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

La IA más barata para agentes en 2026: factura real por tarea terminada

Muse Ember y Claude Haiku 5.5 obtienen ambos 36 y cobran ambos $0,10 por millón de tokens de entrada y $0,50 por millón de tokens de salida; sin embargo, una tarea de prueba terminada cuesta unos $0,14 en Ember y $0,41 en Haiku.

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
Obtiene 36 por $0,14 por tarea, el modelo más barato con esa puntuación. Sin embargo, su resultado de 69,5% en OSWorld cuenta el crédito parcial: solo 33,8% de las tareas pasan por completo, y ambas cifras son de Meta.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen. No lo incluyeron: Gemini, Wenxin.
En sus listas: Claude: 2 · ChatGPT: 1 · Meta: 1 · Grok: 1 · Z.ai: 1 · Kimi: 1 · DeepSeek: 1 · Qwen: 1
Qué señaló cada IA 8
- Claudepuesto 2
  $0,14 por tarea del índice con una puntuación de 36, pero la cifra de OSWorld es 69,5 % con crédito parcial y solo 33,8 % cuando una tarea debe completarse por entero.
  Fuente ↗
- ChatGPTpuesto 1
  Casi la inteligencia de Haiku por $0,136 en lugar de $0,411 por tarea del índice; la verdadera sorpresa es una tarifa de entrada en caché de $0,004.
  Fuente ↗
- Metapuesto 1
  El mismo 36 que Haiku en AA v5 en máximo, por $0,14 por tarea en lugar de $0,41: la forma más barata de conseguir esa puntuación.
  Fuente ↗
- Grokpuesto 1
  36 independiente por unos $0,14 por tarea terminada; el 36 de Haiku cuesta unos $0,41.
  Fuente ↗
- Z.aipuesto 1
  El modelo más barato por puntuación que Artificial Analysis ha medido: 36 en el índice por $0,14 por tarea, cerca de un tercio de los $0,41 de Claude Haiku 5.5 por la misma puntuación.
  Fuente ↗
- Kimipuesto 1
  $0,14 para terminar una tarea del índice, donde Haiku 5.5 necesita $0,41 con el mismo precio de catálogo de $0,10/$0,50: 2,6 veces menos tokens de salida.
  Fuente ↗
- DeepSeekpuesto 1
  Iguala la puntuación de inteligencia de Haiku por $0,14 por tarea (un tercio de la factura) y sigue liderando el grupo barato en flujos de trabajo empresariales.
  Fuente ↗
- Qwenpuesto 1
  Iguala el cerebro de Claude Haiku por un tercio de la factura.
  Fuente ↗
8 IA lo pusieron aquí
Fuente ↗
2
Claude Haiku 5.5
Misma puntuación de 36, pero $0,41 por tarea, unas tres veces la factura de Ember. Por encima de 100.000 tokens del prompt, su precio de entrada sube cinco veces, hasta $0,50 por millón.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen. No lo incluyeron: Gemini, Wenxin.
En sus listas: Claude: 1 · ChatGPT: 2 · Meta: 2 · Grok: 2 · Z.ai: 3 · Kimi: 2 · DeepSeek: 4 · Qwen: 2
Qué señaló cada IA 8
- Claudepuesto 1
  Misma puntuación del índice que Ember (36), pero cuesta 3 veces más por tarea ($0,41 frente a $0,14), y tiene el historial más limpio en la única prueba independiente de trabajo sin supervisión.
  Fuente ↗
- ChatGPTpuesto 2
  La misma puntuación de inteligencia redondeada que Ember cuesta unas tres veces más, pero Haiku gana la comparación más exigente de fusión de código.
  Fuente ↗
- Metapuesto 2
  El líder en agentes de programación entre los modelos de $0,10, pero escribe unas 3 veces más tokens de salida que Luna por tarea de AA.
  Fuente ↗
- Grokpuesto 2
  El mismo 36 redondeado, unas tres veces la factura, y el que todavía gana en código listo para fusionar.
  Fuente ↗
- Z.aipuesto 3
  El probado: empata con Ember en 36 y supera a todos los rivales baratos en código listo para fusionar, pero la factura es $0,41 por tarea, y a partir de 100 000 tokens de indicación la tarifa de entrada se multiplica por 5 hasta $0,50.
  Fuente ↗
- Kimipuesto 2
  Escribe 298 millones de tokens de salida frente a los 115 millones de Ember por ejecución del índice, a la misma tarifa de salida: la diferencia de $0,27 por tarea es verbosidad, no la tarifa.
  Fuente ↗
- DeepSeekpuesto 4
  La mejor puntuación de OSWorld en la clase barata, con 72,4 %, pero el mismo precio de lista de $0,10/$0,50 se factura en $0,41 por tarea, casi tres veces Muse Ember, y solo termina el 13,9 % de los flujos empresariales estrictos.
  Fuente ↗
- Qwenpuesto 2
  La referencia para los agentes baratos, ahora igualada por centavos.
  Fuente ↗
8 IA lo pusieron aquí
Fuente ↗
3
DeepSeek V4.1 Flash
Tiene la entrada en caché más barata, $0,003 por millón, pero Artificial Analysis le cobró $0,60 por tarea por una puntuación de 33. DeepSeek informa 42,3% en Terminal-Bench; Vals AI midió 31,82%.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: Gemini, Wenxin, Qwen.
En sus listas: Claude: 3 · ChatGPT: 4 · Meta: 5 · Grok: 4 · Z.ai: 5 · Kimi: 4 · DeepSeek: 3
Qué señaló cada IA 7
- Claudepuesto 3
  Los aciertos de caché cuestan $0,003 por millón, lo que lo hace la entrada en caché más barata de aquí, y encabezó la prueba de sesiones largas de Bito con 71,9 %.
  Fuente ↗
- ChatGPTpuesto 4
  Un descuento del 98 % en caché suena imbatible, pero el razonamiento y el consumo de salida elevan la factura medida del índice a $0,60.
  Fuente ↗
- Metapuesto 5
  AA 33 por $0,60 por tarea y una ejecución de Vals en Terminal-Bench por $0,54: el trabajador de terminal de factura baja de este grupo.
- Grokpuesto 4
  Índice 33 cuesta $0,60 por tarea, y la tarifa oficial se duplica cuando llega la hora punta.
  Fuente ↗
- Z.aipuesto 5
  Pesos con licencia MIT y una tarifa de acierto de caché de $0,003 permiten a un desarrollador hacer 445 pruebas de terminal por $27 en total, pero su 42,3 % en Terminal-Bench 4.0, declarado por el propio fabricante, bajó a 19,7 % en la ejecución independiente de Vals.
  Fuente ↗
- Kimipuesto 4
  Los mejores pesos abiertos publicados en el índice, con 32, y 42,3 % en Terminal-Bench 4.0 por unos $0,60–$1,20 por millón de tokens de salida.
  Fuente ↗
- DeepSeekpuesto 3
  A $0,60 por tarea no es el token más barato, pero termina el 42,3 % de las tareas de terminal y el 60,5 % de los flujos de trabajo empresariales: la mejor combinación de terminal y oficina en el nivel barato.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
4
GPT-6 Luna
Mismos precios de $0,10 / $0,50 que Ember y Haiku, y una factura casi igual a la de Ember, con $0,15 por tarea, pero obtiene solo 27,8. En OSWorld solo 17% de las tareas pasan por completo.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: Gemini, Wenxin, Qwen.
En sus listas: Claude: 5 · ChatGPT: 3 · Meta: 4 · Grok: 9 · Z.ai: 6 · Kimi: 3 · DeepSeek: 5
Qué señaló cada IA 7
- Claudepuesto 5
  Mismo precio de $0,10 / $0,50 que Ember y Haiku, pero con 27,8 de puntuación en el esfuerzo máximo y solo 16,4 % en Terminal-Bench 4.0.
  Fuente ↗
- ChatGPTpuesto 3
  Solo $0,073 compran una tarea del índice con esfuerzo bajo, pero la puntuación baja a 21,4; el esfuerzo máximo llega a 27,8 por $0,152.
  Fuente ↗
- Metapuesto 4
  El mismo precio de lista de $0,10 / $0,50 que Haiku y Ember, pero unos 50 000 tokens de salida por tarea de AA en máximo, frente a unos 162 000 de Haiku.
  Fuente ↗
- Grokpuesto 9
  El mismo precio de $0,10 que Ember, 27,8 en el índice y 17 % de éxito binario en la prueba de ordenador.
  Fuente ↗
- Z.aipuesto 6
  El campeón de la factura: $0,01 por tarea del índice con esfuerzo bajo, 15 veces menos que su ajuste máximo, y una tarea real costó $0,071; el inconveniente es que resolvió solo el 13,6 % de las tareas de terminal de Vals.
  Fuente ↗
- Kimipuesto 3
  El más barato por tarea de la clase ($0,07–$0,15), pero solo 16,4 % en Terminal-Bench 4.0: un modelo de enrutamiento, no un finalizador.
  Fuente ↗
- DeepSeekpuesto 5
  El mismo cuadro de precios de $0,10/$0,50 que Haiku y Ember, pero solo 28 de Inteligencia y 16,4 % en Terminal-Bench: la factura más barata puede ser un falso ahorro en trabajos largos.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
5
MiniMax M3.1 Flash
Obtiene 29 a $0,49 por tarea. MiniMax informa 38,1% en Terminal-Bench; Vals AI midió 25,25% con un entorno de prueba compartido. Una ejecución de Bito de 20 turnos costó $3,62.
Lo incluyeron: Claude, Meta, Grok, Z.ai, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Gemini, Wenxin, Qwen.
En sus listas: Claude: 4 · Meta: 6 · Grok: 7 · Z.ai: 2 · Kimi: 6 · DeepSeek: 6
Qué señaló cada IA 6
- Claudepuesto 4
  A menos de un punto de Haiku 5.5 en la prueba de 20 turnos de Bito (75,0 %), pero cada ejecución tardó de 3 a 5 horas y costó $3,62.
  Fuente ↗
- Metapuesto 6
  Estrella del trabajo de oficina con 72,5 % en AutomationBench-AA, pero trabajador de terminal con solo unos 26 %: cómprelo para aplicaciones, no para consolas.
  Fuente ↗
- Grokpuesto 7
  Una puntuación de terminal de 38,1 % declarada por el propio fabricante baja a 25,25 % cuando Vals usa un único entorno de pruebas.
  Fuente ↗
- Z.aipuesto 2
  La segunda mejor puntuación de trabajo de oficina de los 249 modelos que AA probó (72,5 %), mientras factura $0,21 por prueba de terminal en la ejecución independiente de Vals: unas 15 veces más barato por prueba que Haiku 5.5.
  Fuente ↗
- Kimipuesto 6
  38,1 % en Terminal-Bench 4.0 con $0,60 de salida: el tercero discreto que supera a Luna en terminal por 22 puntos.
  Fuente ↗
- DeepSeekpuesto 6
  El especialista en trabajo de oficina: 72,5 % en AutomationBench-AA, el más alto del grupo barato, pero solo 26 % en Terminal-Bench y 21 % en FrontierCode.
  Fuente ↗
6 IA lo pusieron aquí
Fuente ↗
6
GLM-5.3-Flash
Sus precios de $0,15 / $0,50 parecen baratos, pero obtiene 28 a $0,58 por tarea. Escribe más tokens que Luna, así que la factura sale más alta. Una comparación anterior de Artificial Analysis muestra 42 a $0,25.
Lo incluyeron: ChatGPT, Meta, Grok, Kimi, DeepSeek. No lo incluyeron: Claude, Gemini, Z.ai, Wenxin, Qwen.
En sus listas: ChatGPT: 5 · Meta: 7 · Grok: 3 · Kimi: 7 · DeepSeek: 8
Qué señaló cada IA 5
- ChatGPTpuesto 5
  Una tasa oficial de resolución de tareas de terminal de 35,8 % hace de este modelo Flash de pesos abiertos un candidato serio para agentes.
  Fuente ↗
- Metapuesto 7
  Precio de lista de $0,15 de entrada / $0,50 de salida, AA 28 por $0,58 por tarea: barato en el papel, pero más caro por tarea que Luna porque escribe más.
  Fuente ↗
- Grokpuesto 3
  Los pesos abiertos terminan el 60,4 % de los objetivos de oficina, pero solo el 17,6 % de las tareas de código listas para fusionar.
  Fuente ↗
- Kimipuesto 7
  35,8 % en Terminal-Bench 4.0 por $0,36 por tarea: la tasa de acierto medida más barata por encima de un tercio en el cuadro.
  Fuente ↗
- DeepSeekpuesto 8
  Un modelo de $0,58 por tarea con una buena puntuación de 60 % en AutomationBench, pero solo 15 % en FrontierCode y 33 % en Terminal-Bench: capaz en oficina, reacio al código que se fusiona.
  Fuente ↗
5 IA lo pusieron aquí
Fuente ↗
7
Gemini 3.8 Flash
La mayor diferencia entre el precio de lista y la factura real: un precio de entrada de $0,75 se convierte en $7,77 por tarea del índice con esfuerzo alto, por una puntuación de 31.
Lo incluyeron: ChatGPT, Meta, Grok, Z.ai, DeepSeek. No lo incluyeron: Claude, Gemini, Kimi, Wenxin, Qwen.
En sus listas: ChatGPT: 6 · Meta: 9 · Grok: 10 · Z.ai: 9 · DeepSeek: 9
Qué señaló cada IA 5
- ChatGPTpuesto 6
  Su contexto de 1 millón de tokens y sus entradas multimodales son atractivos, pero $1,24 por tarea del índice debilitan el argumento de agente barato.
  Fuente ↗
- Metapuesto 9
  AA 31 con esfuerzo alto, pero AA factura $7,77 por tarea: la prueba más clara de que el precio de lista no es la factura.
  Fuente ↗
- Grokpuesto 10
  La mayor precisión de conocimiento en la comparación con Ember, 50,5 %, a $0,75 por millón de tokens de entrada.
  Fuente ↗
- Z.aipuesto 9
  Sus aficionados hablan de inteligencia de nivel Opus a una quinta parte del precio; el contador de Vals marca $8,65 por prueba de terminal, la factura más alta de la clase económica pese a una precisión mediocre de 19,7 %.
  Fuente ↗
- DeepSeekpuesto 9
  Un precio bajo por token ($0,75 de entrada) que se convierte en $7,77 por tarea terminada: la mayor brecha entre precio de catálogo y factura real de la clase barata.
  Fuente ↗
5 IA lo pusieron aquí
Fuente ↗
8
Xiaomi MiMo-V2.6-Flash
Su factura de $0,13 por tarea iguala la de Ember, pero obtiene solo 27, y cada tarea del índice tarda 64 minutos frente a los 3,1 de Ember.
Lo incluyeron: Meta, Grok, Kimi. No lo incluyeron: Claude, ChatGPT, Gemini, Z.ai, DeepSeek, Wenxin, Qwen.
En sus listas: Meta: 8 · Grok: 8 · Kimi: 9
Qué señaló cada IA 3
- Metapuesto 8
  El tarea de AA más barata del grupo, empatada, a $0,13, con AA 27: un enrutador económico, no un finalizador, según las pruebas encontradas.
  Fuente ↗
- Grokpuesto 8
  La factura de $0,13 por tarea parece la de Ember; luego la tarea tarda 64 minutos y obtiene 27.
  Fuente ↗
- Kimipuesto 9
  24,2 % en Terminal-Bench 4.0 por $0,21 por tarea: el coste medido por tarea de terminal más bajo de la frontera de eficiencia.
  Fuente ↗
3 IA lo pusieron aquí
Fuente ↗
9
Thinking Machines Inkling 2 Small
La palabra «Small» abarca un modelo de 594.000 millones de parámetros. Obtiene 31 a $1,18 por tarea y resuelve solo 12,63% de las tareas de terminal de Vals AI.
Lo incluyeron: Claude, ChatGPT. No lo incluyeron: Meta, Grok, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.
En sus listas: Claude: 6 · ChatGPT: 7
Qué señaló cada IA 2
- Claudepuesto 6
  Obtiene 31 en el índice, pero solo 13 % en Terminal-Bench 4.0 frente al 30 % de Sonnet 5.5 (esfuerzo medio).
  Fuente ↗
- ChatGPTpuesto 7
  La palabra Small oculta un modelo de 594 000 millones de parámetros y una factura de evaluación de $1,18.
  Fuente ↗
2 IA lo pusieron aquí
Fuente ↗
10
Tencent Hy4
Cerca de la puntuación de Ember, con 35, e igualada con ella en la prueba de terminal de Vals AI, con 39,39%, pero cuesta $1,28 por prueba de terminal frente a los $0,22 de Ember.
Lo incluyeron: Meta, Grok. No lo incluyeron: Claude, ChatGPT, Gemini, Z.ai, Kimi, DeepSeek, Wenxin, Qwen.
En sus listas: Meta: 10 · Grok: 5
Qué señaló cada IA 2
- Metapuesto 10
  AA 35 por $1,03 por tarea: más que cualquier modelo de $0,10 de aquí, y el precio de esa puntuación extra se ve claramente.
  Fuente ↗
- Grokpuesto 5
  Empata con Ember en una tabla de terminal con 39,4 %, a $1,28 por prueba frente a los $0,22 de Ember.
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 puntuaciones difieren (36, 36, 33). Las cifras de OSWorld y Terminal-Bench provienen de fuentes distintas: algunas son de los propios creadores, y Vals AI midió su propia prueba.

1Meta Muse Ember

N.º 1 — Meta Muse Ember. En las listas de 8 de 10 IA; puesto mediano allí: 1. Ocupa el primer lugar porque iguala la puntuación de 36 de Haiku pagando cerca de una tercera parte de la factura: $0,14 por tarea.

¿Sabía que…?

La tabla de la propia Meta muestra que Muse Ember logra un 69,5% de crédito parcial en OSWorld 2.1, pero solo un 33,8% de pruebas completas superadas. Claude Haiku 5.5 obtiene un 68,9% parcial, pero solo un 27,8% completo, así que los dos parecen casi empatados hasta que se cuentan las pruebas completas.
Fuente ↗

Qué es: El modelo más pequeño y eficiente de Meta, lanzado el 9 de noviembre de 2026.
Su ventaja: La factura más barata: $0,14 por tarea, frente a $0,41 y $0,60 de los otros dos.
Para quién: Sirve para ejecuciones baratas de agentes; las cifras de OSWorld de la propia Meta todavía no tienen verificación independiente.

Costo por tarea completada$0,14 por tarea

Por qué está aquí

Artificial Analysis dice que Muse Ember es el modelo más barato con 36 puntos en su Intelligence Index. Cuesta $0,14 por tarea, mientras que Claude Haiku 5.5 obtiene 36 puntos con $0,41.
Fuente ↗

¿Sabía que…?

Muse Ember cuesta $0,10 por millón de tokens de entrada y $0,50 por millón de salida. Admite un contexto de 1 millón de tokens y puede escribir hasta 512.000 tokens en una sola respuesta, algo inusualmente largo para un modelo tan barato.
Fuente ↗

Historia

El 9 de noviembre de 2026, Meta lanzó Muse Ember, su modelo más pequeño y eficiente. Fue el primer modelo entrenado con Muse Wonder Full, el modelo más grande de Meta para los problemas más difíciles.
Fuente ↗

A tener en cuenta

La página de metodología de Meta dice que las negativas a responder cuentan como cero y se mantienen en el recuento. También dice que las comprobaciones basadas en modelos son evaluadas por Claude Sonnet 4.6. No encontré ninguna revisión independiente de los resultados de Ember en OSWorld.
Fuente ↗

Dónde seguir

Empiece por la tabla de OSWorld 2.1 en el blog de Meta. Compare las cifras de crédito parcial con las de tareas completas (sí o no), ya que la diferencia muestra cuántas tareas se completan del todo. El identificador del modelo es muse-ember-1.0.
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. Misma puntuación de 36 que Ember, pero la factura es unas tres veces mayor, y el precio de entrada se multiplica por cinco en las peticiones largas.

Qué es: El modelo pequeño y barato de Claude, con un precio de $0,10 de entrada y $0,50 de salida por millón de tokens.
Su ventaja: Empata con Ember en 36 puntos y gana en código listo para incorporar, pero cuesta tres veces más.
Para quién: Sirve para agentes de programación con instrucciones cortas; no para ejecuciones largas de más de 100.000 tokens.

Costo por tarea completada$0,41 por tarea

Wikidata

Por qué está aquí

Haiku 5.5 iguala la puntuación de 36 de Muse Ember en el Intelligence Index, con $0,41 por tarea frente a $0,14 de Ember. Es unas tres veces la factura por la misma puntuación.
Fuente ↗
La entrada de Haiku 5.5 cuesta $0,10 por millón de tokens hasta 100.000 tokens. A partir de 100.000 tokens, cada tarifa se multiplica por cinco, así que la entrada pasa a $0,50. Las ejecuciones largas de agentes pueden toparse con este salto.
Fuente ↗

Claude lo pusieron primero. Qué vieron en él

Claude: Misma puntuación del índice que Ember (36), pero cuesta 3 veces más por tarea ($0,41 frente a $0,14), y tiene el historial más limpio en la única prueba independiente de trabajo sin supervisión.

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. Tiene la entrada en caché más barata, pero solo obtiene 33 puntos y la factura medida es de $0,60 por tarea.

¿Sabía que…?

El precio de la entrada en caché de DeepSeek depende de la hora. Un texto explicativo indica $0,003 por millón de tokens fuera de hora punta y $0,006 en hora punta, así que el $0,003 del titular es la tarifa fuera de hora punta.
Fuente ↗

Qué es: El modelo pequeño de DeepSeek, que reemplazó a su V4-Pro, más grande.
Su ventaja: Entrada en caché más barata: $0,003 por millón de tokens, muy por debajo de los otros dos.
Para quién: Sirve para trabajos que reutilizan el mismo texto; no para quien busca la factura más baja por tarea.

Costo por tarea completada$0,60 por tarea

Por qué está aquí

DeepSeek V4.1 Flash figura con $0,15 de entrada, $0,60 de salida y $0,003 de entrada en caché por millón de tokens. Ese precio de caché es muy bajo, pero solo ayuda cuando se reutiliza el mismo texto.
Fuente ↗

Historia

El 10 de septiembre de 2026, DeepSeek lanzó V4.1-Flash y retiró V4-Pro, su modelo principal. Desde el 14 de septiembre, cada solicitud de V4-Pro se envía a Flash en su lugar, y esta situación durará hasta que llegue un V4.1-Pro, sin fecha indicada.
Fuente ↗ ✓ confirmado por varias IA

A tener en cuenta

El mismo usuario califica al modelo de «algo desactualizado» y dice que necesita recordatorios sobre qué herramientas usar. La página aclara que no se compartieron las tareas ni la configuración, así que es la experiencia de una sola persona, no una prueba controlada.
Fuente ↗
En Humanity's Last Exam, una prueba difícil de razonamiento, V4.1 Flash obtiene 36,8, frente a 44,5 de GPT-5.6 Sol y 56,3 de Claude Opus 5. La página indica que estas cifras vienen de la tabla de la propia DeepSeek.
Fuente ↗

Dónde seguir

Lea primero la nota de lanzamiento de DeepSeek del 10 de septiembre. Verifique el nombre del modelo deepseek-flash y la nota sobre hora punta y fuera de hora punta, donde las tarifas fuera de hora punta son el 50% de las de hora punta. Los precios exactos solo aparecen en una imagen de esta página.
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
Costo por tarea completada	$0,14 por tarea	$0,41 por tarea	$0,60 por tarea
Primero para	ChatGPT, Meta, Grok, Z.ai, Kimi, DeepSeek, Qwen	Claude	—

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.

Ember, Haiku 5.5 y Luna figuran en lista a $0,10 de entrada y $0,50 de salida, pero una tarea del índice cuesta unos $0,14, $0,41 y $0,15. Dos factores explican la factura menor de Ember: la entrada en caché a $0,004 por millón frente a $0,01, y cerca de un tercio de los tokens de salida de Haiku.

Lo notaron:

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

Xiaomi MiMo-V2.6-Flash

Thinking Machines Inkling 2 Small

Tencent Hy4

02Más sobre los tres primeros

1Meta Muse Ember

¿Sabía que…?

2Claude Haiku 5.5

3DeepSeek V4.1 Flash

¿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 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