Volver a la tendencia del día: Meta dice que su IA barata iguala a la de Anthropic con un tercio del costo

Ranking Poly · de la tendencia del día

Mejor modelo para agentes de IA en 2026: trabajo de oficina frente a código

Muse Ember completa 68,1% de los objetivos de flujos de oficina, frente al 35,4% de Claude Haiku 5.5, pero los parches de Haiku pasan más seguido las pruebas de los mantenedores: 34,9% frente a 27,2%.

N.º 1: Meta Muse Ember
10 puestos
Vigente a 10 de noviembre de 2026, 18:16 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
Meta Muse Ember
Déjelo con los pasos de oficina: completa 68,1% de los objetivos de flujo, frente al 35,4% de Haiku. Manténgalo al margen de la fusión final, donde obtiene 27,2% frente al 34,9% de Haiku.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen. No lo incluyeron: Gemini, Wenxin.
En sus listas: Claude: 1 · ChatGPT: 1 · Meta: 5 · Grok: 1 · Z.ai: 3 · Kimi: 2 · DeepSeek: 1 · Qwen: 2
Qué señaló cada IA 8
- Claudepuesto 1
  Gana en trabajo de oficina con 37,8 % en AutomationBench-AA (Haiku 13,9 %), pero pierde en código: 27,2 % frente a 34,9 % en FrontierCode 2.0.
  Fuente ↗
- ChatGPTpuesto 1
  El especialista en oficina: 68,1 % de finalización de objetivos de flujo de trabajo, pero solo 27,2 % en la evaluación de código orientada a la fusión.
  Fuente ↗
- Metapuesto 5
  Orientado a la terminal: 40,9 % en Terminal-Bench en la tabla de Meta, 27,2 % en FrontierCode-AA; no encontré la puntuación de oficina en la lista de 24 modelos de AutomationBench de AA.
  Fuente ↗
- Grokpuesto 1
  Dele los pasos de oficina: 68,1 % de los objetivos de flujo de trabajo, y manténgalo lejos de la fusión final.
  Fuente ↗
- Z.aipuesto 3
  La división oficina-código en un solo modelo: 68,1 % en el flujo de trabajo de AA (la tabla más estricta de Meta dice 37,8), una victoria en terminal sobre Haiku, 40,9 % frente a 32,8 %, y una derrota frente a Haiku en código listo para fusionar, 27,2 % frente a 34,9 %.
  Fuente ↗
- Kimipuesto 2
  Termina el 37,8 % de los flujos de oficina, 2,7 veces la tasa de Haiku, pero la prueba de fusión del mantenedor lo invierte: 27,2 % frente al 34,9 % de Haiku.
  Fuente ↗
- DeepSeekpuesto 1
  El único modelo barato que está en la cima de flujos empresariales (37,8 % estricto) y compite en trabajo de terminal (40,9 %), aunque solo el 27,2 % de sus parches de código se fusionaría.
  Fuente ↗
- Qwenpuesto 2
  Creado específicamente para las llamadas repetitivas a API y el enrutamiento que los agentes hacen todo el día.
  Fuente ↗
8 IA lo pusieron aquí
Fuente ↗
2
Claude Haiku 5.5
El modelo barato al que se le puede dejar tocar el código: 34,9% en la ejecución FrontierCode de Artificial Analysis, aunque el propio marcador de Cognition da 27,7%. En trabajo de oficina solo completa 35,4%.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen. No lo incluyeron: Gemini, Wenxin.
En sus listas: Claude: 2 · ChatGPT: 2 · Meta: 4 · Grok: 2 · Z.ai: 5 · Kimi: 1 · DeepSeek: 2 · Qwen: 4
Qué señaló cada IA 8
- Claudepuesto 2
  La opción para código: la mejor puntuación de FrontierCode 2.0 del grupo pequeño (34,9 %), aunque termina solo el 13,9 % de los flujos de oficina.
  Fuente ↗
- ChatGPTpuesto 2
  Pierde la competencia de flujos de oficina frente a Ember, pero le gana por 7,7 puntos en la comparación de FrontierCode informada.
  Fuente ↗
- Metapuesto 4
  El líder barato en código: 27,7 % en FrontierCode 2.0 y 36 % en terminal, pero solo 35,4 % en flujos de oficina.
  Fuente ↗
- Grokpuesto 2
  El modelo barato que sí debe tocar el código: 34,9 % listo para fusionar, 13,9 % estricto en la prueba de oficina.
  Fuente ↗
- Z.aipuesto 5
  El que debe tocar el código: 34,9 % de los parches superan las pruebas de los mantenedores en FrontierCode 2.0, unos diez puntos por encima de cualquier rival barato, mientras que su puntuación de oficina (35,4 %) es la más baja de aquí.
  Fuente ↗
- Kimipuesto 1
  El único modelo pequeño que gana la columna de código: FrontierCode 2.0 con 34,9 % supera a Muse Ember por 7,7 puntos, y además obtiene 39,2 % en Terminal-Bench.
  Fuente ↗
- DeepSeekpuesto 2
  El programador que fusiona mejor de la clase barata: 34,9 % en FrontierCode 2.0, pero solo 13,9 % estricto en flujos de oficina; arreglará el código e ignorará la hoja de cálculo.
  Fuente ↗
- Qwenpuesto 4
  Las barreras de seguridad de Anthropic le impiden violar las reglas de los flujos SaaS.
8 IA lo pusieron aquí
Fuente ↗
3
DeepSeek V4.1 Flash
Fuerte en trabajo de oficina, con 66,6%, pero solo 19,3% en el marcador de código de Cognition. Su puntuación de terminal baja de un 42,3% informado por el propio fabricante a 31,82% en la prueba de Vals AI.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: Gemini, Wenxin, Qwen.
En sus listas: Claude: 4 · ChatGPT: 5 · Meta: 8 · Grok: 5 · Z.ai: 4 · Kimi: 4 · DeepSeek: 3
Qué señaló cada IA 7
- Claudepuesto 4
  El mejor programador de sesiones largas del grupo de Bito (71,9 %) a $2,17 por ejecución de 20 turnos; no encontré cifra de AutomationBench-AA.
  Fuente ↗
- ChatGPTpuesto 5
  Una puntuación de inteligencia de 33 y pesos abiertos son atractivos, pero FrontierCode baja a 19,3 % en trabajos difíciles listos para fusionar.
  Fuente ↗
- Metapuesto 8
  Fuerte en terminal para su precio, con 31,82 % por $0,54, y débil en código, con 19,3 %: un trabajador de consola, no un fusionador.
- Grokpuesto 5
  En el tablero de Hermes puntúa 36,91 por $0,26 por tarea, junto a los 37,00 de Haiku por $0,49.
  Fuente ↗
- Z.aipuesto 4
  66,6 % en flujos de oficina y pesos MIT abiertos para alojarlo uno mismo; pero su historia en terminal cambia según el entorno: 42,3 % declarado por el propio fabricante frente a 19,7 % en la prueba independiente de Vals.
  Fuente ↗
- Kimipuesto 4
  La opción de código seria más barata: 19,3 % en FrontierCode 2.0 por $0,38 por ejecución, con Terminal-Bench en 42,3 % declarado por el fabricante y 33,8 % según evaluación independiente.
  Fuente ↗
- DeepSeekpuesto 3
  El especialista en terminal: 42,3 % en Terminal-Bench 4.0 y 60,5 % en AutomationBench v1.0.6, pero solo 28 % en FrontierCode: fuerte para ejecutar comandos, más débil para entregar parches listos para fusionar.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
4
GPT-6 Luna
Mediocre en trabajo de oficina y flojo en la terminal: 53,2% de los objetivos de oficina (20,2% en estricto), 25,2% en código y solo 16,4% de las tareas de terminal resueltas.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: Gemini, Wenxin, Qwen.
En sus listas: Claude: 6 · ChatGPT: 6 · Meta: 6 · Grok: 9 · Z.ai: 8 · Kimi: 7 · DeepSeek: 6
Qué señaló cada IA 7
- Claudepuesto 6
  En medio en trabajo de oficina (20,2 %) y el último de los tres rivales de lanzamiento en código (25,2 %) y en tareas de terminal (16,4 %).
  Fuente ↗
- ChatGPTpuesto 6
  Un ayudante de bajo coste con 31 en el Coding Agent Index, pero solo 16,4 % de resolución oficial de tareas de terminal.
  Fuente ↗
- Metapuesto 6
  Equilibrado y barato: 53,2 % en oficina y 21,9 % en código: mejor en oficina que Haiku, pero más débil en código.
  Fuente ↗
- Grokpuesto 9
  Pierde en la prueba estricta de oficina con 20,2 % y en la prueba de fusión con 25,2 %, con un precio de catálogo igual al de Ember.
  Fuente ↗
- Z.aipuesto 8
  Su puntuación de oficina casi se triplica según quién la mida: 20,2 % en la tabla de un solo intento de Meta frente a 53,2 % en la ejecución estándar de AA; y la fusionabilidad queda en 23,8 % en el tablero de Cognition.
  Fuente ↗
- Kimipuesto 7
  La división oficina-código en un mismo modelo: fuerte en flujos empresariales (53 % en AutomationBench-AA en una ejecución de AA, 20,2 % en el gráfico más estricto de Meta), pero 16,4 % en Terminal-Bench.
  Fuente ↗
- DeepSeekpuesto 6
  Una factura por tarea baja ($0,15) oculta resultados flojos en oficina y terminal: 20,2 % estricto en AutomationBench, 16,4 % en Terminal-Bench y 25,2 % en FrontierCode.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
5
MiniMax M3.1 Flash
La mejor puntuación de oficina entre los modelos baratos, 72,5%. Su puntuación de terminal baja de un 38,1% informado por el propio fabricante a 25,25% en la prueba de Vals AI: úselo para apps, no para la línea de comandos.
Lo incluyeron: Claude, Meta, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Gemini, Wenxin, Qwen.
En sus listas: Claude: 5 · Meta: 2 · Grok: 7 · Z.ai: 2 · Kimi: 5 · DeepSeek: 5
Qué señaló cada IA 6
- Claudepuesto 5
  Alcanza 75,0 % en las sesiones de 20 turnos de Bito, casi igual que Haiku 5.5, pero necesita de 3 a 5 horas por ejecución.
  Fuente ↗
- Metapuesto 2
  72,5 % de los objetivos de oficina terminados, la mejor puntuación de oficina entre los modelos baratos, junto a un 25 % en terminal.
  Fuente ↗
- Grokpuesto 7
  La cifra de terminal del lanzamiento, 38,1 %, y la cifra del entorno compartido, 25,25 %, no son la misma prueba.
  Fuente ↗
- Z.aipuesto 2
  72,5 % de los objetivos de flujos de oficina, solo por detrás de Gemini 4 Carbon entre 249 modelos; además, Vals le cobró solo $0,21 por prueba de terminal, la factura por tarea terminada más barata de la clase.
  Fuente ↗
- Kimipuesto 5
  38,1 % en Terminal-Bench 4.0: 22 puntos por encima de Luna con una tarifa de salida similar de unos $0,60, sin cifras publicadas aún de oficina ni de código para fusión.
  Fuente ↗
- DeepSeekpuesto 5
  El campeón de oficina del grupo barato, con 72,5 % en AutomationBench-AA, pero solo 21 % en FrontierCode y 26 % en Terminal-Bench: envíele las hojas de cálculo, no los pull requests.
  Fuente ↗
6 IA lo pusieron aquí
Fuente ↗
6
GLM-5.3-Flash
Un modelo de pesos abiertos para la cola de trabajo de oficina, con 60,4%, y el código listo para fusionar baja a 14,2% en el marcador de Cognition y a 17,6% en la ejecución de Artificial Analysis.
Lo incluyeron: ChatGPT, Grok, Kimi, DeepSeek. No lo incluyeron: Claude, Meta, Gemini, Z.ai, Wenxin, Qwen.
En sus listas: ChatGPT: 4 · Grok: 3 · Kimi: 6 · DeepSeek: 7
Qué señaló cada IA 4
- ChatGPTpuesto 4
  Resolución de terminal de 35,8 % para un modelo Flash, pero solo 14,2 % en la prueba de código de calidad para mantenedores.
  Fuente ↗
- Grokpuesto 3
  Un modelo abierto para la cola de oficina, con 60,4 %, y código listo para fusionar bajando a 17,6 %.
  Fuente ↗
- Kimipuesto 6
  35,8 % en Terminal-Bench 4.0 por $0,36 por tarea: el punto de precio y rendimiento en el que el trabajo barato de terminal empieza a ser fiable.
  Fuente ↗
- DeepSeekpuesto 7
  Un 60 % en AutomationBench lo convierte en un ejecutor creíble de pasos de oficina, pero un 15 % en FrontierCode y un 33 % en Terminal-Bench lo alejan del trabajo con repositorios.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
7
Gemini 3.8 Flash
Completa 59,9% de los objetivos de oficina, pero solo cerca de 19% de las tareas de terminal, y Vals AI facturó $8,65 por prueba de terminal, la factura más alta del grupo de presupuesto.
Lo incluyeron: ChatGPT, Meta, Z.ai, DeepSeek. No lo incluyeron: Claude, Grok, Gemini, Kimi, Wenxin, Qwen.
En sus listas: ChatGPT: 7 · Meta: 3 · Z.ai: 7 · DeepSeek: 9
Qué señaló cada IA 4
- ChatGPTpuesto 7
  Un asistente multimodal de un millón de tokens, pero solo se resolvió el 19,1 % de las tareas oficiales de terminal en el entorno en que fue evaluado.
  Fuente ↗
- Metapuesto 3
  59,9 % en oficina y 19,7 % en terminal: la misma división que MiniMax, a un coste medido por tarea muy superior.
  Fuente ↗
- Z.aipuesto 7
  59,9 % en flujos de oficina, con aficionados a la inteligencia que lo comparan con el nivel de Opus; pero el mismo modelo le costó a Vals $8,65 por prueba de terminal, la factura por tarea terminada más alta de la clase económica.
  Fuente ↗
- DeepSeekpuesto 9
  Un 60 % en AutomationBench con esfuerzo alto, pero solo 19 % en FrontierCode y 20 % en Terminal-Bench: un recordatorio de que la competencia de oficina no se traslada al código listo para fusionar.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
8
Thinking Machines Inkling 2 Small
Se informa que salta a 46% en trabajo de oficina, según una sola fuente, con código en 22,6% a 25%. Resuelve solo 12,63% de las tareas de terminal.
Lo incluyeron: Claude, ChatGPT. No lo incluyeron: Meta, Grok, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.
En sus listas: Claude: 3 · ChatGPT: 8
Qué señaló cada IA 2
- Claudepuesto 3
  Según se informa, pasa del 5 % al 46 % en AutomationBench-AA frente a su predecesor, mientras que en Terminal-Bench 4.0 se mantiene en unos 13 %.
  Fuente ↗
- ChatGPTpuesto 8
  Su 22,6 % en FrontierCode es respetable, pero una tarea del índice de $1,18 y la lentitud para completarla debilitan la economía de los agentes.
  Fuente ↗
2 IA lo pusieron aquí
Fuente ↗
9
Qwen3.8 Flash
Su puntuación de oficina de 55,9% está 30 puntos por encima de su 25,3% en terminal, en la misma página de Artificial Analysis. Solo una fuente informa estas cifras.
Lo incluyeron: Grok. No lo incluyeron: Claude, ChatGPT, Meta, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.
En sus listas: Grok: 4
Qué señaló cada IA 1
- Grokpuesto 4
  El trabajo de oficina con 55,9 % queda 30 puntos por encima de su puntuación de terminal en la misma tarjeta.
  Fuente ↗
1 IA lo pusieron aquí
Fuente ↗
10
Qwen3.8-27B
Especialista en trabajo de escritorio en pantalla, no en terminal: 84,3% en OSWorld-Verified, pero solo 5,1% en Terminal-Bench 4.0, con 48,2% en trabajo de oficina. Solo una fuente informa estas cifras.
Lo incluyeron: Z.ai. No lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek, Wenxin, Qwen.
En sus listas: Z.ai: 9
Qué señaló cada IA 1
- Z.aipuesto 9
  El especialista en interfaz gráfica de la categoría pequeña: 84,3 % en OSWorld-Verified (cuarto en general) frente a 5,1 % en Terminal-Bench 4.0: aplicaciones de escritorio sí, terminales en contenedores no.
  Fuente ↗
1 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.

Los tres se comparan con pruebas distintas: el 68,1% de Ember y el 66,6% de DeepSeek provienen de ejecuciones de flujos de trabajo de oficina, y el 35,4% de Haiku proviene de la misma medición de oficina. Las puntuaciones de código y de terminal provienen de otras pruebas comparativas, y algunas las informan las propias empresas o provienen de inde

1Meta Muse Ember

N.º 1 — Meta Muse Ember. En las listas de 8 de 10 IA; puesto mediano allí: 1.5. Las IA la ponen en primer lugar porque completa muchos más pasos de flujos de trabajo de oficina que Haiku, aunque pierde en código listo para integrar.

¿Sabía que…?

Meta Muse Ember es el modelo más pequeño de la familia Muse de Meta. Está pensado para funcionar junto a un planificador más grande, Muse Wonder. Así lo resume Meta: «Muse Wonder planifica, Muse Ember se encarga del volumen». Sus pesos se mantienen privados.
Fuente ↗ ✓ confirmado por varias IA

Qué es: El modelo Muse más pequeño y barato de Meta, pensado para tareas pequeñas y repetitivas de agentes.
Su ventaja: Completa el 68,1% de los objetivos de flujos de trabajo de oficina, muy por encima del 35,4% de Haiku.
Para quién: Sirve para trabajo de agentes al estilo de oficina; no para código que deba integrarse.

Objetivos de tareas de oficina completados68,1% de los objetivos de oficina

Por qué está aquí

En la prueba larga de flujos de trabajo de escritorio de Meta (OSWorld 2.1), Ember obtiene un 69,5% de crédito parcial. Claude Haiku 5.5 obtiene un 68,9%. Es casi un empate, así que la ventaja de Ember en trabajo de oficina es pequeña en esta medida.
Fuente ↗
En tareas terminadas por completo, Ember completa el 33,8% frente al 27,8% de Haiku, según The New Stack. Su ventaja aparece cuando se cuentan solo las tareas terminadas de principio a fin.
Fuente ↗

¿Sabía que…?

Ember cuesta $0,10 por millón de tokens de entrada y $0,50 por millón de tokens de salida. Aun así, tiene una ventana de contexto de 1 millón de tokens y acepta imágenes como entrada. Es el cuarto modelo Muse, después de Spark, Glimmer y Wonder.
Fuente ↗

A tener en cuenta

Ember se lanzó el 9 de noviembre de 2026 como un modelo más pequeño y barato, así que la cobertura hasta ahora se apoya en las pruebas propias de Meta. Todavía no hay reseñas independientes de usuarios. Tome las puntuaciones iniciales como afirmaciones del fabricante.
Fuente ↗

Dónde seguir

Abra el blog y pruebe Muse Ember con el botón «Try Muse». Primero mire el gráfico «Intelligence vs. Cost Per Task», justo después de la introducción. Estas cifras son de Meta, así que compárelas con pruebas independientes.
Fuente ↗

Comparar los tres primeros ↓

2Claude Haiku 5.5

N.º 2 — Claude Haiku 5.5. En las listas de 8 de 10 IA; puesto mediano allí: 2. Las IA la ponen en segundo lugar como modelo barato en el que se puede confiar para el código, porque más de sus parches pasan las pruebas de los mantenedores, aunque sus resultados de oficina son más débiles.

Qué es: El modelo pequeño y barato de Anthropic, de la familia Claude 5.5.
Su ventaja: Sus parches de código pasan las pruebas de los mantenedores con más frecuencia: 34,9% frente al 27,2% de Ember.
Para quién: Sirve para arreglos y parches de código; no es la mejor opción para flujos de trabajo de oficina.

Objetivos de tareas de oficina completados35,4% de los objetivos de oficina

Wikidata

Por qué está aquí

La página de resultados de Meta da a Claude Haiku 5.5 un 68,9% de crédito parcial en los flujos de trabajo tipo oficina de OSWorld 2.1. Ember tiene un 69,5%, así que Haiku se queda muy cerca en las tareas de escritorio.
Fuente ↗
La misma prueba cuenta por separado las tareas terminadas por completo. Haiku termina por completo el 27,8% de las tareas, frente al 33,8% de Ember. Parte de su lugar se debe a su fortaleza en otros campos, como el código.
Fuente ↗

Kimi lo pusieron primero. Qué vieron en él

Kimi: El único modelo pequeño que gana la columna de código: FrontierCode 2.0 con 34,9 % supera a Muse Ember por 7,7 puntos, y además obtiene 39,2 % en Terminal-Bench.

Vídeo: Claude Haiku vs Sonnet vs Opus vs Fable Clearly Explained (& use cases) (en inglés) · Eliot Prince

Comparar los tres primeros ↓

3DeepSeek V4.1 Flash

N.º 3 — DeepSeek V4.1 Flash. En las listas de 7 de 10 IA; puesto mediano allí: 4. Las IA la ponen en tercer lugar: su resultado en oficina es sólido, pero su puntuación de código es débil y sus resultados en terminal varían según la prueba.

Qué es: El modelo barato Flash de DeepSeek, con pesos abiertos, que ahora también atiende sus peticiones Pro.
Su ventaja: Cerca de Ember en trabajo de oficina, con el 66,6%, y más barato por tarea que Haiku.
Para quién: Sirve para la instalación en servidores propios y tareas de terminal; no para código listo para integrar.

Objetivos de tareas de oficina completados66,6% en flujos de trabajo de oficina

Por qué está aquí

En la medición independiente de Vals de Terminal-Bench 4.0, la versión DeepSeek V4.1 Flash 1017 obtiene un 31,82%. GPT-6.1 Sol obtiene un 55,05% en la misma página, así que la distancia con el líder es grande.
Fuente ↗

Historia

El 14 de septiembre de 2026, DeepSeek empezó a enviar todas las solicitudes de su modelo más potente, V4-Pro, al más barato V4.1-Flash, trasladando el ahorro a los clientes. Flash se había lanzado cuatro días antes, el 10 de septiembre.
Fuente ↗ ✓ confirmado por varias IA

A tener en cuenta

DeepSeek dice que ahora todas las solicitudes a su modelo Pro se dirigen a V4.1 Flash y se cobran al precio de Flash. Los comentaristas de Hacker News consideran preocupante que se cambie de modelo sin avisar, y un usuario informa de que Flash falla en herramientas de programación, con bucles y llamadas a herramientas no válidas.
Fuente ↗

Dónde seguir

Abra la ficha del modelo en Hugging Face. Empiece por la sección «Performance across agent scaffolds», que cubre las pruebas de tareas de terminal. La página también indica 552.000 millones de parámetros, mientras que los metadatos del Hub dicen 763.000 millones, así que lea las cifras con cuidado.
Fuente ↗

Comparar los tres primeros ↓

Los tres primeros, lado a lado

	Meta Muse Ember	Claude Haiku 5.5	DeepSeek V4.1 Flash
En las listas de las IA	8 / 10	8 / 10	7 / 10
Objetivos de tareas de oficina completados	68,1% de los objetivos de oficina	35,4% de los objetivos de oficina	66,6% en flujos de trabajo de oficina
Primero para	Claude, ChatGPT, Grok, DeepSeek	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.

El líder en oficina no es el líder en código. Ember supera a Haiku 5.5 en flujos terminados (68,1% frente a 35,4%) y pierde en código listo para fusionar (27,2% frente a 34,9%). Ambos resultados son ejecuciones de Artificial Analysis.

Lo notaron:

Lo incluyeron: Claude, ChatGPT, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: Meta, Gemini, Wenxin, Qwen.

01Lista final

Meta Muse Ember

Claude Haiku 5.5

DeepSeek V4.1 Flash

GPT-6 Luna

MiniMax M3.1 Flash

GLM-5.3-Flash

Gemini 3.8 Flash

Thinking Machines Inkling 2 Small

Qwen3.8 Flash

Qwen3.8-27B

02Más sobre los tres primeros

1Meta Muse Ember

¿Sabía que…?

2Claude Haiku 5.5

3DeepSeek V4.1 Flash

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 Claude

Lo que notó ChatGPT

Lo que notó Meta

Lo que notó Grok

Lo que notó Gemini

Lo que notó Z.ai

Lo que notó Kimi

Lo que notó DeepSeek

Lo que notó Wenxin

Lo que notó Qwen