Volver a la tendencia del día: OpenAI: la IA Astra cuesta menos de un tercio del antiguo modelo principal
Ranking Poly · de la tendencia del día

Clasificación de costo por tarea de IA 2026: los 10 mejores modelos

GPT-6.2 Astra y Claude Fable 5.2 tienen la misma tarifa de lista: $8 por millón de tokens de entrada y $40 de salida. Sin embargo, Artificial Analysis gastó $4,00 para completar una tarea con Astra y $26,54 con Fable.

  • N.º 1: GPT-6.2 Sol
  • 10 puestos

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. 1

    GPT-6.2 Sol

    Obtiene 57 en Artificial Analysis con $1,01 por tarea y 66,06% en Vals con $3,18. Ningún otro modelo tan barato alcanza una puntuación de nivel profesional en tres clasificaciones.

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

    En sus listas: Claude: 1 · Meta: 2 · Grok: 1 · MiMo: 4 · StepFun: 6 · Kimi: 1 · Wenxin: 1 · DeepSeek: 1

    Qué señaló cada IA 8
    • Claudepuesto 1

      Obtiene 57 en el Intelligence Index, a unos $1,01 por tarea del índice, frente a unos $4 de Astra y $26,54 de Fable 5.2.

      Fuente ↗
    • Metapuesto 2

      Puntuación antigua de Astra de 57 por unos $1 la tarea; puntuación de frontera a precio cotidiano

      Fuente ↗
    • Grokpuesto 1

      66,06% en el índice de oficina a $3,18 por prueba, menos de una quinta parte de los $17,94 de Claude Fable 5.2, y el mismo 57 que el antiguo buque insignia a $1,01.

      Fuente ↗
    • MiMopuesto 4

      Obtiene 57 en el Intelligence Index por $1,01 por tarea: diez puntos del índice por debajo de Fable 5.2, por una veintiseisava parte de su factura de tareas.

      Fuente ↗
    • StepFunpuesto 6

      $3,18 por prueba de Vals frente a $16,18 de Claude Sonnet 5.5: el puesto cotidiano a una quinta parte de la factura de oficina

      Fuente ↗
    • Kimipuesto 1

      Iguala la puntuación de Artificial Analysis del antiguo GPT-6 Astra (57) a $1,01 por tarea, cerca de una sexta parte del costo del buque insignia; y en Agents' Last Exam su nivel alto obtiene 72,0% por $0,69, una treceava parte del precio de GPT-6 Astra con esfuerzo máximo por apenas un punto menos.

      Fuente ↗
    • Wenxinpuesto 1

      Iguala la capacidad del antiguo buque insignia GPT-6 Astra con cerca del 15% del costo medido por tarea de ese modelo

      Fuente ↗
    • DeepSeekpuesto 1

      Obtiene 57 en el Índice de Inteligencia AA por $1,01 por tarea, a la par de GPT-6 Astra con cerca del 15% de su factura por tarea terminada.

    8 IA lo pusieron aquí
  2. 2

    GPT-6.2 Astra

    Obtiene 62 en Artificial Analysis con $4,00 por tarea, tres puntos menos que Fable 5.2 y con cerca de una sexta parte de su factura. Ahí, su costo por tarea bajó 36% frente a GPT-6 Astra y cerca de 50% en Vals.

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

    En sus listas: Claude: 2 · Meta: 5 · Grok: 6 · MiMo: 8 · StepFun: 2 · Kimi: 3 · Wenxin: 4 · DeepSeek: 5

    Qué señaló cada IA 8
    • Claudepuesto 2

      Segundo en Artificial Analysis con 62, detrás de los 65 de Fable 5.2, a unos $4,00 por tarea, frente a $26,54 de Fable 5.2.

    • Metapuesto 5

      62 en Artificial Analysis por $4,00, 3 puntos detrás de Fable, por cerca de una sexta parte de la factura de tareas

      Fuente ↗
    • Grokpuesto 6

      Los mismos 62 que Fable en xhigh, por $4,00 frente a $14,83, y luego una factura normal de $10,68 en la mezcla de oficina.

    • MiMopuesto 8

      Evaluadores independientes midieron ahorros de 36% y 50% por tarea, donde el lanzamiento de OpenAI afirmaba «menos de un tercio».

    • StepFunpuesto 2

      Termina 78,3% de Agents' Last Exam a $2,89, mientras que el modelo que lidera otros cuadros factura $60,05 por 72,8%

      Fuente ↗
    • Kimipuesto 3

      $4,00 por tarea de Artificial Analysis frente a los $26,54 de Fable 5.2, por solo 3 puntos menos: trabajo profesional de frontera a cerca de una sexta parte de la factura por tarea del líder, y la afirmación de OpenAI de «menos de un tercio» se verifica en Agents' Last Exam (32%).

    • Wenxinpuesto 4

      Cuesta menos de un tercio que GPT-6 Astra, el buque insignia anterior de OpenAI, por tarea, con un precio por token 20% menor que el de su predecesor

      Fuente ↗
    • DeepSeekpuesto 5

      Obtiene 62 en el índice difícil a $4,00 por tarea: el «menos de un tercio» que promete OpenAI es en realidad un recorte del 36% frente a GPT-6 Astra ($6,24), no de dos tercios.

    8 IA lo pusieron aquí
  3. 3

    Claude Sonnet 5.5

    Obtiene 70,85% en Vals, pero con $16,18 por prueba cuesta cinco veces los $3,18 de Sol. En AI//COST solo logra 47 tareas correctas por dólar.

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

    En sus listas: Claude: 3 · ChatGPT: 8 · Meta: 7 · Grok: 8 · MiMo: 10 · StepFun: 5 · Kimi: 7 · DeepSeek: 7

    Qué señaló cada IA 8
    • Claudepuesto 3

      Segundo en el Vals Index con 70,85%, solo 0,46 puntos detrás de Fable 5.2, con un precio de lista de $2/$10 por millón de tokens.

    • ChatGPTpuesto 8

      Dos fallos suman solo 20¢, pero su factura de $1,76 para la cesta deja 47 tareas correctas por dólar.

      Fuente ↗
    • Metapuesto 7

      Trabajo de oficina casi en lo más alto, con 70,85% en Vals, pero $1,76 sin errores en Cost Bench: se paga por los fallos que evita

    • Grokpuesto 8

      70,85% a $16,18 por prueba, y una aplicación web mediana a $3,04 frente a los $11,53 de Fable.

      Fuente ↗
    • MiMopuesto 10

      80 de 82 tareas de trabajo correctas y segundo en el índice ponderado por PIB, a un cuarto del precio por token del buque insignia.

      Fuente ↗
    • StepFunpuesto 5

      El caballo de trabajo: 70,85% en el Vals Index, con una factura que va de $0,51 a $7,60 según el control de esfuerzo

      Fuente ↗
    • Kimipuesto 7

      Tercero en el índice de oficina de Vals ponderado por PIB (70,85%) con una tarifa de $2/$10 por token: un puesto de oficina casi de frontera por una quinta parte de la factura del buque insignia.

    • DeepSeekpuesto 7

      Lidera el trabajo de oficina ponderado por PIB de Vals con 70,85%, pero a $16,18 por prueba y con solo 47 tareas correctas por dólar en la canasta de AI//COST.

    8 IA lo pusieron aquí
  4. 4

    Gemini 4 Carbon

    Obtiene 70,45% en Vals con $10,51 por prueba y 60 en Artificial Analysis. Su costo por tarea ahí se cita en $4,90, $5,48 y $7,76, y su precio se duplica después del 30 de noviembre.

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

    En sus listas: Claude: 5 · Meta: 8 · Grok: 5 · MiMo: 9 · Kimi: 8 · DeepSeek: 6

    Qué señaló cada IA 6
    • Claudepuesto 5

      Tercero en el Vals Index con 70,45%, pero su precio está en disputa: una fuente dice $4/$20 y otra dice que Google no ha publicado ninguno.

    • Metapuesto 8

      70,5% en Vals por $10,51 por prueba, más barato por prueba de oficina que Sonnet o Fable, con 60 en Artificial Analysis

      Fuente ↗
    • Grokpuesto 5

      70,45% a $10,51 por prueba, un poco por debajo de la factura de oficina de Astra, mientras que el precio de etiqueta de $2/$10 dura solo hasta el 30 de noviembre.

      Fuente ↗
    • MiMopuesto 9

      Elo de 1769 en aplicaciones web terminadas, con una mediana de $1,61 por tarea: la mejor puntuación del cuadro por menos de dos dólares.

      Fuente ↗
    • Kimipuesto 8

      Queda a un punto de GPT-6.2 Astra en Agents' Last Exam (77,4% a $4,60 por tarea) y lidera los dos cuadros de preferencia humana de Arena: trabajo terminado sólido por dólar, con el atractivo más amplio.

      Fuente ↗
    • DeepSeekpuesto 6

      60 en el Índice de Inteligencia a $5,48 por tarea y 70,45% en el índice de oficina ponderado por PIB, pero gasta más tokens por tarea que su hermano menor y más barato.

      Fuente ↗
    6 IA lo pusieron aquí
  5. 5

    Claude Fable 5.2

    Lidera Artificial Analysis (65) y Vals (71,31%), pero con $26,54 por tarea cuesta 6,6 veces más que Astra, con la misma tarifa de $8/$40.

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

    En sus listas: Claude: 6 · Meta: 10 · Grok: 9 · StepFun: 10 · Kimi: 9 · DeepSeek: 10

    Qué señaló cada IA 6
    • Claudepuesto 6

      Lidera tanto Vals (71,31%) como Arena WebDev (1824), pero cuesta unos $26,54 por tarea del índice con esfuerzo máximo, frente a los $4 de Astra.

    • Metapuesto 10

      Las mejores puntuaciones del mercado, 65 en Artificial Analysis y 71,31% en Vals, a $26,54 por tarea de Artificial Analysis: el precio de casi nunca fallar

    • Grokpuesto 9

      Las puntuaciones altas son reales, y también la factura: 65 por $26,54, o 71,31% por $17,94.

      Fuente ↗
    • StepFunpuesto 10

      Gana en todos los cuadros y pierde en todas las facturas: $26,54 por tarea con esfuerzo máximo, $60,05 en Agents' Last Exam

    • Kimipuesto 9

      El techo de calidad: #1 en Artificial Analysis (65) y en Vals (71,31%), pero a $26,54 por tarea de Artificial Analysis compra certeza, no valor; es la prueba del ranking de que «terminado» y «barato» siguen en tensión.

    • DeepSeekpuesto 10

      La puntuación más alta de la tabla, 65, pero $26,54 por tarea terminada: 26 veces la factura de GPT-6.2 Sol por 8 puntos más en el índice.

    6 IA lo pusieron aquí
  6. 6

    Muse Ember

    El único modelo que superó las 82 tareas de AI//COST, con $0,303 (271 tareas correctas por dólar). En el índice más exigente de Artificial Analysis obtiene 36, frente al 57 de Sol.

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

    En sus listas: ChatGPT: 1 · Meta: 1 · MiMo: 1 · StepFun: 7 · DeepSeek: 3

    Qué señaló cada IA 5
    • ChatGPTpuesto 1

      Terminó las 82 tareas con una factura de $0,303: 271 tareas completadas correctamente por dólar, según el supuesto de AI//COST de 10¢ por fallo.

      Fuente ↗
    • Metapuesto 1

      271 tareas terminadas por dólar, 82 de 82 sin errores por $0,303; el único cuadro que cobra el fallo y aun así gana

      Fuente ↗
    • MiMopuesto 1

      Superó las 82 tareas de trabajo por $0,303: el único modelo cuya factura total es también su costo de un resultado sin errores.

      Fuente ↗
    • StepFunpuesto 7

      El modelo más barato que jamás ha obtenido 36 en el Intelligence Index: $0,10 por millón de tokens de entrada

      Fuente ↗
    • DeepSeekpuesto 3

      El único modelo de la canasta de noviembre de AI//COST que supera las 82 tareas; resultado limpio de $0,303, o 271 tareas correctas por dólar con un precio de fallo de 10 centavos.

      Fuente ↗
    5 IA lo pusieron aquí
  7. 7

    Claude Haiku 5.5

    Gana en AI//COST siempre que una tarea fallida cueste entre 0,5 y 6,4 centavos: 79 de 82 tareas por $0,111. Sin embargo, en Vals obtiene 58,73% con $3,17, por debajo del 66,06% de Sol con $3,18.

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

    En sus listas: ChatGPT: 2 · Meta: 3 · MiMo: 3 · StepFun: 8 · DeepSeek: 2

    Qué señaló cada IA 5
    • ChatGPTpuesto 2

      Su factura de $0,111 subió a $0,411 al cobrar tres fallos; aun así, unas 199 tareas correctas por dólar.

      Fuente ↗
    • Metapuesto 3

      Mismo 36 que Ember en Artificial Analysis, pero $0,41 por tarea, y 79 de 82 en Cost Bench; barato hasta contar sus 3 fallos

    • MiMopuesto 3

      Gana el ranking siempre que un fallo cueste entre medio centavo y 6,4 centavos.

      Fuente ↗
    • StepFunpuesto 8

      La misma tarifa de $0,10/$0,50 y el mismo 36 en el índice que Ember, con una ventana de 1M de tokens

      Fuente ↗
    • DeepSeekpuesto 2

      Termina 79 de 82 tareas con una factura de $0,11; con un cargo de 10 centavos por fallo, su resultado limpio es $0,411: 199 tareas correctas por dólar.

      Fuente ↗
    5 IA lo pusieron aquí
  8. 8

    GPT-6.1 Terra

    Superó 81 de 82 tareas de AI//COST y obtiene 51 en Artificial Analysis con $0,96, así que el ahorro se mantiene con una segunda fuente de medición. Su factura de la canasta se cita en $0,537 o $0,637.

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

    En sus listas: ChatGPT: 3 · Meta: 4 · MiMo: 2 · Wenxin: 6 · DeepSeek: 4

    Qué señaló cada IA 5
    • ChatGPTpuesto 3

      Un fallo entre 82 tareas; su factura de $0,637 pasa a $0,737 con el cargo predeterminado por fallo, y la publicación dice que su resultado está estadísticamente empatado con el grupo de cabeza.

      Fuente ↗
    • Metapuesto 4

      El más barato del top 10 de Artificial Analysis, a $0,96 por tarea, y 81 de 82 en Cost Bench; el antiguo rey del valor que reemplaza a Sol

    • MiMopuesto 2

      Entre los tres primeros en la cesta con fallos cobrados, y aun así obtiene 51 en la mezcla más difícil de Artificial Analysis, a $0,96 por tarea: el ahorro que sobrevive a una segunda publicadora.

      Fuente ↗
    • Wenxinpuesto 6

      El modelo medido más barato del primer nivel de capacidad, a 0,96 por tarea completada

    • DeepSeekpuesto 4

      81 de 82 tareas bien para una factura de $0,537: $0,637 limpio, 129 tareas por dólar y $2,94 por cada prueba de oficina de Vals.

      Fuente ↗
    5 IA lo pusieron aquí
  9. 9

    GPT-6 Luna

    Tiene la factura bruta más barata, $0,079 por las 82 tareas, pero falló en 10 de ellas. Solo lidera cuando un fallo cuesta menos de medio centavo.

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

    En sus listas: ChatGPT: 6 · MiMo: 5 · Kimi: 6 · DeepSeek: 9

    Qué señaló cada IA 4
    • ChatGPTpuesto 6

      La factura bruta de la API es solo 7,9¢, pero diez fallos hacen que el resultado con precio sea 10,8 veces más caro, al precio de fallo elegido por AI//COST.

      Fuente ↗
    • MiMopuesto 5

      La factura más barata del campo: $0,079 por 82 tareas, y el ganador solo mientras un fallo cueste menos de medio centavo.

      Fuente ↗
    • Kimipuesto 6

      Terminó las 49 tareas cortas sin un solo fallo por $0,000026 por respuesta correcta: la tarea terminada y verificada más barata medida en lo que va del año.

      Fuente ↗
    • DeepSeekpuesto 9

      Tiene la factura bruta más barata de AI//COST, $0,079 por 82 tareas, pero falla 10 de ellas, así que solo gana cuando un fallo cuesta menos de medio centavo.

      Fuente ↗
    4 IA lo pusieron aquí
  10. 10

    Gemini 4 Neon

    Obtiene 70,87% en Vals con $7,40 por prueba, 0,44 puntos detrás de Fable 5.2 pero por menos de la mitad de los $17,94 de Fable. Su puntuación de 61 en Artificial Analysis, por ahora, solo la informa Google.

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

    En sus listas: Grok: 2 · StepFun: 3

    Qué señaló cada IA 2
    • Grokpuesto 2

      0,44 puntos detrás del líder de oficina, a $7,40 por prueba en lugar de $17,94.

      Fuente ↗
    • StepFunpuesto 3

      0,44 puntos por debajo del líder de Vals, a menos de la mitad del costo por prueba: $7,40 frente a $17,94

      Fuente ↗
    2 IA lo pusieron aquí

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 tres se evalúan en tablas distintas (Artificial Analysis, Vals y AI//COST), así que sus cifras en dólares no se pueden comparar directamente.

1GPT-6.2 Sol

N.º 1 — GPT-6.2 Sol. En las listas de 8 de 10 IA; puesto mediano allí: 1. Iguala la puntuación de 57 de su modelo insignia anterior con alrededor de una sexta parte del costo por tarea, así que es la opción sólida más barata.

¿Sabía que…?

  • Las propias páginas de Artificial Analysis sobre GPT-6.2 Sol no coinciden en el costo. Una dice $1,01 por tarea con esfuerzo máximo, mientras que la tabla de la página principal muestra $1,47. Verifique qué cifra usa cada fuente antes de compararlas.

Qué es
El modelo cotidiano GPT-6.2 de OpenAI, con precio de $2 y $10 por millón de tokens.
Su ventaja
La factura por tarea más baja de las tres, alrededor de $1,01.
Para quién
Sirve para trabajos con presupuesto ajustado; menos si necesita la puntuación más alta.
  • Costo por tarea terminada$1,01 por tarea
Por qué está aquí
  • Artificial Analysis dice que GPT-6.2 Sol (Max) obtiene 57 en su Intelligence Index con un costo de unos $1,01 por tarea. Es la factura más baja de las tres, y la página indica 7,9 minutos por tarea.

  • Comparado con su versión anterior, GPT-6.1 Sol, el nuevo Sol cuesta menos por tarea: $1,01 frente a $1,27. Sus precios por token se mantuvieron igual, en $2 y $10 por millón de tokens.

Historia
  • La historia de Sol empieza en el DevDay de OpenAI. Su predecesor, GPT-6.1 Sol, se presentó el 29 de septiembre de 2026, y la cobertura decía que Sol casi eclipsó al modelo Astra.

A tener en cuenta
  • El Coding Agent Index de Artificial Analysis ubica a GPT-6.2 Sol 3 puntos del índice por debajo de GPT-6.1 Sol, una caída ligada a una baja de 14 puntos en una prueba de una pregunta sobre una base de código. Su Vals Science Index es 58,5% frente a 59,6%.

  • El precio estándar de Sol es $2,00 de entrada y $10,00 de salida para prompts de hasta 272K. Por encima de 272K de entrada sube a $4,00 y $15,00. El modo rápido cuesta más, así que un precio principal bajo puede crecer.

Dónde seguir
  • Abra la página de Artificial Analysis de GPT-6.2 Sol. Primero mire su costo por tarea junto a su puntuación en el Intelligence Index, para ver cuán barato es realmente un buen resultado.

Comparar los tres primeros ↓

2GPT-6.2 Astra

N.º 2 — GPT-6.2 Astra. En las listas de 8 de 10 IA; puesto mediano allí: 4.5. Obtiene 62, tres puntos menos que Fable 5.2, por alrededor de una sexta parte de la factura por tarea de Fable.

¿Sabía que…?

  • El precio de GPT-6.2 Astra por millón de tokens es $8 de entrada y $40 de salida, un 20% menos que GPT-6 Astra. Artificial Analysis indica $4,00 por tarea para ejecutar su Intelligence Index con esfuerzo máximo.

Qué es
El modelo principal mejorado de OpenAI, con precio de $8 y $40 por millón de tokens.
Su ventaja
Puntuación más alta que Sol, y mucho más barato por tarea que Fable 5.2.
Para quién
Sirve para tareas difíciles con presupuesto ajustado; menos para las ejecuciones más baratas.
  • Costo por tarea terminada$4,00 por tarea
Por qué está aquí
  • Artificial Analysis indica que GPT-6.2 Astra cuesta en promedio $4,00 por tarea con esfuerzo máximo. Es unas cuatro veces el $1,01 de Sol en la misma tabla.

A tener en cuenta
  • La ficha técnica de OpenAI dice que Astra no reveló un obstáculo conocido en el 22,28% de las tareas de programación evaluadas, frente al 11,09% de GPT-6 Astra. Una ejecución barata puede ocultar problemas.

  • Los primeros probadores fueron duros. Theo Browne lo llamó el peor modelo que OpenAI haya lanzado jamás, aunque también elogió su revisión de código, el uso de la computadora y su trabajo en 3D. Las opiniones son tempranas y muy subjetivas.

Qué dice la gente
  • It runs in loops and goes nowhere — Theo Browne

Dónde seguir
  • Abra la página de Artificial Analysis de GPT-6.2 Astra. Primero compare su costo por tarea con el de Fable 5.2, y revise los niveles de esfuerzo, porque el costo depende del ajuste usado.

Comparar los tres primeros ↓

3Claude Sonnet 5.5

N.º 3 — Claude Sonnet 5.5. En las listas de 8 de 10 IA; puesto mediano allí: 7. Hace un buen trabajo en tareas de oficina, pero cada prueba cuesta mucho más que Sol y consigue pocas tareas correctas por dólar.

¿Sabía que…?

  • Sonnet 5.5 es el segundo modelo de la familia Claude 5.5 y salió a finales de septiembre de 2026, alrededor de una semana después de Opus 5.5. Está pensado para estar junto a Opus 5.5, no para reemplazarlo.

Qué es
El modelo de tamaño medio Claude 5.5 de Anthropic, con precio de $2 y $10 por millón de tokens.
Su ventaja
Puntuación sólida en trabajo de oficina, de 70,85%, aunque no es la más barata por tarea.
Para quién
Sirve para el trabajo rutinario de oficina con esfuerzo bajo; menos para tareas difíciles con esfuerzo alto.
  • Costo por tarea terminada$16,18 por prueba de Vals

Wikidata

Historia
  • El 28 de septiembre de 2026, Anthropic lanzó Sonnet 5.5, seis días después de Opus 5.5. Fue el primer modelo Sonnet con salvaguardas de ciberseguridad cercanas a las de su modelo más capaz. — (voice only)

A tener en cuenta
  • La página dice que el ahorro de «bis zu 30 %» (hasta 30 %) por tarea es una afirmación propia de Anthropic. Añade que comparar solo el precio por millón de tokens induce a error. Los niveles de esfuerzo más altos usan más tokens.

  • La misma página dice que, en tareas difíciles con esfuerzo alto, Sonnet 5.5 cuesta casi lo mismo que Opus 5.5 y da un resultado más débil. La ventaja del modelo más barato se mantiene sobre todo en el trabajo rutinario con esfuerzo menor.

Dónde seguir
  • La misma tabla oficial indica Claude Sonnet 5.5 a $2 por millón de tokens de entrada y $10 por millón de tokens de salida. Compare su fila con la de Opus 5.5 para ver usted mismo la diferencia de mitad de precio.

Comparar los tres primeros ↓

Los tres primeros, lado a lado

GPT-6.2 SolGPT-6.2 AstraClaude Sonnet 5.5
En las listas de las IA8 / 108 / 108 / 10
Costo por tarea terminada$1,01 por tarea$4,00 por tarea$16,18 por prueba de Vals
Primero paraClaude, Grok, Kimi, Wenxin, DeepSeek——

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 ganador en AI//COST depende de cuánto le cueste un fallo. Si un fallo cuesta menos de 0,5 centavos, lidera GPT-6 Luna; de 0,5 a 6,4 centavos, lidera Claude Haiku 5.5; por encima de 6,4 centavos, lidera Muse Ember.

Lo notaron:
Lo incluyeron: ChatGPT, Meta, MiMo, DeepSeek. No lo incluyeron: Claude, Nemotron, Grok, StepFun, Kimi, Wenxin.
Fuente ↗

OpenAI dijo que GPT-6.2 Astra cuesta menos de una tercera parte que GPT-6 Astra por tarea. Pruebas independientes encontraron una reducción de 36% en Artificial Analysis ($4,00 frente a $6,24) y de cerca de 50% en Vals ($10,68 frente a $21,28).

Lo notaron:
Lo incluyeron: Claude, Meta, Grok, MiMo, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Nemotron, StepFun, Wenxin.
Fuente ↗

Gemini 4 Hydrogen tiene un precio por token 25% menor que Sonnet 5.5, pero su factura por las 82 tareas resultó 2,6 veces mayor. El razonamiento que nadie lee representó 79% de su salida, o $1,60 de $4,09.

Lo notaron:
Lo incluyeron: Meta, MiMo, DeepSeek. No lo incluyeron: Claude, ChatGPT, Nemotron, Grok, StepFun, Kimi, Wenxin.
Fuente ↗

Claude Sonnet 5.5 y GPT-6.1 Sol comparten la misma tarifa de $2/$10, pero una tarea de Artificial Analysis costó $7,67 frente a $0,72, unas 11 veces más.

Lo notaron:
Lo incluyeron: MiMo, StepFun. No lo incluyeron: Claude, ChatGPT, Meta, Nemotron, Grok, Kimi, Wenxin, DeepSeek.
Fuente ↗

El ajuste de esfuerzo mueve la factura tanto como el modelo. GPT-6.2 Astra cuesta $0,66 por tarea con esfuerzo bajo, $2,07 con alto y $4,00 con máximo.

Lo notaron:
Lo incluyeron: ChatGPT. No lo incluyeron: Claude, Meta, Nemotron, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek.
Fuente ↗

04Lo que la gente pregunta

claude vs gpt precio

Claude Fable 5.2 y GPT-6.2 Astra tienen la misma tarifa de lista: $8 por millón de tokens de entrada y $40 de salida. Por tarea terminada en Artificial Analysis, sin embargo, Fable cuesta $26,54 y Astra $4,00.

Fuente ↗
claude vs gpt comparación de precio

Claude Opus 5.5 tiene una tarifa de lista de $4/$20, la mitad del precio de Astra, pero una tarea de Artificial Analysis cuesta $10,04 en Opus frente a $4,00 en Astra.

Fuente ↗
claude vs chatgpt precio

En el nivel más barato, Claude Haiku 5.5 y GPT-6 Luna tienen tarifas de lista de $0,10/$0,50. En la canasta de 82 tareas de AI//COST, Haiku superó 79 por $0,111 y Luna 72 por $0,079; con cada fallo valorado en 10 centavos, la cifra pasa a $0,411 frente a $1,079.

Fuente ↗
claude vs gpt tokens/precio

El precio por token es una mala guía porque cada clasificación usa una mezcla distinta de tareas: Astra cuesta $4,00 por tarea de Artificial Analysis, pero $10,68 por prueba de Vals, y Fable cuesta $26,54 y $17,94.

Fuente ↗

05Cómo lo calculamos

En palabras sencillas, sin fórmulas.

1La pregunta

Los 10 mejores modelos de IA según lo que realmente cuesta una tarea terminada, no el precio por token

2Por qué este tema

El lector obtiene un solo ranking de costo por tarea terminada, construido con cuatro tableros independientes y la propia afirmación del laboratorio, mientras que cada tabla publicada ofrece una sola mirada y los tableros no coinciden.

3Dónde aplica

global: los mejores modelos de IA para trabajo profesional y cotidiano, con precio por tarea terminada y verificada

4Qué miramos

  • Dólares gastados para terminar una tarea calificada, medidos por un evaluador independiente con un nivel de esfuerzo indicado
  • Puntuación en esa misma tarea, para que un fallo barato nunca gane a un trabajo terminado
  • Si el ahorro se mantiene cuando otra publicación usa una mezcla distinta de tareas
  • Diferencia entre el costo que anuncia el laboratorio y el costo medido de forma independiente
  • Artificial Analysis: puntuación del Índice de Inteligencia (0–100, nueve evaluaciones) y dólares gastados por tarea con el ajuste de esfuerzo indicado
  • Vals AI (Índice Vals): precisión ponderada por PIB en tareas de agentes de finanzas, programación, derecho e impuestos, más dólares por prueba
  • Arena (Code Arena WebDev): votos humanos a ciegas por la mejor aplicación web, más la mediana de dólares gastada por tarea
  • AI//COST (AI Cost Bench): factura de las mismas 82 tareas de trabajo a través de la API de cada desarrollador; una tarea fallida se valora en 10 centavos; ordenado por tareas correctas por dólar

5Quién clasificó

Las IA líderes: Claude, ChatGPT, Meta, Nemotron, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek. Cada una armó su propia lista de diez por su cuenta y dio una fuente para cada puesto.

6Cómo se fijaron los puestos

Lo mismo escrito de distinta forma por distintas IA se contó como una sola entrada. Cuantas más IA la incluyeron en su lista, y cuanto más arriba, más alto su puesto. «Acuerdo de las IA» muestra cuántas IA la tenían en su propia lista. Las fuentes son solo las que encontraron las propias IA; no se añadió nada a mano.

06La lista de cada IA

🇺🇸 Claude10 puestos · 2 notas

La misma pregunta, respondida solo por Claude. La lista final de arriba combina todas las IA.

  1. 1
    GPT-6.2 Sol (OpenAI, nov 2026)

    Obtiene 57 en el Intelligence Index, a unos $1,01 por tarea del índice, frente a unos $4 de Astra y $26,54 de Fable 5.2.

    Fuente ↗
  2. 2
    GPT-6.2 Astra (OpenAI, nov 2026)

    Segundo en Artificial Analysis con 62, detrás de los 65 de Fable 5.2, a unos $4,00 por tarea, frente a $26,54 de Fable 5.2.

  3. 3
    Claude Sonnet 5.5 (Anthropic)

    Segundo en el Vals Index con 70,85%, solo 0,46 puntos detrás de Fable 5.2, con un precio de lista de $2/$10 por millón de tokens.

  4. 4
    Claude Opus 5.5 (Anthropic)

    Segundo en Arena WebDev con 1818, seis puntos detrás de Fable 5.2, a la mitad del precio de lista de Fable ($4/$20 frente a $8/$40).

    Fuente ↗
  5. 5
    Gemini 4 Carbon (Google)

    Tercero en el Vals Index con 70,45%, pero su precio está en disputa: una fuente dice $4/$20 y otra dice que Google no ha publicado ninguno.

  6. 6
    Claude Fable 5.2 (Anthropic)

    Lidera tanto Vals (71,31%) como Arena WebDev (1824), pero cuesta unos $26,54 por tarea del índice con esfuerzo máximo, frente a los $4 de Astra.

  7. 7
    Gemini 4 Argon (Google)

    Figura en $2/$10 ahora y subirá a $4/$20 el 1 de diciembre de 2026, así que su puesto por precio tiene fecha de caducidad.

  8. 8
    GPT-6 Astra (OpenAI, sep 2026)

    Su costo por tarea del índice era de $6,24 hasta que GPT-6.2 Astra lo redujo un 36% o más, y su puntuación WebDev de 1763 lo deja sexto.

  9. 9
    Kimi K3.1 Pro (Moonshot, pesos abiertos)

    Quinto por laboratorio en Arena WebDev con 1688, la entrada de pesos abiertos más fuerte de ese cuadro.

    Fuente ↗
  10. 10
    DeepSeek V4 Pro

    Primero con $0,000134 por respuesta correcta en una prueba de costo por respuesta correcta con 14 modelos y 49 tareas, pero las tareas eran sencillas.

    Fuente ↗

Lo que notó Claude

Fable 5.2 es más barato por token que GPT-6 Astra ($8/$40 frente a $10/$50), pero cuesta más por tarea terminada, porque escribe muchos más tokens con esfuerzo máximo.

El costo por acierto puede ser mucho mayor que el costo por tarea: un benchmark halló unos $31 por tarea, pero unos $1.000 por resultado totalmente correcto.

🇺🇸 ChatGPT10 puestos · 2 notas

La misma pregunta, respondida solo por ChatGPT. La lista final de arriba combina todas las IA.

  1. 1
    Muse Ember

    Terminó las 82 tareas con una factura de $0,303: 271 tareas completadas correctamente por dólar, según el supuesto de AI//COST de 10¢ por fallo.

    Fuente ↗
  2. 2
    Claude Haiku 5.5

    Su factura de $0,111 subió a $0,411 al cobrar tres fallos; aun así, unas 199 tareas correctas por dólar.

    Fuente ↗
  3. 3
    GPT-6.1 Terra

    Un fallo entre 82 tareas; su factura de $0,637 pasa a $0,737 con el cargo predeterminado por fallo, y la publicación dice que su resultado está estadísticamente empatado con el grupo de cabeza.

    Fuente ↗
  4. 4
    GLM-5.3-FlashX

    Sus 78 aciertos convierten una factura de $0,804 en $1,204 con un precio de 10¢ por fallo; sigue siendo una opción de alto rendimiento y bajo costo en esta cesta.

    Fuente ↗
  5. 5
    MiniMax M3.1 Flash

    Seis tareas fallidas suman 60¢ a su factura; aun así, la cesta da 90 tareas correctas por dólar según la fórmula de AI//COST.

    Fuente ↗
  6. 6
    GPT-6 Luna

    La factura bruta de la API es solo 7,9¢, pero diez fallos hacen que el resultado con precio sea 10,8 veces más caro, al precio de fallo elegido por AI//COST.

    Fuente ↗
  7. 7
    Qwen3.7 Plus

    Superó 77 tareas, pero el benchmark indica que su ejecución facturada fue 20% más barata que el precio de lista, así que la ventaja depende de un descuento sin fecha de fin publicada.

    Fuente ↗
  8. 8
    Claude Sonnet 5.5

    Dos fallos suman solo 20¢, pero su factura de $1,76 para la cesta deja 47 tareas correctas por dólar.

    Fuente ↗
  9. 9
    Gemini 4 Hydrogen

    Completó todas las tareas de la cesta, pero su factura de $4,09 la hace 13,5 veces más cara que la ejecución sin errores de Muse Ember.

    Fuente ↗
  10. 10
    Gemini 3.5 Flash-Lite

    El esfuerzo declarado más bajo no significó la factura más baja: costó $4,61 y falló 43 de las 82 tareas, hundiéndose a 18 por dólar.

    Fuente ↗

Lo que notó ChatGPT

Con los 10¢ predeterminados por fallo, la factura bruta de 7,9¢ de GPT-6 Luna pasa a $1,079 tras diez fallos. El orden por costo cambia en cuanto una tarea fallida tiene un costo real de recuperación.

Con costo cero por fallo, AI//COST dice que Luna queda primera; de 0,5¢ a 6,4¢ por fallo lidera Haiku; por encima de 6,4¢ lidera Muse Ember. La elección del precio de fallo cambia al ganador.

🇺🇸 Meta10 puestos · 4 notas

La misma pregunta, respondida solo por Meta. La lista final de arriba combina todas las IA.

  1. 1
    Muse Ember 2026

    271 tareas terminadas por dólar, 82 de 82 sin errores por $0,303; el único cuadro que cobra el fallo y aun así gana

    Fuente ↗
  2. 2
    GPT-6.2 Sol 2026

    Puntuación antigua de Astra de 57 por unos $1 la tarea; puntuación de frontera a precio cotidiano

    Fuente ↗
  3. 3
    Claude Haiku 5.5 2026

    Mismo 36 que Ember en Artificial Analysis, pero $0,41 por tarea, y 79 de 82 en Cost Bench; barato hasta contar sus 3 fallos

  4. 4
    GPT-6.1 Terra 2026

    El más barato del top 10 de Artificial Analysis, a $0,96 por tarea, y 81 de 82 en Cost Bench; el antiguo rey del valor que reemplaza a Sol

  5. 5
    GPT-6.2 Astra 2026

    62 en Artificial Analysis por $4,00, 3 puntos detrás de Fable, por cerca de una sexta parte de la factura de tareas

    Fuente ↗
  6. 6
    GLM-5.3 FlashX 2026

    78 de 82 por $0,804 sin errores; el modelo económico de fuera de Estados Unidos que sobrevive al cargo por fallo

    Fuente ↗
  7. 7
    Claude Sonnet 5.5 2026

    Trabajo de oficina casi en lo más alto, con 70,85% en Vals, pero $1,76 sin errores en Cost Bench: se paga por los fallos que evita

  8. 8
    Gemini 4 Carbon 2026

    70,5% en Vals por $10,51 por prueba, más barato por prueba de oficina que Sonnet o Fable, con 60 en Artificial Analysis

    Fuente ↗
  9. 9
    DeepSeek V4.1 Flash 1017 2026

    $0,60 por tarea de Artificial Analysis para una puntuación de 32; el billete de frontera más barato, pero no garantiza una tarea terminada

    Fuente ↗
  10. 10
    Claude Fable 5.2 2026

    Las mejores puntuaciones del mercado, 65 en Artificial Analysis y 71,31% en Vals, a $26,54 por tarea de Artificial Analysis: el precio de casi nunca fallar

Lo que notó Meta

El ganador cambia según el precio que ponga al fallo: en AI Cost Bench, por debajo de 0,5 centavos por tarea fallida gana GPT-6 Luna; de 0,5 a 6,4 centavos gana Claude Haiku 5.5; por encima de 6,4 centavos gana Muse Ember

Mismo precio por token, factura 4 veces mayor: Ember, Haiku 5.5 y GPT-6 Luna figuran todos a $0,10 de entrada / $0,50 de salida por millón de tokens, pero sus facturas de 82 tareas fueron $0,303, $0,111 y $0,079 por los tokens de razonamiento, los aciertos de caché y los reintentos

Gemini 4 Hydrogen figura un 25% por debajo de Claude Sonnet 5.5 por token, pero su factura salió 2,6 veces más alta, con 79% de sus tokens de salida gastados en razonamiento que el lector nunca ve: $1,60 de $4,09

OpenAI afirmó que costaba menos de un tercio del costo antiguo por tarea; evaluadores independientes encontraron 36% en Artificial Analysis y cerca de 50% en Vals: ahorros reales, aunque menores

🇺🇸 Nemotron10 puestos

La misma pregunta, respondida solo por Nemotron. La lista final de arriba combina todas las IA.

  1. 1
    GPT-6.2 Astra (líder de investigación)

    Costo medido de forma independiente de $0,042 por tarea terminada: 62% menos que la afirmación de OpenAI de «menos de un tercio», y 3,1 veces más barato por tarea correcta que GPT-6.1

    Fuente ↗
  2. 2
    Claude 4.1 Opus (analista / abogado)

    $0,058 por tarea terminada: segundo de forma constante en los cuatro benchmarks independientes; diferencia estrecha con Astra en razonamiento, pero 38% más caro por tarea correcta

    Fuente ↗
  3. 3
    Gemini 2.5 Pro (nov 2026, desarrollador: trabajo con repositorios)

    $0,067 por tarea terminada: el descuento de «tokens de pensamiento» de Google reduce la diferencia en contextos largos, pero su tasa de reintentos eleva el costo efectivo 19% por encima de Claude 4.1 Opus

    Fuente ↗
  4. 4
    GPT-6.2 Sol (creador de productos cotidiano)

    $0,018 por tarea terminada: el modelo de frontera más barato por tarea, pero una caída de 14 puntos en el Intelligence Index frente a Astra significa que falla 1 de cada 5 tareas difíciles que Astra termina

    Fuente ↗
  5. 5
    Claude 4.1 Sonnet (analista cotidiano / desarrollador junior)

    $0,022 por tarea terminada: el mejor valor «cotidiano»: 94% de la precisión de Opus con 38% del costo, y supera a GPT-6.2 Sol en tareas de mucho razonamiento

  6. 6
    Gemini 2.5 Flash (nov 2026, asistente de programación de alto volumen)

    $0,015 por tarea terminada: el precio de etiqueta más bajo, pero una tasa de reintentos de 22% en tareas de varios pasos borra el ahorro frente a Sonnet

    Fuente ↗
  7. 7
    GPT-6.1 (heredado)

    $0,135 por tarea terminada: todavía lo usa 34% de los clientes empresariales de API (según la encuesta de Vals AI), pero cuesta 3,2 veces más por tarea correcta que Astra

  8. 8
    Llama 4.1 405B (nov 2026, cuantizado)

    $0,031 por tarea terminada con alojamiento propio: el único modelo de pesos abiertos del top 10, pero con una brecha de 18 puntos en el Intelligence Index frente a Astra y sin SLA del proveedor

  9. 9
    Command R7B (Cohere, nov 2026)

    $0,009 por tarea terminada: la API más barata probada, pero falla 41% de las tareas legales y fiscales de Vals AI, lo que eleva el costo efectivo a $0,015 por tarea correcta

  10. 10
    Mistral Large 2.1 (nov 2026)

    $0,027 por tarea terminada: fuerte en programación (1305 de Elo en Code Arena), pero débil en finanzas y derecho, lo que hunde su puntuación ponderada por PIB por debajo de Flash

🇺🇸 Grok10 puestos · 2 notas

La misma pregunta, respondida solo por Grok. La lista final de arriba combina todas las IA.

  1. 1
    GPT-6.2 Sol (2026)

    66,06% en el índice de oficina a $3,18 por prueba, menos de una quinta parte de los $17,94 de Claude Fable 5.2, y el mismo 57 que el antiguo buque insignia a $1,01.

    Fuente ↗
  2. 2
    Gemini 4 Neon (2026)

    0,44 puntos detrás del líder de oficina, a $7,40 por prueba en lugar de $17,94.

    Fuente ↗
  3. 3
    Muse Wonder Full (2026)

    66,79% a $6,81, a centavos de diferencia por prueba correcta de Neon, y cuatro puntos más lejos de una aprobación sin errores.

  4. 4
    Gemini 4 Hydrogen (2026)

    Supera a GPT-6.2 Astra en trabajo de oficina, 68,49% frente a 67,66%, y la factura es menor: $9,84 frente a $10,68.

  5. 5
    Gemini 4 Carbon (2026)

    70,45% a $10,51 por prueba, un poco por debajo de la factura de oficina de Astra, mientras que el precio de etiqueta de $2/$10 dura solo hasta el 30 de noviembre.

    Fuente ↗
  6. 6
    GPT-6.2 Astra (2026)

    Los mismos 62 que Fable en xhigh, por $4,00 frente a $14,83, y luego una factura normal de $10,68 en la mezcla de oficina.

  7. 7
    Gemini 4 Argon (2026)

    69,39% a $13,37, una puntuación de oficina mayor que la de Astra y una factura mayor.

  8. 8
    Claude Sonnet 5.5 (2026)

    70,85% a $16,18 por prueba, y una aplicación web mediana a $3,04 frente a los $11,53 de Fable.

    Fuente ↗
  9. 9
    Claude Fable 5.2 (2026)

    Las puntuaciones altas son reales, y también la factura: 65 por $26,54, o 71,31% por $17,94.

    Fuente ↗
  10. 10
    Claude Opus 5.5 (2026)

    Comparte el liderazgo en agentes de programación con 58, y luego cuesta $24,77 por una prueba de oficina de 70,14%.

    Fuente ↗

Lo que notó Grok

GPT-6.2 Astra y Claude Fable 5.2 tienen la misma tarifa de $8/$40. En el Intelligence Index, la tarea terminada cuesta $4,00 frente a $26,54, una diferencia de 6,6 veces que el precio por token nunca muestra.

El mismo día de los gráficos de costo, usuarios tempranos calificaron a GPT-6.2 Astra de irregular, casi inutilizable. Una tarea de benchmark de $4 que una persona tiene que rehacer ya no es un trabajo terminado de $4, y ningún cuadro cobra esa rehechura.

🇨🇳 MiMo10 puestos · 3 notas

La misma pregunta, respondida solo por MiMo. La lista final de arriba combina todas las IA.

  1. 1
    Muse Ember

    Superó las 82 tareas de trabajo por $0,303: el único modelo cuya factura total es también su costo de un resultado sin errores.

    Fuente ↗
  2. 2
    GPT-6.1 Terra

    Entre los tres primeros en la cesta con fallos cobrados, y aun así obtiene 51 en la mezcla más difícil de Artificial Analysis, a $0,96 por tarea: el ahorro que sobrevive a una segunda publicadora.

    Fuente ↗
  3. 3
    Claude Haiku 5.5

    Gana el ranking siempre que un fallo cueste entre medio centavo y 6,4 centavos.

    Fuente ↗
  4. 4
    GPT-6.2 Sol

    Obtiene 57 en el Intelligence Index por $1,01 por tarea: diez puntos del índice por debajo de Fable 5.2, por una veintiseisava parte de su factura de tareas.

    Fuente ↗
  5. 5
    GPT-6 Luna

    La factura más barata del campo: $0,079 por 82 tareas, y el ganador solo mientras un fallo cueste menos de medio centavo.

    Fuente ↗
  6. 6
    GLM-5.3-FlashX

    Pesos abiertos que superan 78 de 82 tareas de trabajo por $0,404: 102 tareas correctas por dólar.

    Fuente ↗
  7. 7
    MiniMax M3.1 Flash

    76 de 82 tareas por una factura de $0,307: seis fallos, todos ellos fáciles de detectar.

    Fuente ↗
  8. 8
    GPT-6.2 Astra

    Evaluadores independientes midieron ahorros de 36% y 50% por tarea, donde el lanzamiento de OpenAI afirmaba «menos de un tercio».

  9. 9
    Gemini 4 Carbon

    Elo de 1769 en aplicaciones web terminadas, con una mediana de $1,61 por tarea: la mejor puntuación del cuadro por menos de dos dólares.

    Fuente ↗
  10. 10
    Claude Sonnet 5.5

    80 de 82 tareas de trabajo correctas y segundo en el índice ponderado por PIB, a un cuarto del precio por token del buque insignia.

    Fuente ↗

Lo que notó MiMo

Ponga precio al fallo y el ganador cambia dos veces: GPT-6 Luna queda por debajo de 0,5 centavos por tarea fallida, Claude Haiku 5.5 entre 0,5 y 6,4 centavos, y Muse Ember por encima de 6,4 centavos. Ninguna tabla sabe cuánto le cuesta a usted un fallo, así que la clasificación se reordena con cada supuesto.

Mismo precio de lista, 6,6 veces más costo por tarea: Claude Fable 5.2 y GPT-6.2 Astra cobran ambos $8/$40 por millón, pero Fable generó 275 millones de tokens de salida en el índice AA frente a los 65,8 millones de Astra: $26,54 frente a $4,00 por tarea.

Gemini 4 Hydrogen figura un 25% por debajo de Sonnet 5.5 por token, pero su factura de 82 tareas salió 2,6 veces más alta: el 79% de la salida que pagó era razonamiento que nadie lee ($1,60 de $4,09).

🇨🇳 StepFun10 puestos · 2 notas

La misma pregunta, respondida solo por StepFun. La lista final de arriba combina todas las IA.

  1. 1
    Gemini 4 Hydrogen (Google, 2026)

    51,1% a $0,82 por tarea frente al 51,4% de Claude Fable 5.2 a $4,64: tres décimas de punto de diferencia y 5,7 veces de diferencia en la factura

    Fuente ↗
  2. 2
    GPT-6.2 Astra (OpenAI, 17 nov 2026)

    Termina 78,3% de Agents' Last Exam a $2,89, mientras que el modelo que lidera otros cuadros factura $60,05 por 72,8%

    Fuente ↗
  3. 3
    Gemini 4 Neon (Google, disponibilidad general el 18 nov 2026)

    0,44 puntos por debajo del líder de Vals, a menos de la mitad del costo por prueba: $7,40 frente a $17,94

    Fuente ↗
  4. 4
    Kimi K3.1 Pro (Moonshot AI, 2026)

    Segundo en Humanity's Last Exam con 70% por unos $2–$4 por tarea: el puesto de investigación barato

    Fuente ↗
  5. 5
    Claude Sonnet 5.5 (Anthropic, 2026)

    El caballo de trabajo: 70,85% en el Vals Index, con una factura que va de $0,51 a $7,60 según el control de esfuerzo

    Fuente ↗
  6. 6
    GPT-6.2 Sol (OpenAI, 17 nov 2026)

    $3,18 por prueba de Vals frente a $16,18 de Claude Sonnet 5.5: el puesto cotidiano a una quinta parte de la factura de oficina

    Fuente ↗
  7. 7
    Muse Ember (Meta, 9 nov 2026)

    El modelo más barato que jamás ha obtenido 36 en el Intelligence Index: $0,10 por millón de tokens de entrada

    Fuente ↗
  8. 8
    Claude Haiku 5.5 (Anthropic, 2026)

    La misma tarifa de $0,10/$0,50 y el mismo 36 en el índice que Ember, con una ventana de 1M de tokens

    Fuente ↗
  9. 9
    DeepSeek V3.2 (DeepSeek, 2026)

    Unos $0,028 por tarea resuelta de SWE-bench Verified: la tarea de programación terminada más barata del cuadro

    Fuente ↗
  10. 10
    Claude Fable 5.2 (Anthropic, nov 2026)

    Gana en todos los cuadros y pierde en todas las facturas: $26,54 por tarea con esfuerzo máximo, $60,05 en Agents' Last Exam

Lo que notó StepFun

Ponga un precio de 10 centavos a cada intento fallido y el orden se invierte: en Agents' Last Exam, GPT-6.2 Astra terminó 78,3% a $2,89, mientras que Claude Fable 5.2 terminó 72,8% a $60,05.

Dos modelos con la misma tarifa de $2/$10 facturaron $0,72 y $7,62 por las mismas tareas del índice: el nivel de esfuerzo, no la lista de precios, fija la factura.

🇨🇳 Kimi10 puestos · 3 notas

La misma pregunta, respondida solo por Kimi. La lista final de arriba combina todas las IA.

  1. 1
    GPT-6.2 Sol (OpenAI)

    Iguala la puntuación de Artificial Analysis del antiguo GPT-6 Astra (57) a $1,01 por tarea, cerca de una sexta parte del costo del buque insignia; y en Agents' Last Exam su nivel alto obtiene 72,0% por $0,69, una treceava parte del precio de GPT-6 Astra con esfuerzo máximo por apenas un punto menos.

    Fuente ↗
  2. 2
    GPT-6.1 Sol (OpenAI)

    El campeón puro de puntuación por dólar en un nivel profesional mínimo: 50 puntos del índice de Artificial Analysis por $0,32 por tarea con esfuerzo alto, más puntos terminados por dólar que cualquier otra opción que todavía supere el trabajo de oficina real.

    Fuente ↗
  3. 3
    GPT-6.2 Astra (OpenAI)

    $4,00 por tarea de Artificial Analysis frente a los $26,54 de Fable 5.2, por solo 3 puntos menos: trabajo profesional de frontera a cerca de una sexta parte de la factura por tarea del líder, y la afirmación de OpenAI de «menos de un tercio» se verifica en Agents' Last Exam (32%).

  4. 4
    Claude Opus 5.5 (Anthropic)

    El esfuerzo medio compra 89% de su puntuación máxima por 22% del costo: la curva de «tarea terminada por dólar» mejor medida entre los modelos premium, y el líder general de Artificial Analysis v5 antes de que saliera Fable 5.2.

  5. 5
    DeepSeek V4.1 Flash (DeepSeek)

    100% en 49/49 tareas cortas calificadas a $0,000053 por respuesta correcta: un tercio de centavo por tarea terminada; la forma más barata, con pesos abiertos, de poner una marca de verificación a una tarea.

    Fuente ↗
  6. 6
    GPT-6 Luna (OpenAI)

    Terminó las 49 tareas cortas sin un solo fallo por $0,000026 por respuesta correcta: la tarea terminada y verificada más barata medida en lo que va del año.

    Fuente ↗
  7. 7
    Claude Sonnet 5.5 (Anthropic)

    Tercero en el índice de oficina de Vals ponderado por PIB (70,85%) con una tarifa de $2/$10 por token: un puesto de oficina casi de frontera por una quinta parte de la factura del buque insignia.

  8. 8
    Gemini 4 Carbon (Google)

    Queda a un punto de GPT-6.2 Astra en Agents' Last Exam (77,4% a $4,60 por tarea) y lidera los dos cuadros de preferencia humana de Arena: trabajo terminado sólido por dólar, con el atractivo más amplio.

    Fuente ↗
  9. 9
    Claude Fable 5.2 (Anthropic)

    El techo de calidad: #1 en Artificial Analysis (65) y en Vals (71,31%), pero a $26,54 por tarea de Artificial Analysis compra certeza, no valor; es la prueba del ranking de que «terminado» y «barato» siguen en tensión.

  10. 10
    GLM-5.3 (Z.ai)

    La única entrada de arnés de código abierto en el Coding Agent Index de Artificial Analysis, con 53,6 a $4,24 por tarea: trabajo de programación terminado que se puede alojar uno mismo, a la mitad del precio por tarea del buque insignia cerrado.

Lo que notó Kimi

La afirmación de OpenAI de «menos de un tercio del costo» solo resiste la verificación independiente en el benchmark que citó OpenAI: las ejecuciones de Agents' Last Exam salieron a $2,89 frente a $8,99 de GPT-6 Astra (32%), pero Artificial Analysis mide la tarea del Intelligence Index de GPT-6.2 Astra en $4,00 frente a $6,24: un ahorro de 36%, no de 66%.

Ponga un precio al intento fallido y el cuadro cotidiano se separa por completo del cuadro de frontera: GPT-6 Luna terminó las 49 tareas cortas calificadas por $0,000026 por respuesta correcta, mientras que Claude Fable 5 costó 86,9 veces más por respuesta correcta en la misma suite; pero el techo de Luna (35 puntos en Artificial Analysis) no alcanza ningún nivel profesional mínimo.

Cuando los humanos deben revisar el resultado, los tokens dejan de ser la factura: una calculadora independiente de costo por tarea completada, con precios de lista de Claude Opus 5.5, halla que los tokens son alrededor del 10% de los $3,01 del costo unitario; la revisión humana (52%) y la recuperación de fallos (35%) cargan con el resto. Es el ranking que un fallo barato nunca gana.

🇨🇳 Wenxin10 puestos · 1 notas

La misma pregunta, respondida solo por Wenxin. La lista final de arriba combina todas las IA.

  1. 1
    GPT-6.2 Sol (OpenAI, 2026)

    Iguala la capacidad del antiguo buque insignia GPT-6 Astra con cerca del 15% del costo medido por tarea de ese modelo

    Fuente ↗
  2. 2
    GLM-5.3-Flash (Z.ai, 2026)

    Entrega una puntuación de programación de 71,5 a 0,10 por millón de tokens, 110 veces más barato que los buques insignia de primer nivel para autocompletado de gran volumen

  3. 3
    Gemini 3.8 Flash (Google, 2026)

    Puntuación de programación entre los 10 primeros a 0,83 por millón de tokens totales: el mejor valor entre los modelos de capacidad de primer nivel

  4. 4
    GPT-6.2 Astra (OpenAI, 2026)

    Cuesta menos de un tercio que GPT-6 Astra, el buque insignia anterior de OpenAI, por tarea, con un precio por token 20% menor que el de su predecesor

    Fuente ↗
  5. 5
    Sonnet 5.5 (Anthropic, 2026)

    El mismo precio por token que GPT-6.2 Sol, pero medido en 10,02 por tarea: un costo total 7,9 veces mayor por un consumo de tokens más alto por tarea

  6. 6
    GPT-6.1 Terra (OpenAI, 2026)

    El modelo medido más barato del primer nivel de capacidad, a 0,96 por tarea completada

  7. 7
    Muse Spark 1.3 (Meta, 2026)

    Puntuación de consenso de 91,4 con precios equivalentes de ¥8,38 / ¥28,51 por millón de tokens de entrada/salida, con mucha menos sobrecarga de reintentos que modelos comparables de más de 90 puntos

  8. 8
    DeepSeek V4.1 Flash (DeepSeek, 2026)

    Precio por token en lote reducido 90% a 0,011 por millón de tokens de entrada, aunque la capacidad general queda por debajo del primer nivel de rendimiento

  9. 9
    Qwen3.8 Flash Next (Alibaba, 2026)

    Puntuación de consenso de 70,0 con ¥0,8 / ¥2,7 por millón de tokens, igualando el precio de entrada de GLM-5.3 Flash y con un precio de salida 3,6% menor

  10. 10
    Opus 5.5 (Anthropic, 2026)

    La puntuación de consenso más alta de la industria, 94,3, con un costo medido de más de 10 por tarea, pensada solo para trabajo de programación agéntica de largo plazo

Lo que notó Wenxin

El nuevo GPT-6.2 Astra de OpenAI completa tareas legales en Harvey LAB-AA con más del doble de la tasa de aprobación de Claude Fable 5.2, a solo una sexta parte del costo total medido por tarea

🇨🇳 DeepSeek10 puestos · 3 notas

La misma pregunta, respondida solo por DeepSeek. La lista final de arriba combina todas las IA.

  1. 1
    GPT-6.2 Sol (OpenAI, nov. 2026)

    Obtiene 57 en el Índice de Inteligencia AA por $1,01 por tarea, a la par de GPT-6 Astra con cerca del 15% de su factura por tarea terminada.

  2. 2
    Claude Haiku 5.5 (Anthropic, 2026)

    Termina 79 de 82 tareas con una factura de $0,11; con un cargo de 10 centavos por fallo, su resultado limpio es $0,411: 199 tareas correctas por dólar.

    Fuente ↗
  3. 3
    Muse Ember (Meta, 2026)

    El único modelo de la canasta de noviembre de AI//COST que supera las 82 tareas; resultado limpio de $0,303, o 271 tareas correctas por dólar con un precio de fallo de 10 centavos.

    Fuente ↗
  4. 4
    GPT-6.1 Terra (OpenAI, 2026)

    81 de 82 tareas bien para una factura de $0,537: $0,637 limpio, 129 tareas por dólar y $2,94 por cada prueba de oficina de Vals.

    Fuente ↗
  5. 5
    GPT-6.2 Astra (OpenAI, nov. 2026)

    Obtiene 62 en el índice difícil a $4,00 por tarea: el «menos de un tercio» que promete OpenAI es en realidad un recorte del 36% frente a GPT-6 Astra ($6,24), no de dos tercios.

  6. 6
    Gemini 4 Carbon (Google DeepMind, nov. 2026)

    60 en el Índice de Inteligencia a $5,48 por tarea y 70,45% en el índice de oficina ponderado por PIB, pero gasta más tokens por tarea que su hermano menor y más barato.

    Fuente ↗
  7. 7
    Claude Sonnet 5.5 (Anthropic, 2026)

    Lidera el trabajo de oficina ponderado por PIB de Vals con 70,85%, pero a $16,18 por prueba y con solo 47 tareas correctas por dólar en la canasta de AI//COST.

  8. 8
    DeepSeek V4.1 Flash 1017 (DeepSeek, 2026)

    61,26% en el índice de oficina ponderado por PIB por $0,66 por prueba: una opción de pesos abiertos que cuesta cerca de una veinticincoava parte de la factura de prueba de Sonnet 5.5.

  9. 9
    GPT-6 Luna (OpenAI, 2026)

    Tiene la factura bruta más barata de AI//COST, $0,079 por 82 tareas, pero falla 10 de ellas, así que solo gana cuando un fallo cuesta menos de medio centavo.

    Fuente ↗
  10. 10
    Claude Fable 5.2 (Anthropic, nov. 2026)

    La puntuación más alta de la tabla, 65, pero $26,54 por tarea terminada: 26 veces la factura de GPT-6.2 Sol por 8 puntos más en el índice.

Lo que notó DeepSeek

La factura más barata no es el trabajo más barato: los $0,079 de GPT-6 Luna quedan 52 veces por debajo de los $4,09 de Gemini 4 Hydrogen, pero Luna falla 10 de 82 tareas y baja a 76 tareas correctas por dólar cuando cada fallo cuesta 10 centavos.

El ganador cambia según el precio de un fallo: por debajo de medio centavo lidera GPT-6 Luna; de medio centavo a 6,4 centavos, Claude Haiku 5.5; por encima de 6,4 centavos, Muse Ember. Ninguna tabla puede decirle a usted cuánto le cuesta su propio fallo, por eso la misma tabla se reordena.

Gemini 4 Hydrogen supera las 82 tareas y aun así queda último en el ranking de AI//COST: el 79% de su salida era razonamiento facturado que el lector nunca ve ($1,60 de sus $4,09), así que una tasa de aciertos perfecta no lo hizo barato.