↗

Qué dice la gente

Astra feels significantly dumber for me today — synthwavedd (developer, on X)
Fuente ↗

Dónde seguir

Abra la página de GPT-6 Astra de OpenAI para ver lo que hace bien: uso de computadora, navegación, programación y ciencia. El acceso empezó limitado, así que revise la página para ver qué puede usar su plan antes de empezar.
Fuente ↗

Gemini lo pusieron primero. Qué vieron en él

Gemini: Domina las maratónicas tareas de 20 horas con 65,5 % en FrontierSWE v2, y mantiene una tasa de resolución de 58,2 % en la CLI dentro de Codex.

Vídeo: Coding is Dead? Learn These SKILLS to Survive AGI | GPT-6 Astra Explained (en inglés) · Nishant Chahar

Comparar los tres primeros ↓

3Claude Opus 5.5

N.º 3 — Claude Opus 5.5. En las listas de 8 de 8 IA; puesto mediano allí: 3. Lidera las tareas de terminal y rinde bien en trabajos de 20 horas con un precio bajo por prueba, pero tiene más errores.

¿Sabía que…?

El esfuerzo medio puede superar al esfuerzo máximo. En algunas pruebas de programación, el medio termina las tareas por menos de un dólar y obtiene más puntos que las ejecuciones de esfuerzo máximo, que cuestan varios dólares por tarea.
Fuente ↗

Qué es: El modelo Claude de Anthropic, creado para agentes de programación.
Su ventaja: El mejor en tareas de terminal, con 64,8%, y mucho más barato por prueba que Astra.
Para quién: Sirve para trabajos difíciles de terminal; no es la elección si lo más importante es el código limpio.

Tasa relativa de errorestasa de errores agrupada de 1,14

Historia

El 22 de septiembre de 2026, Anthropic lanzó Claude Opus 5.5, el primer modelo de su familia 5.5. Sus precios estándar de entrada y salida bajaron 20% respecto de Opus 5, a $4 y $20 por millón de tokens.
Fuente ↗ ✓ confirmado por varias IA

Dónde seguir

Lea el anuncio oficial de Claude Opus 5.5. Dice que el modelo iguala a Claude Fable 5.1 en la mayoría de las tareas, con un costo de ejecución 40% menor que Opus 5. Empiece usando el ID de modelo claude-opus-5-5 en la Plataforma de Claude.
Fuente ↗

MiMo lo pusieron primero. Qué vieron en él

MiMo: Gana el tablero de terminal en su entorno con 64,8 % y resiste las tareas de 20 horas con 62,3 %, por unos $99 por intento, cuando el ganador de ese tablero paga $1.030.

Comparar los tres primeros ↓

Los tres primeros, lado a lado

	GPT-5.6 Sol	GPT-6 Astra	Claude Opus 5.5
En las listas de las IA	8 / 8	8 / 8	8 / 8
Tasa relativa de errores	tasa relativa de errores de 0,76	tasa de errores de 1,13	tasa de errores agrupada de 1,14
Primero para	Meta, Wenxin	Gemini	MiMo

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.

El modelo más usado no es el más limpio: Opus 5.5 escribió el 64,4% de las líneas de IA de cubic en la semana del 26 de oct., pero su tasa de errores es 1,14, frente al 0,76 de GPT-6.1 Sol.

Lo notaron:

Lo incluyeron: ChatGPT, Grok. No lo incluyeron: Meta, Gemini, Nova, DeepSeek, Wenxin, MiMo.

01Lista final

GPT-5.6 Sol

GPT-6 Astra

Claude Opus 5.5

GPT-6.1 Sol

Claude Sonnet 5.5

Claude Fable 5.1

Claude Opus 5

Grok 4.7

Gemini 4 Carbon

Gemini 4 Argon

02Más sobre los tres primeros

1GPT-5.6 Sol

¿Sabía que…?

2GPT-6 Astra

¿Sabía que…?

3Claude Opus 5.5

¿Sabía que…?

Los tres primeros, lado a lado

Más rankings

03Vale la pena saber

04Lo que la gente pregunta

05Cómo lo calculamos

1La pregunta

2Por qué este tema

3Dónde aplica

4Qué miramos

5Quién clasificó

6Cómo se fijaron los puestos

06La lista de cada IA

Lo que notó ChatGPT

Lo que notó Meta

Lo que notó Grok

Lo que notó DeepSeek

Lo que notó Wenxin

Lo que notó MiMo