Benchmarks de modelos de IA: comparativa actualizada
21 modelos de IA comparados en SWE-bench Pro, Terminal-Bench, LiveBench y CursorBench, con ventana de contexto, precio y coste por tarea. Septiembre de 2026.
Los 21 elementos de esta sección
Cada ficha explica para qué sirve, cuándo usarlo y qué alternativas tienes.
- Claude Fable 5.1
Claude Fable 5.1 (Anthropic): Disponible de forma general el 1 de septiembre de 2026 al mismo precio que Fable 5. Encabeza LiveBench con 83,4% y CursorBench 3.…
- Claude Opus 5
Claude Opus 5 (Anthropic): Lanzado 24 julio 2026. Ocupa el primer puesto del Artificial Analysis Intelligence Index con 63 puntos en agosto de 2026. Marca 96,0…
- Claude Fable 5
Claude Fable 5 (Anthropic): Lanzado 9 junio 2026. Sigue liderando SWE-bench Pro con 80%, el mejor resultado en programación real de una sola pasada, ahora por…
- Grok 4.6
Grok 4.6 (xAI): Lanzado el 12 de agosto de 2026 con 500K de contexto y corte de conocimiento en febrero de 2026. Marca 61 en el Artificial Analysis Intelligenc…
- Gemini 3.8 Flash
Gemini 3.8 Flash (Google DeepMind): Lanzado el 2 de septiembre de 2026 junto a una variante Flash Cyber reservada a defensores acreditados. Sube Terminal-Bench…
- Qwen3.8-Max
Qwen3.8-Max (Alibaba): Lanzado 3 agosto 2026. MoE de 2,4 billones de parámetros con unos 95.000 millones activos, 1M de contexto, salida de 131K y entrada de t…
- GPT-5.6
GPT-5.6 (OpenAI): Lanzado 9 julio 2026 en tres variantes: Sol (la grande), Terra (la intermedia) y Luna (la rápida y barata). Modelo por defecto en ChatGPT. Co…
- Claude Opus 4.8
Claude Opus 4.8 (Anthropic): Lanzado 28 mayo 2026. El Claude más honesto: 4× menos errores de código no comunicados. SWE-Bench Pro 69,2%, Humanity's Last Exam…
- Gemini 3.5 Flash
Gemini 3.5 Flash (Google DeepMind): El estándar de velocidad/precio en verano 2026. Terminal-Bench 2.1: 76,2%, SWE-Bench Pro 55,1%, MCP Atlas 83,6% (#1 workflo…
- GPT-5.5
GPT-5.5 (OpenAI): Buque insignia de OpenAI hasta julio 2026, cuando GPT-5.6 pasó a ser el modelo por defecto en ChatGPT; sigue disponible en API. OSWorld-Verif…
- Claude Sonnet 5
Claude Sonnet 5 (Anthropic): Lanzado 30 junio 2026. Modelo de gama media que se comporta como uno de gama alta: planifica, maneja navegadores y terminales, y s…
- Kimi K3
Kimi K3 (Moonshot AI): Lanzado 16 julio 2026, el mayor modelo de pesos abiertos hasta la fecha: MoE de 2,8 billones de parámetros con visión nativa y 1M de con…
- GLM-5.2
GLM-5.2 (Z.ai): Lanzado 16 junio 2026. MoE de 744.000M de parámetros con 1M de contexto y razonamiento dual (High/Max). SWE-bench Pro 62,1 (supera a GPT-5.5 58…
- Muse Glimmer 30B
Muse Glimmer 30B (Meta): Lanzado 10 agosto 2026 con licencia Apache 2.0, que permite uso comercial sin límite de escala. Destilado de Muse Spark; con cuantizac…
- Sakana Fugu Ultra
Sakana Fugu Ultra (Sakana AI): Lanzado 22 junio 2026. No es un modelo monolítico: orquesta dinámicamente a los mejores modelos vía un API compatible con OpenAI…
- Grok 4.5
Grok 4.5 (xAI): Lanzado 8 julio 2026, el primer modelo de xAI pensado para programación y agentes, entrenado con sesiones reales de desarrolladores en Cursor.…
- Grok 4.3
Grok 4.3 (xAI): Acceso exclusivo a datos en tiempo real de X/Twitter. Contexto 1M tokens. Razonamiento técnico extremo. Grok Build 0.1 para desarrollo de softw…
- DeepSeek V4 Pro
DeepSeek V4 Pro (DeepSeek): Rendimiento de primer nivel a coste muy bajo. La versión estable de DeepSeek V4 llegó el 24 de julio de 2026 con licencia MIT y un…
- Kimi K2.6
Kimi K2.6 (Moonshot AI): Serie MoE de Moonshot orientada a inteligencia agéntica. K2.6 suma 1T de parámetros (32B activos), contexto largo y enjambres de hasta…
- Mistral Medium 3.5
Mistral Medium 3.5 (Mistral AI): El modelo europeo más avanzado. SWE-Bench Verified 77,6%. Cumplimiento GDPR nativo. Castellano, francés, alemán, italiano. Sed…
- Llama 4 Scout
Llama 4 Scout (Meta): Contexto más largo del mundo (10M tokens), completamente open-source y descargable. Ideal para despliegue propio en servidores empresaria…
Sigue por aquí
Benchmarks de modelos de IA: comparativa actualizada
21 modelos de IA comparados en SWE-bench Pro, Terminal-Bench, LiveBench y CursorBench, con ventana de contexto, precio y coste por tarea. Septiembre de 2026.
Los 21 elementos de esta sección
Cada ficha explica para qué sirve, cuándo usarlo y qué alternativas tienes.
- Claude Fable 5.1
Claude Fable 5.1 (Anthropic): Disponible de forma general el 1 de septiembre de 2026 al mismo precio que Fable 5. Encabeza LiveBench con 83,4% y CursorBench 3.…
- Claude Opus 5
Claude Opus 5 (Anthropic): Lanzado 24 julio 2026. Ocupa el primer puesto del Artificial Analysis Intelligence Index con 63 puntos en agosto de 2026. Marca 96,0…
- Claude Fable 5
Claude Fable 5 (Anthropic): Lanzado 9 junio 2026. Sigue liderando SWE-bench Pro con 80%, el mejor resultado en programación real de una sola pasada, ahora por…
- Grok 4.6
Grok 4.6 (xAI): Lanzado el 12 de agosto de 2026 con 500K de contexto y corte de conocimiento en febrero de 2026. Marca 61 en el Artificial Analysis Intelligenc…
- Gemini 3.8 Flash
Gemini 3.8 Flash (Google DeepMind): Lanzado el 2 de septiembre de 2026 junto a una variante Flash Cyber reservada a defensores acreditados. Sube Terminal-Bench…
- Qwen3.8-Max
Qwen3.8-Max (Alibaba): Lanzado 3 agosto 2026. MoE de 2,4 billones de parámetros con unos 95.000 millones activos, 1M de contexto, salida de 131K y entrada de t…
- GPT-5.6
GPT-5.6 (OpenAI): Lanzado 9 julio 2026 en tres variantes: Sol (la grande), Terra (la intermedia) y Luna (la rápida y barata). Modelo por defecto en ChatGPT. Co…
- Claude Opus 4.8
Claude Opus 4.8 (Anthropic): Lanzado 28 mayo 2026. El Claude más honesto: 4× menos errores de código no comunicados. SWE-Bench Pro 69,2%, Humanity's Last Exam…
- Gemini 3.5 Flash
Gemini 3.5 Flash (Google DeepMind): El estándar de velocidad/precio en verano 2026. Terminal-Bench 2.1: 76,2%, SWE-Bench Pro 55,1%, MCP Atlas 83,6% (#1 workflo…
- GPT-5.5
GPT-5.5 (OpenAI): Buque insignia de OpenAI hasta julio 2026, cuando GPT-5.6 pasó a ser el modelo por defecto en ChatGPT; sigue disponible en API. OSWorld-Verif…
- Claude Sonnet 5
Claude Sonnet 5 (Anthropic): Lanzado 30 junio 2026. Modelo de gama media que se comporta como uno de gama alta: planifica, maneja navegadores y terminales, y s…
- Kimi K3
Kimi K3 (Moonshot AI): Lanzado 16 julio 2026, el mayor modelo de pesos abiertos hasta la fecha: MoE de 2,8 billones de parámetros con visión nativa y 1M de con…
- GLM-5.2
GLM-5.2 (Z.ai): Lanzado 16 junio 2026. MoE de 744.000M de parámetros con 1M de contexto y razonamiento dual (High/Max). SWE-bench Pro 62,1 (supera a GPT-5.5 58…
- Muse Glimmer 30B
Muse Glimmer 30B (Meta): Lanzado 10 agosto 2026 con licencia Apache 2.0, que permite uso comercial sin límite de escala. Destilado de Muse Spark; con cuantizac…
- Sakana Fugu Ultra
Sakana Fugu Ultra (Sakana AI): Lanzado 22 junio 2026. No es un modelo monolítico: orquesta dinámicamente a los mejores modelos vía un API compatible con OpenAI…
- Grok 4.5
Grok 4.5 (xAI): Lanzado 8 julio 2026, el primer modelo de xAI pensado para programación y agentes, entrenado con sesiones reales de desarrolladores en Cursor.…
- Grok 4.3
Grok 4.3 (xAI): Acceso exclusivo a datos en tiempo real de X/Twitter. Contexto 1M tokens. Razonamiento técnico extremo. Grok Build 0.1 para desarrollo de softw…
- DeepSeek V4 Pro
DeepSeek V4 Pro (DeepSeek): Rendimiento de primer nivel a coste muy bajo. La versión estable de DeepSeek V4 llegó el 24 de julio de 2026 con licencia MIT y un…
- Kimi K2.6
Kimi K2.6 (Moonshot AI): Serie MoE de Moonshot orientada a inteligencia agéntica. K2.6 suma 1T de parámetros (32B activos), contexto largo y enjambres de hasta…
- Mistral Medium 3.5
Mistral Medium 3.5 (Mistral AI): El modelo europeo más avanzado. SWE-Bench Verified 77,6%. Cumplimiento GDPR nativo. Castellano, francés, alemán, italiano. Sed…
- Llama 4 Scout
Llama 4 Scout (Meta): Contexto más largo del mundo (10M tokens), completamente open-source y descargable. Ideal para despliegue propio en servidores empresaria…