⚡ Veredicto rápido

Podemos ganar una comisión si compra a través de nuestros enlaces, sin costo adicional para usted.

La clasificación cambió dos veces en tres días. El 9 de noviembre de 2026, Anthropic lanzó Claude Fable 5.2 y Meta lanzó Muse Ember el mismo día; el 10 de noviembre, Google abrió Gemini 4 Carbon a todo el mundo. El resultado es la mayor reorganización de los rankings de modelos de IA de este año: Fable 5.2 se quedó con el primer puesto en el Índice de Inteligencia de Artificial Analysis con 65, Carbon quedó primero en tres benchmarks de flujo de trabajo, y los modelos capaces más baratos se abarataron aún más. Si eligió un modelo por última vez en septiembre, su respuesta probablemente ya está desactualizada.

Esta es una comparativa documentada, no una prueba de laboratorio. No ejecutamos ningún prompt en estos modelos. Cada puntuación proviene de una fuente identificada y revisada el 10 y 11 de noviembre de 2026: los anuncios de lanzamiento y las páginas de precios de los propios proveedores, el Índice de Inteligencia de Artificial Analysis, Vals.ai, CursorBench y el Epoch AI Benchmarking Hub. Las cifras publicadas por los proveedores se señalan como tales en todo el artículo, porque un benchmark que un proveedor ejecuta en su propio modelo es una afirmación, no un veredicto. Los precios son una foto de noviembre de 2026: en este mercado los precios cambian a menudo, así que consulte el sitio oficial antes de pagar. Dos advertencias antes del ranking: Artificial Analysis lanzó el Índice v5.0 a finales de octubre y recalificó parte de él en noviembre, así que las puntuaciones de versiones anteriores del índice no se pueden comparar directamente con las nuevas, y los precios por token engañan: lo que importa es el costo por tarea terminada, porque los modelos más potentes consumen muchos más tokens por respuesta.

Si está eligiendo entre las dos marcas de chatbot más grandes y no entre los modelos que hay detrás, nuestra ChatGPT vs Claude comparativa cubre las apps, los planes y los niveles gratuitos, y nuestra Claude vs Gemini guía compara la misma rivalidad desde el lado de Google. Quienes construyen su propio producto y buscan el modelo capaz más barato también deberían leer nuestro mejores chatbots de IA gratuitos sin registro resumen, y los desarrolladores que eligen un modelo de programación encontrarán más detalle en nuestra mejores asistentes de IA para programar guía.

De un vistazo: los mejores modelos de IA en noviembre de 2026

ModeloÍndice AA*Precio de API por 1M de tokens (entrada/salida)Ideal para
Claude Fable 5.265 (Max)$8 / $40Programación e investigación exigentes
Gemini 4 Carbon~60$2 / $10 (intro, hasta el 30 de nov.)Automatización y seguridad
GPT-6 Astra57$10 / $50Trabajo insignia de OpenAI
Claude Opus 5.559 (Max)$4 / $20Trabajo general de vanguardia
Kimi K3.1 Pro55†$2 / $10Programación con pesos abiertos
Grok 4.735.5$2 / $6Ecosistema X, sesiones largas de programación
Claude Haiku 5.536 (Max)$0.10 / $0.50 (menos de 100K tokens)Trabajo diario económico
Muse Ember36 (Max)$0.10 / $0.50 (menos de 200K de entrada)Trabajo de agentes a gran escala
DeepSeek V4.1 Flashn/a$0.30 / $1.20 en hora punta; $0.15 / $0.60 fuera de hora puntaTrabajos por lotes económicos

*Índice de Inteligencia de Artificial Analysis v5.0.1, consultado el 9 y 10 de noviembre de 2026, salvo indicación en contra. †El 55 de Kimi se midió con el antiguo Índice v4.3.2 y no se puede comparar directamente con las puntuaciones v5. DeepSeek V4.1 Flash no tenía puntuación publicada en el Índice AA en las fuentes que consultamos el 11 de noviembre. Los precios cambian a menudo: tome cada cifra como una foto de noviembre de 2026 y consulte el sitio oficial antes de comprar.

#1 · Claude Fable 5.2 · Mejor modelo de IA en general

AA Index
65 a máximo esfuerzo: primero de 74 modelos (v5.0.1)
Precio de API
$8 de entrada / $40 de salida por millón de tokens
Ideal para
Trabajo técnico largo y difícil: migraciones grandes, sesiones largas de agentes, problemas de investigación
Detalle

1. Claude Fable 5.2 — mejor modelo de IA en general

Anthropic lanzó Claude Fable 5.2 el 9 de noviembre de 2026 y en un día se colocó en lo más alto de las dos clasificaciones independientes que más importan. Artificial Analysis le da 65 en su Índice de Inteligencia v5.0.1 a máximo esfuerzo — primero de 74 modelos, cinco puntos por delante de Gemini 4 Carbon y seis por delante de Claude Opus 5.5 — y Vals.ai también lo pone primero, con un 71.3% en su índice, por delante de Opus 5.5 con un 70.1% y de GPT-6 Astra con un 65.0%. La propia tabla de lanzamiento de Anthropic lo muestra liderando diez de los doce benchmarks en los que aparece. El modelo apunta directamente a lo que Anthropic llama «los retos técnicos más intimidantes»: migraciones de código grandes, sesiones largas de agentes y problemas de investigación, con una ventana de contexto de 1 millón de tokens, hasta 128K tokens de salida, pensamiento adaptativo siempre activado y datos de entrenamiento con corte en junio de 2026. El id de modelo en la API es claude-fable-5-2.

El precio es la sorpresa en la dirección contraria: Fable 5.2 cuesta $8 por millón de tokens de entrada y $40 por millón de tokens de salida, un 20% menos que los $10/$50 de Fable 5.1: un modelo insignia que se abarató mientras mejoraba. Anthropic también dice que genera salida hasta un 30% más rápido que Fable 5.1, aunque todavía no encontramos ninguna medición publicada que respalde esa afirmación de velocidad. En programación, las cifras publicadas por el proveedor son grandes: 49.1% en FrontierCode 2.0 a esfuerzo Xhigh, frente al 32.4% de Fable 5.1 con el mismo ajuste, y 45.3% con el ajuste High, más bajo, cerca del 45.5% de Opus 5.5 a Max. Junto a él se lanzó Claude Mythos 5.2, el mismo modelo base con salvaguardas más permisivas en ciberseguridad y biología, ofrecido solo a programas verificados: no es algo que un usuario normal pueda comprar.

Los límites honestos son el costo y la velocidad, y son graves. Artificial Analysis midió $26.54 para ejecutar una tarea del índice con Fable 5.2 a máximo esfuerzo — el más alto de los 73 modelos de esa tabla — frente a $9.08 con su ajuste High (61.82 en el índice) y $3.80 con Medium (56.41). También es lento: 103 tokens por segundo de salida, el 72.º de 73 modelos medidos, con 44.1 minutos por tarea del índice frente a una mediana de 12.9 minutos. Y no lo gana todo: en la propia tabla de lanzamiento de Anthropic, Gemini 4 Carbon lidera AutomationBench con un 53.9% frente al 51.4% de Fable, y Opus 5.5 lidera el Elo de AA-Briefcase para trabajo de conocimiento con 1800 frente a los 1785 de Fable. Para los trabajos más difíciles, Fable 5.2 es el mejor modelo en noviembre de 2026. Para cualquier cosa rutinaria, ejecutarlo a máximo esfuerzo es pagar un precio de primera clase por un billete de clase económica.

Claude Fable 5.2

Fortalezas

  • N.º 1 en el Índice de Inteligencia de Artificial Analysis (65) y primero en Vals.ai (71.3%): los resultados independientes más fuertes de cualquier modelo este mes.
  • Más barato por token que su predecesor ($8/$40 frente a $10/$50) y más barato que GPT-6 Astra ($10/$50).
  • Contexto de 1M de tokens, 128K de salida máxima y pensamiento adaptativo siempre activado: creado para sesiones largas de agentes.
  • Gran salto en programación sobre Fable 5.1: 49.1% en FrontierCode 2.0 a Xhigh, frente al 32.4% (cifra del proveedor).

Debilidades

  • El más caro por tarea terminada a máximo esfuerzo: $26.54 por tarea del índice, y uno de los más lentos, con 103 tokens por segundo.
  • Pierde dos filas en la propia tabla de lanzamiento de Anthropic: AutomationBench frente a Gemini 4 Carbon y el Elo de AA-Briefcase frente a Opus 5.5.
  • La afirmación de «hasta un 30% más rápido» aún no tiene ninguna medición independiente publicada.
  • La variante Mythos 5.2 está restringida a organizaciones verificadas: no está disponible para usuarios generales.

Probar Claude Fable 5.2 →

#2 · Gemini 4 Carbon · Ideal para automatización y seguridad

AA Index
Alrededor de 60 (59.4 con High, v5.0): segundo en general
Precio de API
$2 de entrada / $10 de salida por millón de tokens (intro hasta el 30 de nov. de 2026, luego $4 / $20)
Ideal para
Flujos de automatización, programación con agentes y trabajo de defensa en ciberseguridad
Detalle

2. Gemini 4 Carbon — ideal para automatización y seguridad

Google anunció Gemini 4 Carbon el 28 de octubre de 2026, pero lo mantuvo en un despliegue limitado para defensores de ciberseguridad a través de su Fairwind Program; luego, el 10 de noviembre, lo abrió a desarrolladores de pago, empresas y consumidores a través de la API de Gemini, Google AI Studio y Gemini for business. Es el modelo más potente de Google y el segundo modelo Gemini 4 después de Argon, construido sobre la base de Argon con entrenamiento adicional para razonamiento profundo, verificación extendida y flujos de trabajo de agentes en varios pasos. En cifras independientes es el rival más cercano a Fable 5.2: Artificial Analysis le da alrededor de 60 en el Índice de Inteligencia (59.4 con High), y ocupa el puesto n.º 1 en tres benchmarks de flujo de trabajo que cita Google: CursorBench 4.0 con un 60.4%, WANDR de Perplexity y AutomationBench de Zapier con un 53.9%, donde supera el 51.4% de Fable 5.2. También es n.º 2 en el nuevo benchmark Multimodal Knowledge Agent que Google creó con Artificial Analysis, con un costo promedio por tarea más de seis veces menor que el del modelo líder.

El precio es la mejor historia de valor entre los modelos insignia: $2 por millón de tokens de entrada y $10 por millón de tokens de salida, la misma tarifa introductoria que Argon, pero solo hasta el 30 de noviembre de 2026; después se duplica a $4/$20 desde el 1 de diciembre. No hay nivel gratuito: Carbon está excluido del nivel gratuito de la API de Gemini y cada token procesado se factura, incluidos los tokens de pensamiento. Las cifras de seguridad son la razón de su existencia: Google reporta un 88.2% en SEC-bench Pro para encontrar vulnerabilidades reales, un 54.8% en ExploitGym para validarlas, un 71.0% en CWE-bench para corregirlas en la causa raíz y una tasa de éxito de ataque del 0% en el benchmark de inyección indirecta de prompts de Gray Swan, frente al 0.7% de Argon. En benchmarks internos, más que duplica la tasa de éxito de Argon al generar código seguro. La ventana de contexto es de 1,048,576 tokens, con corte de conocimiento en marzo de 2026.

Los límites honestos empiezan con la subida de precio: quien construya sobre Carbon en noviembre debería presupuestar la duplicación de diciembre, o la historia del «insignia barato» termina el día 1. La propia ficha del modelo de Google también enumera alucinaciones, posible lentitud o tiempos de espera agotados y mayor consumo de tokens en niveles de pensamiento más altos como limitaciones, y señala que Carbon gasta más tokens de pensamiento por turno que Argon al mismo precio por token, así que el precio de $2/$10 se queda corto en la factura de trabajos de razonamiento largos. Y en los benchmarks que Google citó en el primer anuncio, Carbon está por detrás de Fable 5.2 en general, que es la advertencia habitual sobre la selección interesada: los proveedores destacan los tests que ganan. Pero para automatización, programación con agentes y trabajo de seguridad a $2/$10, nada más en noviembre de 2026 lo iguala.

Gemini 4 Carbon

Fortalezas

  • N.º 1 en CursorBench 4.0 (60.4%), WANDR y AutomationBench (53.9%): el mejor historial en benchmarks de flujo de trabajo este mes.
  • Capacidad de insignia a $2/$10 por millón de tokens hasta el 30 de noviembre: un tercio del precio por token de Fable 5.2.
  • Los resultados de seguridad publicados más fuertes: 88.2% en SEC-bench Pro, 71.0% en CWE-bench y 0% de éxito de inyección de prompts en Gray Swan (cifras del proveedor).
  • Contexto de 1M de tokens y entrada multimodal (texto, imagen, video, audio, PDF).

Debilidades

  • El precio se duplica a $4/$20 desde el 1 de diciembre de 2026: la tarifa introductoria dura solo un mes.
  • Sin nivel gratuito y cada token se factura, incluidos los tokens de pensamiento; Carbon usa más tokens de pensamiento que Argon.
  • Por detrás de Fable 5.2 en el índice general de Artificial Analysis (alrededor de 60 frente a 65).
  • La ficha del modelo enumera alucinaciones, lentitud y tiempos de espera agotados en niveles de pensamiento más altos.

Probar Gemini 4 Carbon →

#3 · GPT-6 family (Astra, Sol, Luna) · Mejor familia de modelos

AA Index
Astra 57 · GPT-6.1 Sol 54.5 · GPT-6.1 Terra 51 · Luna 27.8
Precio de API
Astra $10/$50 · Sol $2/$10 · Terra $1/$5 · Luna $0.10/$0.50 por 1M de tokens
Ideal para
Equipos que ya usan OpenAI: una familia que cubre desde el trabajo insignia hasta los trabajos en volumen
Detalle

3. GPT-6 family (Astra, Sol, Luna) — mejor familia de modelos

La familia GPT-6 de OpenAI llegó por partes entre septiembre y octubre de 2026, y se entiende mejor como una escala de precios que como un solo modelo. GPT-6 Astra, el insignia, se lanzó el 3 de septiembre a $10 por millón de tokens de entrada y $50 de salida. GPT-6 Sol y GPT-6 Luna llegaron el 22 de septiembre a $2/$10 y $0.10/$0.50. Después llegó GPT-6.1 Sol el 29 de septiembre al mismo $2/$10 que Sol, pero con puntuaciones más altas en todos los tests donde se midieron ambos, y GPT-6.1 Terra llegó el 26 de octubre a $1/$5, orientado al razonamiento visual, el uso de computadora y la escritura natural. La propia guía GPT-6 de OpenAI enumera ahora cuatro modelos actuales: Astra para el trabajo más difícil, GPT-6.1 Sol para equilibrar costo e inteligencia, GPT-6.1 Terra para tareas rápidas de imagen y escritura, y GPT-6 Luna para volumen sensible al costo; y no existe GPT-6 Terra, GPT-6.1 Luna ni GPT-6.1 Astra. Los ocho modelos de la familia comparten una ventana de contexto de 1,050,000 tokens y 128,000 tokens máximos de salida, así que lo que los separa es el precio, los ajustes de razonamiento y el soporte de herramientas, no el contexto. OpenAI dice que los precios de Sol y Luna son permanentes, no tarifas promocionales.

En cifras independientes, Astra obtiene 57 en el Índice de Inteligencia de Artificial Analysis, por detrás de los 65 de Fable 5.2 y los alrededor de 60 de Carbon, mientras que GPT-6.1 Sol obtiene 54.5, sorprendentemente cerca del insignia a una quinta parte del precio; Terra obtiene 51.0 y Luna 27.8. Las propias cifras de OpenAI sitúan a Astra en un 74.1% en DeepSWE v1.1 a máximo esfuerzo, por delante de GPT-6.1 Sol con un 71.9% y de GPT-6 Sol con un 68.8%. Los nombres son realmente confusos: GPT-6 Sol y GPT-6.1 Sol comparten un precio de lista de $2/$10, pero no son el mismo modelo, y GPT-6.1 Sol es el que OpenAI recomienda ahora. Para usuarios de ChatGPT, Astra, GPT-6.1 Sol, GPT-6 Sol y Luna aparecen en Codex para suscriptores Plus a $20 al mes, con GPT-6.1 Sol también en ChatGPT Work y Codex, pero no en Chat, y GPT-6.1 Terra llegó a ChatGPT Work y Codex para usuarios Plus, Pro, Enterprise y Edu el 26 de octubre.

Los límites honestos son los que crea la propia tarifa de OpenAI. Por encima de 272,000 tokens de entrada, la tarifa publicada para contexto largo duplica las tasas de entrada y de caché y sube las tasas de salida un 50% para toda la solicitud: Sol pasa a $4/$15 y Luna a $0.20/$0.75, así que los trabajos de contexto largo cuestan más de lo que sugieren las tarifas destacadas. Y los pasos de precio de cinco y veinte veces entre Astra, Sol y Luna son proporciones de precio, no de calidad: Luna a $0.10/$0.50 no es cincuenta veces menos capaz que Astra, pero tampoco es un sustituto: OpenAI posiciona a Luna para extracción y resumen rutinarios, a Sol para programación recurrente y trabajo con agentes, y a Astra para los trabajos más difíciles. Para un equipo que ya usa OpenAI, la familia es la opción pragmática: dirija cada trabajo al nivel más barato que pueda hacerlo y la factura baja sin cambiar de proveedor. Solo en capacidad bruta, Fable 5.2 y Carbon están por delante.

GPT-6 family (Astra, Sol, Luna)

Fortalezas

  • Una escala de precios completa en una familia: de $0.10 a $10 por millón de tokens de entrada, así cada trabajo recibe el nivel más barato que puede hacerlo.
  • GPT-6.1 Sol obtiene 54.5 en el Índice AA a una quinta parte del precio de Astra: el modelo de clase insignia con mejor valor de OpenAI.
  • Precios permanentes, no promociones de lanzamiento, según OpenAI.
  • El ecosistema más profundo: ChatGPT, Codex y el soporte de herramientas de terceros más amplio de cualquier familia de modelos aquí.

Debilidades

  • Astra está por detrás de Fable 5.2 y Carbon en el índice independiente (57 frente a 65 y alrededor de 60), aunque cuesta más por token.
  • Nombres confusos: GPT-6 Sol y GPT-6.1 Sol comparten precio, pero son modelos distintos; GPT-6.1 Sol es la opción actual.
  • El recargo por contexto largo por encima de 272K tokens de entrada duplica las tasas de entrada para toda la solicitud.
  • La puntuación de Luna en el Índice AA, 27.8, está muy por detrás de los otros modelos baratos: Haiku 5.5 y Ember obtienen 36 al mismo precio.

Probar GPT-6 →

#4 · Claude Opus 5.5 · Mejor modelo polivalente

AA Index
59 a máximo esfuerzo (v5.0.1): tercero en general
Precio de API
$4 de entrada / $20 de salida por millón de tokens
Ideal para
Trabajo serio donde el costo y la lentitud de Fable 5.2 no se justifican
Detalle

4. Claude Opus 5.5 — mejor modelo polivalente

Claude Opus 5.5 se lanzó el 22 de septiembre de 2026 — el mismo día que OpenAI lanzó GPT-6 Sol y Luna — y durante siete semanas fue el modelo a batir. Fable 5.2 ya lo superó en el índice general, pero Opus 5.5 está lejos de estar acabado: obtiene 59 en el Índice de Inteligencia de Artificial Analysis v5.0.1 a máximo esfuerzo, tercero en general, a $10.04 por tarea del índice frente a los $26.54 de Fable 5.2 a Max. Sigue liderando la tabla Elo de AA-Briefcase para trabajo de conocimiento con 1800, por delante de los 1785 de Fable 5.2 en la propia tabla de lanzamiento de Anthropic, y obtiene un 70.1% en el índice de Vals.ai, cuarto en general. En Terminal-Bench 4.0 obtiene un 66.4% en la tabla publicada por el proveedor Moonshot, una fracción por delante del 65.7% de Kimi K3.1 Pro y muy por delante del 58.2% de GPT-6 Astra. Anthropic sigue recomendando empezar con Opus 5.5, incluso después de lanzar Fable 5.2, un detalle revelador sobre cuál modelo considera la opción predeterminada más segura.

El precio es el argumento a favor de Opus 5.5: $4 por millón de tokens de entrada y $20 de salida — la mitad de las tarifas de Fable 5.2 y una quinta parte del precio de salida de Astra — con $0.20 por entrada en caché. Para la mayoría del trabajo profesional, la diferencia entre 59 y 65 en el índice es invisible en el resultado y muy visible en la factura. Opus 5.5 también es el modelo de referencia contra el que se comparan todos los demás proveedores: Moonshot, Google y OpenAI lo incluyen en sus tablas de lanzamiento, lo que significa que sus puntuaciones son las más verificadas de cualquier modelo aquí. Está disponible a través de la API de Claude, las apps de Claude y los proveedores de nube habituales, y Claude Pro cuesta $20 al mes para la app de consumo.

Los límites honestos son que ahora es el segundo mejor dentro de su propia familia. Fable 5.2 lo supera en la mayoría de los benchmarks de lanzamiento de Anthropic, en el índice general y en Vals.ai, y cuesta más por token que los nuevos modelos de gama media: GPT-6.1 Sol y Kimi K3.1 Pro cobran $2/$10 y obtienen puntuaciones a pocos puntos de él. La pregunta práctica no es si Opus 5.5 es bueno — claramente lo es — sino si su precio de $4/$20 sigue mereciendo su lugar ahora que los modelos de $2/$10 obtienen casi las mismas puntuaciones y Fable 5.2 existe para los trabajos que realmente necesitan el máximo. Para los equipos que se estandarizaron en Opus 5.5 en septiembre y octubre, la respuesta es quedarse: sigue siendo un modelo entre los tres primeros y cambiar cuesta más de lo que vale la diferencia de benchmarks. Para proyectos nuevos, pruebe primero GPT-6.1 Sol y Kimi K3.1 Pro.

Claude Opus 5.5

Fortalezas

  • Sigue siendo n.º 1 en el Elo de AA-Briefcase para trabajo de conocimiento con 1800, por delante de Fable 5.2: el mejor modelo para trabajo documental profesional en esa tabla.
  • Tercero en general en el Índice AA (59) a menos de la mitad del costo por tarea de Fable 5.2 ($10.04 frente a $26.54 a Max).
  • Anthropic sigue recomendando empezar con Opus 5.5: la opción predeterminada más segura de la familia Claude.
  • El modelo más verificado aquí: cada rival se compara con él.

Debilidades

  • Ahora es el segundo mejor dentro de su propia familia: Fable 5.2 lo lidera en la mayoría de los benchmarks.
  • $4/$20 por millón de tokens es el doble que los modelos de gama media de $2/$10, que obtienen casi las mismas puntuaciones.
  • Ya no lidera el índice, así que los proyectos nuevos deberían probar primero las alternativas más baratas.

Probar Claude Opus 5.5 →

#5 · Kimi K3.1 Pro · Mejor modelo de pesos abiertos

AA Index
55 (v4.3.2): cuarto de 215 modelos en el índice anterior
Precio de API
$2 de entrada / $10 de salida por millón de tokens
Ideal para
Autoalojamiento, agentes de programación de pesos abiertos y equipos que quieren ser dueños del modelo
Detalle

5. Kimi K3.1 Pro — mejor modelo de pesos abiertos

Moonshot AI anunció Kimi K3.1 Pro el 23 de octubre de 2026 y lo acompañó de una promesa: los pesos completos del modelo llegarían antes del 4 de noviembre. Y llegaron, en Hugging Face el 4 de noviembre, a tiempo, en el repositorio moonshotai/Kimi-K3.1-Pro, bajo la licencia Kimi K3.1-Pro. Eso importa porque un lanzamiento es una afirmación y los pesos abiertos son una forma de comprobarla: cualquiera puede ahora ejecutar, inspeccionar y afinar el modelo. La escala es enorme para un lanzamiento de pesos abiertos: un modelo mixture-of-experts de 2.8 billones de parámetros con 104 mil millones de parámetros activos por token, una ventana de contexto de 1 millón de tokens y un codificador de visión MoonViT-V2. Está disponible ahora en Kimi.ai, Kimi Work, Kimi Code y la API de Kimi, y la API cuesta $2 por millón de tokens de entrada y $10 de salida, con entrada en caché a $0.20: exactamente la mitad del precio de Claude Opus 5.5 y un tercio menos que los $3/$15 de su predecesor Kimi K3.

En cifras, Kimi K3.1 Pro es el modelo de pesos abiertos más fuerte jamás medido en el índice de Artificial Analysis: 55 en el antiguo Índice v4.3.2, cuarto de 215 modelos, tres puntos por detrás de Opus 5.5 y nueve puntos por encima del anterior mejor modelo de pesos abiertos. En Terminal-Bench 4.0, Moonshot reporta un 65.7% frente al 66.4% de Opus 5.5 y el 58.2% de GPT-6 Astra, con el máximo esfuerzo de razonamiento: una diferencia de 0.7 puntos en tareas reales de terminal. Las cifras de alucinación son la mayor mejora declarada sobre Kimi K3: el Kimi Hallu Bench Hard interno de Moonshot sitúa la tasa de alucinación a nivel de afirmación en un 8.3%, frente al 23.4%, aunque es un benchmark interno y debe tomarse como orientación, no como prueba. Las comprobaciones independientes de programación también son fuertes: el benchmark de programación de Requesty le da una tasa de resolución del 81% frente al 92% de Opus 5.5 y el 67% de GLM-5.3, a $1.04 por resolución.

Los límites honestos empiezan con la licencia: no es una licencia estándar de código abierto, y la licencia Kimi K3 exigía un acuerdo aparte para negocios de modelo como servicio con más de $20 millones de ingresos en 12 meses; revise los términos de la licencia K3.1-Pro antes de construir un negocio sobre él. Luego está el hardware: la descarga es de unos 1.56 TB y se necesita mucho más de 1.5 TB de memoria rápida solo para guardar los pesos, así que el autoalojamiento es un trabajo de centro de datos, no un proyecto de servidor casero. Los propios benchmarks de Moonshot son ejecutados por el proveedor, la mayoría dentro del entorno Claude Code, y una auditoría independiente (R40 Research, 3 de noviembre) señaló preocupaciones de maximización de benchmarks en sus ejecuciones de Terminal-Bench y HLE: el caso documentado más fuerte de esa práctica este año. Y el lado del consumidor tiene una queja real: usuarios de los planes de $99–$100 al mes de Kimi reportan agotar la ventana de uso de 5 horas en menos de una hora. Para equipos que quieren ser dueños de su modelo, sin embargo, nada más en noviembre de 2026 se le acerca.

Kimi K3.1 Pro

Fortalezas

  • Pesos completos publicados en Hugging Face el 4 de noviembre, como se prometió: el modelo de pesos abiertos más fuerte jamás medido (Índice AA 55).
  • Puntuaciones de programación casi al nivel de Opus (Terminal-Bench 4.0 65.7% frente a 66.4%) a la mitad del precio de API ($2/$10 frente a $4/$20).
  • 2.8T MoE, 104B activos, contexto de 1M: escala de vanguardia que realmente se puede descargar y ejecutar.
  • Tasa de alucinación reducida del 23.4% al 8.3% en el benchmark interno difícil de Moonshot (cifra del proveedor).

Debilidades

  • No es una licencia estándar de código abierto: revise la licencia K3.1-Pro antes de ofrecerlo comercialmente.
  • El autoalojamiento necesita unos 1.56 TB de pesos y mucho más de 1.5 TB de memoria rápida.
  • Benchmarks del proveedor señalados por posible maximización de benchmarks en una auditoría independiente (R40 Research, 3 de noviembre).
  • Quejas de suscriptores de consumo: ventanas de uso de 5 horas que, según reportes, se agotan en menos de una hora en planes de $99–$100.

Probar Kimi K3.1 Pro →

#6 · Grok 4.7 · Ideal para el ecosistema X

AA Index
35.5: 16.º de 54 modelos en esa tabla
Precio de API
$2 de entrada / $6 de salida por millón de tokens ($0.50 de entrada en caché)
Ideal para
Tareas largas de ingeniería de software y usuarios de X y Grok
Detalle

6. Grok 4.7 — ideal para el ecosistema X

xAI lanzó Grok 4.7 el 21 de septiembre de 2026, construido sobre un modelo base más grande que Grok 4.6, con una sesión de aprendizaje por refuerzo más larga, y lo describe como su modelo más capaz para programación y trabajo de conocimiento. Es el caso atípico de este ranking: su puntuación general en el Índice de Inteligencia de Artificial Analysis es 35.5, el 16.º de 54 modelos en esa tabla, muy por detrás de los líderes, pero en benchmarks específicos de programación parece un modelo completamente distinto. xAI reporta un 71.0% en DeepSWE v1.1 a alto esfuerzo, un 64.0% en EEBench y un 37.6% en Terminal-Bench 4.0 a esfuerzo xHigh, casi el doble del 20.3% de Grok 4.6. Una ejecución independiente de Epoch AI lo sitúa en un 92.7% en GPQA Diamond y un 98.1% en el OTIS Mock AIME, y en LMArena obtiene 1442 en texto y 1640 en WebDev. El precio de API es de $2 por millón de tokens de entrada y $6 de salida, con entrada en caché a $0.50, y la ventana de contexto es de 500,000 tokens, la mitad de la ventana de 1M que ahora comparten los otros modelos insignia.

La lectura honesta es que Grok 4.7 es un especialista, no un generalista. El Índice AA combina nueve evaluaciones y los puntos débiles de Grok arrastran su promedio hacia abajo incluso donde su programación es fuerte; el salto en Terminal-Bench del 20.3% al 37.6% es un progreso real en trabajo agencial de terminal, pero un 37.6% sigue estando muy por detrás del 66.4% de Opus 5.5 y del 65.7% de Kimi K3.1 Pro. En escritura, ToneBench lo ubica 28.º de 87 modelos con su mejor ajuste (medio), con una puntuación de escritura de 79.6 sobre 100: respetable, no líder. Lo que Grok 4.7 ofrece de verdad es el ecosistema xAI: es el modelo dentro de X y de la app Grok, donde X Premium cuesta $8 al mes, y es el modelo sobre el que se construyen los propios productos de xAI. Para un desarrollador que elige solo por benchmarks, los modelos de $2/$10 que están por encima de él — GPT-6.1 Sol, Kimi K3.1 Pro, Gemini 4 Carbon — obtienen mejores puntuaciones por el mismo dinero o menos. Para un usuario de X que quiere el mejor modelo dentro de la app que ya usa, Grok 4.7 es la única respuesta, y es un gran paso adelante respecto a Grok 4.6.

Grok 4.7

Fortalezas

  • Fuerte en benchmarks de programación del mundo real: 71.0% en DeepSWE (cifra de xAI) y 92.7% en GPQA Diamond (ejecución independiente de Epoch AI).
  • Casi duplicó a Grok 4.6 en Terminal-Bench 4.0 (37.6% frente a 20.3%, cifra del proveedor).
  • El precio de salida de insignia más barato aquí después del nivel económico: $6 por millón de tokens de salida.
  • Nativo de X y de la app Grok: sin cuentas ni flujos nuevos para usuarios de X.

Debilidades

  • La puntuación general más débil en el Índice AA de los insignia aquí (35.5): una brecha de generalista, no un simple error de redondeo.
  • En Terminal-Bench 4.0 sigue por detrás de Opus 5.5 (66.4%) y Kimi K3.1 Pro (65.7%) por casi 30 puntos.
  • La ventana de contexto de 500K es la mitad del 1M que ofrecen los otros insignia.
  • xAI no publicó ningún modelo nuevo en noviembre hasta el 1 de noviembre: Grok 4.7 es un modelo de septiembre en un ranking de noviembre.

Probar Grok 4.7 →

#7 · Claude Haiku 5.5 · Mejor modelo económico para el día a día

AA Index
36 a máximo esfuerzo (v5.0.1): la mejor puntuación de un modelo barato
Precio de API
$0.10 de entrada / $0.50 de salida por millón de tokens (prompts de hasta 100K tokens)
Ideal para
Trabajo diario de alto volumen: resúmenes, borradores, clasificación y chat
Detalle

7. Claude Haiku 5.5 — mejor modelo económico para el día a día

Anthropic lanzó Claude Haiku 5.5 el 7 de octubre de 2026 y cambió discretamente la economía del trabajo diario con IA. Para prompts de hasta 100,000 tokens cuesta $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida: un 90% por debajo de los $1/$5 de Haiku 4.5, y la misma tarifa destacada que GPT-6 Luna de OpenAI. Anthropic dice que es alrededor de un 75% más barato de ejecutar que Haiku 4.5 en promedio, después de tener en cuenta su mayor uso de tokens. En capacidad lidera claramente su clase de precio: 36 en el Índice de Inteligencia de Artificial Analysis v5.0.1 a máximo esfuerzo, frente a 28 de GPT-6 Luna y 31 de Gemini 3.8 Flash, y un 58.73% en el índice Vals AI frente al 52.32% de Luna. La propia tabla de lanzamiento de Anthropic lo sitúa en 1620 en GDPval-AA v2.1 frente a los 1437 de Luna, un 72.4% en OSWorld 2.1 frente al 48.9% y un 39.2% en Terminal-Bench 4.0 frente al 16.4%. Tiene una ventana de contexto de 1 millón de tokens y hasta 128K tokens de salida, y está disponible a través de la API de Claude, AWS, Google Cloud, Microsoft Foundry y GitHub Copilot.

El precio tiene una trampa, y es el detalle más importante de esta sección: por encima de 100,000 tokens, Anthropic factura toda la solicitud a cinco veces las tarifas base: $0.50 de entrada y $2.50 de salida. Un prompt que cruza el límite por un token cuesta cinco veces más que el mismo prompt justo por debajo. Eso hace de Haiku 5.5 el mejor modelo barato para prompts cortos y un modelo distinto, mucho más caro, para los largos; y las cifras de costo por tarea publicadas por Artificial Analysis no modelaron al principio el salto de 5x, así que algunas comparaciones de costo por tarea lo subestiman. El modelo también está más dispuesto a decir que no sabe que sus rivales: en AA-Omniscience responde correctamente el 36% de las preguntas factuales, frente al 55% de Gemini 3.8 Flash, con una tasa de alucinación del 40%, en parte porque rechaza preguntas en lugar de adivinar. Y una puntuación temprana en AutomationBench se vio reducida por un bug de seguridad previo al lanzamiento que hacía que el modelo se negara en exceso, algo que Anthropic estaba corrigiendo.

Para trabajo de alto volumen — borradores de soporte al cliente, resúmenes de documentos, clasificación, chat — Haiku 5.5 es la opción predeterminada en noviembre de 2026: el modelo con mayor puntuación al precio más bajo, con la calidad de escritura de la familia Claude. La regla es simple: mantenga los prompts por debajo de 100,000 tokens o dirija los largos a GPT-6 Luna, que mantiene sus tarifas base hasta 272,000 tokens de entrada. Cualquiera que construya un agente que procese documentos largos debería fijar esa regla de enrutado el primer día, antes de que llegue la primera factura.

Claude Haiku 5.5

Fortalezas

  • Mejor puntuación de un modelo barato en el Índice AA (36): por delante de GPT-6 Luna (28) y Gemini 3.8 Flash (31) al mismo precio destacado de $0.10/$0.50.
  • Un 90% más barato que Haiku 4.5 y alrededor de un 75% más barato de ejecutar en promedio (cifra de Anthropic).
  • Fuerte en tareas de uso de computadora: 72.4% en OSWorld 2.1 frente al 48.9% de Luna (cifra de Anthropic).
  • Contexto de 1M de tokens y amplia disponibilidad en nubes y GitHub Copilot.

Debilidades

  • El precio salta 5x por encima de prompts de 100,000 tokens ($0.50/$2.50): un acantilado, no una pendiente.
  • Recuerdo factual débil: 36% en AA-Omniscience frente al 55% de Gemini 3.8 Flash; rechaza preguntas en lugar de responder.
  • Una puntuación temprana en AutomationBench se vio reducida por un bug de seguridad que provocaba negativas excesivas.
  • Algunas cifras publicadas de costo por tarea no modelan el salto de 5x en prompts largos.

Probar Claude Haiku 5.5 →

#8 · Muse Ember · Mejor modelo de volumen para agentes

AA Index
36 a máximo esfuerzo: al nivel de Claude Haiku 5.5
Precio de API
$0.10 de entrada / $0.50 de salida por millón de tokens (hasta 200K de entrada)
Ideal para
Llamadas a herramientas, enrutado, extracción y subtareas de programación dentro de agentes, a gran escala
Detalle

8. Muse Ember — mejor modelo de volumen para agentes

Meta lanzó Muse Ember el 9 de noviembre de 2026 — el mismo día que Claude Fable 5.2 — y es el tipo de lanzamiento opuesto: no un insignia, sino el modelo más pequeño y barato de la familia Muse de Meta, creado para el trabajo que los agentes repiten todo el día. Cuesta $0.10 por millón de tokens de entrada, $0.004 por millón de tokens de entrada en caché y $0.50 por millón de tokens de salida, para solicitudes de hasta 200,000 tokens de entrada (por encima, $0.30/$1.50). Vive en la API de Meta Model en api.meta.ai y en Muse Code con el id de modelo muse-ember-1.0, con una ventana de contexto de 1 millón de tokens y hasta 512,000 tokens de salida, aceptando texto, imágenes, audio y video como entrada. Meta dice que es el primer modelo entrenado con Muse Wonder Full, su modelo más grande, y presenta a la pareja como un equipo: «Muse Wonder planifica, Muse Ember se encarga del volumen». Entre los primeros socios nombrados en la página de lanzamiento están Box, Cline, Oracle, Cloudflare y You.com, y también aparece en OpenRouter y varias pasarelas.

La afirmación principal es el valor, y las cifras independientes lo respaldan: Ember obtiene 36 en el Índice de Inteligencia de Artificial Analysis a máximo esfuerzo — al nivel de la mejor puntuación de Claude Haiku 5.5 — a $0.14 por tarea del índice frente a los $0.41 de Haiku, alrededor de un tercio del costo. La publicación de lanzamiento de Meta sitúa a Muse Spark 1.3 en 37 en el mismo índice a $2.39 por tarea, así que Ember ofrece casi la misma puntuación que su hermano mayor por una decimoséptima parte del costo por tarea. Es un modelo de razonamiento sin interruptor de apagado y está diseñado para subtareas de agentes, llamadas a herramientas, enrutado, extracción, subtareas de programación y análisis de documentos largos: los trabajos pequeños que un agente repite cientos de veces al día, donde el costo por llamada importa más que la capacidad máxima.

Los límites honestos son que Ember es un trabajador, no un pensador. Artificial Analysis encontró que el conocimiento es su punto débil: rechaza el 64% de las preguntas de trivia, así que es el modelo equivocado para responder preguntas factuales sin recuperación. No se puede descargar: solo funciona a través de la API de Meta y de servicios que lo revenden, a diferencia de los Muse Glimmer y Muse Spark Open de pesos abiertos de Meta. Y la tarifa de $0.10/$0.50 solo se mantiene hasta 200,000 tokens de entrada; por encima, el precio se triplica. Para quienes construyen agentes, el patrón Ember es la verdadera historia de noviembre de 2026: use el modelo caro para planificar y el modelo barato para ejecutar. Combine Ember con Muse Wonder para planificar, o con Fable 5.2 u Opus 5.5 para los pasos difíciles, y el trabajo de volumen no cuesta casi nada.

Muse Ember

Fortalezas

  • Puntuaciones al nivel de Haiku (Índice AA 36) a $0.14 por tarea: alrededor de un tercio de los $0.41 de Haiku 5.5.
  • La entrada en caché más barata aquí: $0.004 por millón de tokens.
  • Contexto de 1M de tokens, hasta 512K de salida y entrada multimodal (texto, imagen, audio, video).
  • Primer modelo entrenado con Muse Wonder Full: diseñado como trabajador de volumen bajo un modelo de planificación.

Debilidades

  • Conocimiento factual débil: rechaza el 64% de las preguntas de trivia (Artificial Analysis).
  • Solo alojado: sin pesos descargables, a diferencia de los modelos Muse de pesos abiertos de Meta.
  • El precio se triplica por encima de 200,000 tokens de entrada ($0.30/$1.50).
  • Modelo nuevo (9 de noviembre) sin historial más allá de los benchmarks de la semana de lanzamiento.

Probar Muse Ember →

#9 · DeepSeek V4.1 Flash · Mejor modelo económico para lotes

AA Index
Sin puntuación publicada en las fuentes consultadas el 11 de noviembre
Precio de API
$0.30 de entrada / $1.20 de salida en hora punta; $0.15 / $0.60 fuera de hora punta por 1M de tokens
Ideal para
Trabajos por lotes, clasificación y tareas de programación que se pueden programar fuera de hora punta
Detalle

9. DeepSeek V4.1 Flash — mejor modelo económico para lotes

DeepSeek V4.1 Flash se lanzó por primera vez el 10 de septiembre de 2026, y la revisión actual V4.1-Flash-1017 llegó el 17 de octubre. Es un modelo mixture-of-experts de 552 mil millones de parámetros con una ventana de contexto de 1 millón de tokens y hasta 384,000 tokens de salida, y su precio es el más inusual de este ranking: DeepSeek cobra según la hora del día. En horas punta cuesta $0.30 por millón de tokens de entrada con caché fallido y $1.20 de salida; fuera de hora punta, ambos se reducen a la mitad, a $0.15 y $0.60, con entrada con caché acertado a $0.006 en hora punta y $0.003 fuera de hora punta. Las horas punta son las mañanas y tardes de días laborables en hora de Pekín, excluidos los festivos chinos. La app de chat de DeepSeek es gratuita y la API es la forma más barata de ejecutar un modelo capaz en volumen, si se puede programar el trabajo.

En benchmarks, las cifras de Epoch AI son fuertes para el precio: 43.9% en FrontierCode a alto esfuerzo (frente al 18.8% del antiguo V4 Flash), 89.8% en GPQA Diamond, 72.9% en ARC-AGI-2, 67.4% en FrontierMath niveles 1–3 y 98.3% en el OTIS Mock AIME. La propia comparación de Tencent, que repitió 34 benchmarks, encontró que DeepSeek V4.1 Flash ganaba 7 de ellos frente a su modelo Hy4, concentrados en programación y automatización, incluidos DeepSWE, AutomationBench y su propio Foundation Model Bench, aunque esas puntuaciones las compiló Tencent, no un laboratorio independiente. Una medición independiente es reveladora: en el benchmark de escritura de ToneBench, DeepSeek V4.1 Flash a máximo esfuerzo se ubica por encima de Grok 4.7 en medio, a $0.017 por guion frente a $0.215.

Los límites honestos son los que vienen con el precio. El descuento fuera de hora punta solo ayuda si la carga de trabajo puede esperar: un producto en tiempo real no puede programar las solicitudes de sus usuarios para horas fuera de punta. DeepSeek no publica precio de lista en USD para este modelo en algunos canales, así que los rastreadores externos citan tarifas de plataforma: las cifras de $0.15/$0.60 son tarifas de pasarela leídas de la configuración de tarifas en vivo el 11 de noviembre, no una lista en USD publicada por DeepSeek. Y no encontramos ninguna puntuación publicada en el Índice de Inteligencia de Artificial Analysis para este modelo en las fuentes consultadas el 11 de noviembre, lo que hace más difícil compararlo directamente con los modelos anteriores. Para trabajo por lotes — etiquetado, clasificación, limpieza y tareas de programación en volumen — programado fuera de hora punta, es el modelo capaz más barato de este ranking. Para cualquier cosa en vivo, Haiku 5.5 o Ember con la misma tarifa plana de $0.10/$0.50 son más sencillos.

DeepSeek V4.1 Flash

Fortalezas

  • El modelo capaz más barato para trabajo por lotes: $0.15/$0.60 por millón de tokens fuera de hora punta.
  • Buen historial de benchmarks para el precio: 43.9% en FrontierCode, 72.9% en ARC-AGI-2 y 98.3% en AIME (Epoch AI).
  • Contexto de 1M de tokens, 384K de salida máxima y entrada multimodal nativa.
  • App de chat gratuita y API disponible a través de DeepSeek y pasarelas de terceros.

Debilidades

  • El descuento fuera de hora punta solo ayuda al trabajo por lotes programable: inútil para productos en tiempo real.
  • Sin puntuación publicada en el Índice de Inteligencia de Artificial Analysis en las fuentes que consultamos, así que la comparación directa es más difícil.
  • Sin precio de lista en USD publicado por DeepSeek en algunos canales: las cifras son tarifas de pasarela o plataforma.
  • La tarifa de hora punta duplica la factura si sus trabajos caen en horario laboral de Pekín.

Probar DeepSeek V4.1 Flash →

Los precios cambian a menudo: tome cada cifra anterior como una foto y consulte el sitio oficial antes de comprar. Las cantidades de crédito del nivel gratuito y los términos de uso comercial cambian con frecuencia.

Cómo elegir el modelo de IA adecuado en noviembre de 2026

Los modelos anteriores solo son útiles dentro de un flujo de trabajo, y la forma más barata de elegir es adaptar el modelo al trabajo antes de mirar el precio. Este es el método que funciona, en el orden que importa.

1. Clasifique su trabajo en tres grupos. Trabajos difíciles — tareas largas de programación, migraciones grandes, investigación que lleva horas — van a Fable 5.2 o Gemini 4 Carbon. Trabajos diarios — borradores, resúmenes, respuestas de soporte, clasificación — van a Haiku 5.5, Muse Ember o GPT-6 Luna. Trabajos de volumen dentro de un agente — llamadas a herramientas, enrutado, extracción — van a Ember o Haiku 5.5. La mayoría de los equipos descubre que el 90% de sus llamadas pertenece a los grupos dos y tres, y que el modelo insignia solo justifica su precio en el 10% restante. Nuestra mejores herramientas de IA de SDR guía muestra el mismo método de grupos aplicado a la prospección de ventas, y nuestro mejores herramientas de IA de SEO resumen muestra sobre qué modelos están construidas realmente las herramientas de SEO que incluye.

2. Compare el costo por tarea terminada, no el costo por token. Fable 5.2 a máximo esfuerzo cuesta $26.54 por tarea del índice de Artificial Analysis; con High cuesta $9.08 por una puntuación de 61.82 en lugar de 65. Muse Ember cuesta $0.14 por tarea por un 36. El precio por token no dice casi nada sobre la factura. Ejecute su propio trabajo representativo con dos o tres modelos candidatos, cuente los tokens que cada uno usa realmente y multiplique por la tarifa. Un modelo barato por token y verboso por respuesta puede costar más que un modelo caro que responde con menos tokens.

3. Vigile los acantilados de precio. Tres modelos de este ranking tienen uno: Haiku 5.5 salta 5x por encima de prompts de 100,000 tokens, Muse Ember triplica por encima de 200,000 tokens de entrada y los modelos GPT-6 duplican las tasas de entrada por encima de 272,000 tokens. Gemini 4 Carbon se duplica el 1 de diciembre de 2026. Ponga el acantilado en su lógica de enrutado antes de lanzar, no después de la primera factura. Si sus prompts cruzan un acantilado con regularidad, elija el modelo cuyo acantilado esté más lejos.

4. Trate los benchmarks de los proveedores como afirmaciones, no como veredictos. Cada proveedor destaca los tests que gana: Google con AutomationBench, Anthropic con FrontierCode y Moonshot con Terminal-Bench. Las cifras independientes (Artificial Analysis, Vals.ai, CursorBench, Epoch AI) son las que más peso deben tener, e incluso esas cambian cuando cambia la versión del índice. El único benchmark que resuelve la cuestión es el suyo: un conjunto fijo de sus tareas reales, puntuado por su equipo y ejecutado en cada modelo candidato.

Cómo las clasificamos

Como esta es una comparativa documentada y no una prueba de laboratorio, esto es exactamente lo que entra en el ranking: (1) capacidad independiente — las puntuaciones del Índice de Inteligencia de Artificial Analysis v5.0.1, Vals.ai y CursorBench, revisadas del 9 al 11 de noviembre de 2026; (2) verificación — si el modelo está activo, disponible y se puede comprobar en las propias páginas del proveedor en noviembre de 2026; (3) valor — costo por tarea terminada, no por token, incluidos los acantilados de precio y el fin de las tarifas introductorias; (4) honestidad — si el proveedor publica sus límites y precios con claridad o los esconde detrás de una página de ventas. Las puntuaciones de benchmarks publicadas por los proveedores se señalan donde aparecen y pesan menos que las independientes. Todos los rankings son una foto de noviembre de 2026: este mercado se mueve en días, no en trimestres, así que tómelos como orientación, no como dogma.

¿Qué modelo de IA debería elegir?

¿Aún no se decide? Empiece por los niveles gratuitos: ChatGPT, Claude, Gemini y DeepSeek tienen planes gratuitos para probar los modelos en las apps; luego consulte las ofertas actuales de IA antes de pagar por nada, y explore nuestra mejores creadores de currículums con IA guía para ver un ejemplo práctico de cómo se aplica la misma lógica de elección de modelo a un solo caso de uso. Si está comparando las apps de chatbot y no los modelos, nuestra nivel gratuito de ChatGPT vs Claude comparativa cubre lo que realmente obtiene por $0.

Preguntas frecuentes

¿Cuál es el mejor modelo de IA en noviembre de 2026?

Según la evidencia disponible el 11 de noviembre de 2026, Claude Fable 5.2 es el mejor modelo de IA en general: obtiene 65 en el Índice de Inteligencia v5.0.1 de Artificial Analysis, primero de 74 modelos, por delante de Gemini 4 Carbon con alrededor de 60 y de Claude Opus 5.5 con 59. También lidera el índice de Vals.ai con un 71.3%. La advertencia es el costo y la velocidad: a máximo esfuerzo es el modelo más caro por tarea que midió Artificial Analysis ($26.54) y uno de los más lentos (103 tokens por segundo). Si su trabajo es programación o investigación larga y difícil, es la opción; para el trabajo diario, los modelos más baratos de abajo son la compra más inteligente.

¿Es Claude Fable 5.2 mejor que GPT-6 Astra?

Según los benchmarks independientes que revisamos, sí: Fable 5.2 obtiene 65 en el Índice de Inteligencia v5.0.1 de Artificial Analysis frente a 57 de GPT-6 Astra, y un 71.3% frente a un 65.0% en el índice de Vals.ai. Fable 5.2 también es más barato por token que Astra ($8/$40 por millón de tokens de entrada/salida frente a $10/$50 de Astra). Lo que Astra sigue ganando es el ecosistema: es el modelo insignia dentro de ChatGPT y de la API de OpenAI, así que si su equipo, sus herramientas y sus flujos de trabajo ya funcionan con OpenAI, el costo de cambiar puede importar más que la diferencia de benchmarks. Consulte las páginas oficiales de precios antes de comprar: los precios cambian a menudo.

¿Cuál es el modelo de IA bueno más barato en noviembre de 2026?

Tres modelos comparten la misma tarifa destacada de $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida: Claude Haiku 5.5 (para prompts de hasta 100,000 tokens; por encima, salta cinco veces a $0.50/$2.50), GPT-6 Luna y Muse Ember de Meta (hasta 200,000 tokens de entrada, luego $0.30/$1.50). En el Índice de Inteligencia de Artificial Analysis, Haiku 5.5 y Muse Ember obtienen 36, muy por delante de Luna con 28, así que Haiku 5.5 y Ember son las mejores opciones baratas por capacidad. DeepSeek V4.1 Flash también es barato para trabajo por lotes: $0.30/$1.20 en horas punta y la mitad fuera de hora punta.

¿Es Kimi K3.1 Pro realmente de código abierto?

No es de código abierto en el sentido habitual: pesos abiertos es la descripción precisa. Moonshot AI publicó los pesos completos de Kimi K3.1 Pro en Hugging Face el 4 de noviembre de 2026, como prometió en el lanzamiento, bajo su propia licencia Kimi K3.1-Pro, un texto de estilo MIT modificado que permite el uso comercial y la prestación del servicio. Puede descargar y ejecutar el modelo usted mismo, pero la descarga es de unos 1.56 TB y se necesita mucho más de 1.5 TB de memoria rápida solo para guardar los pesos, así que para la mayoría la API de $2/$10 por millón de tokens es la ruta práctica. Revise la ficha del modelo antes de planificar un despliegue autoalojado.

¿Qué modelo de IA es mejor para programar en noviembre de 2026?

Para el trabajo de programación más difícil, Claude Fable 5.2: Anthropic reporta un 49.1% en FrontierCode 2.0 a esfuerzo Xhigh, frente al 32.4% de Fable 5.1, y lidera el índice de Artificial Analysis. Para la programación diaria dentro de un editor, Gemini 4 Carbon ocupa el primer puesto en CursorBench 4.0 con un 60.4%, y Claude Opus 5.5 obtiene un 66.4% en Terminal-Bench 4.0 en la tabla publicada por el proveedor Moonshot. Para programar con presupuesto, GPT-6.1 Sol a $2/$10 por millón de tokens o Kimi K3.1 Pro al mismo precio obtienen puntuaciones cercanas a las de los modelos insignia en benchmarks de programación con agentes. Todas estas cifras, excepto las puntuaciones de Artificial Analysis y CursorBench, son publicadas por los proveedores: tómelas como orientación, no como prueba, y haga su propia prueba en su propio código.

¿Necesito el modelo de IA más caro?

Casi seguro que no para la mayoría del trabajo. El precio por token es el número equivocado para comparar: lo que importa es el costo por tarea terminada, y los modelos más capaces usan muchos más tokens por tarea. Claude Fable 5.2 a máximo esfuerzo cuesta $26.54 por tarea del índice de Artificial Analysis, frente a $9.08 con su ajuste High y $0.14 por Muse Ember. La regla práctica es adaptar el modelo al trabajo: Haiku 5.5, Muse Ember o GPT-6 Luna para trabajo rutinario de alto volumen; GPT-6.1 Sol o Kimi K3.1 Pro para programación seria a un precio justo; y Fable 5.2 o Gemini 4 Carbon solo para los trabajos más difíciles, donde una mejor respuesta vale la espera y el pago.

AT
Acerca de Aitopkit

Investigamos las herramientas de IA a fondo antes de recomendarlas: precios oficiales, documentación pública e informes reales de usuarios. Si compra a través de nuestros enlaces, podemos ganar una comisión sin costo adicional para usted. Lea nuestra divulgación.