Modelos comparados

Comparación benchmark Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium): Gemini 3.1 Pro Preview (medium) lidera en Puntuación con 9.2. Claude Opus 4.6 (medium) lidera en Fiabilidad con 10.0. GPT-5.3-Codex (medium) tiene el Costo total más bajo con $0.920. GPT-5.3-Codex (medium) es el más rápido con 16.96s.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-08-07

Rango: #60
Total de tokens de salida: 100,601
Tiempo de respuesta (promedio): 34.27s
Costo total: $3.059

Rango: #56
Total de tokens de salida: 115,865
Tiempo de respuesta (promedio): 25.91s
Costo total: $2.057

Rango: #18
Total de tokens de salida: 55,525
Tiempo de respuesta (promedio): 16.96s
Costo total: $0.920

Rango: #9
Total de tokens de salida: 97,958
Tiempo de respuesta (promedio): 21.47s
Costo total: $1.361

Modelo recomendado GPT-5.3-Codex (medium)

Su puntuación se mantiene cerca de la mejor aquí (8.9 vs 9.2) y cuesta aproximadamente 2.3x menos que los otros modelos de esta comparación.

Comparación detallada

Métrica	Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lanzamiento: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lanzamiento: 2026-02-19

Métrica	Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lanzamiento: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lanzamiento: 2026-02-19
Puntuación	7.7	7.8	8.9	9.2
Rango	#60	#56	#18	#9
Fiabilidad	10.0	10.0	10.0	10.0
Consistencia	8.8	9.2	8.6	10.0
Cobertura del benchmark	22/22 pruebas · 66/66 intentos	22/22 pruebas · 66/66 intentos	22/22 pruebas · 66/66 intentos	22/22 pruebas · 66/66 intentos
Pruebas correctas
Tasa de aciertos por intento	63.6%	66.7%	83.3%	90.9%
Pruebas inestables	3	2	4	0
Ejecuciones totales	66	66	66	66
Costo por resultado	23.524	14.692	5.748	6.801
Costo total	$3.059	$2.057	$0.920	$1.361
Precio de entrada	$5.000 / 1M	$3.000 / 1M	$1.750 / 1M	$2.000 / 1M
Precio de salida	$25.000 / 1M	$15.000 / 1M	$14.000 / 1M	$12.000 / 1M
Total de tokens de entrada	108,615	106,292	81,268	92,287
Tokens de salida	72,286	80,748	6,251	5,232
Tokens de razonamiento	28,315	35,117	49,274	92,726
Tiempo de respuesta (promedio)	34.27s	25.91s	16.96s	21.47s
Tiempo de respuesta (máximo)	151.51s	140.96s	100.93s	88.68s
Tiempo de respuesta (total)	513.99s	362.78s	373.19s	322.08s

Generación showcase de modelos

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#60 Claude Opus 4.6

medium

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 tok

#56 Claude Sonnet 4.6

medium

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 tok

#18 GPT-5.3-Codex

medium

Coste: $0.049
Tiempo: 54.9s
Tokens: 3,580 tok

#9 Gemini 3.1 Pro Preview

medium

Coste: $0.115
Tiempo: 87.2s
Tokens: 9,629 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	6.4	5.8	66.7%	2	7.45s	840	986	1,071
Claude Sonnet 4.6	6.5	10.0	50.0%	0	2.98s	789	1,046	1,093
GPT-5.3-Codex	8.7	7.9	91.7%	1	4.16s	606	240	1,722
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	7.90s	498	112	3,218

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	5.7	7.1	44.4%	1	30.10s	8,522	13,057	4,121
Claude Sonnet 4.6	5.7	6.6	44.4%	1	33.29s	6,995	16,089	3,686
GPT-5.3-Codex	10.0	10.0	100.0%	0	19.50s	7,302	535	10,890
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	10.0	10.0	100.0%	114.08s	76,073	33,018	9,509
Claude Sonnet 4.6	10.0	10.0	100.0%	93.65s	75,531	31,916	9,109
GPT-5.3-Codex	10.0	10.0	100.0%	26.04s	57,988	4,258	5,816
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	10.0	10.0	100.0%	7.37s	8,676	691	757
Claude Sonnet 4.6	10.0	10.0	100.0%	13.90s	8,676	649	742
GPT-5.3-Codex	10.0	10.0	100.0%	3.07s	7,140	234	728
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	3.0	10.0	0.0%	0	83.40s	674	14,642	8,687
Claude Sonnet 4.6	2.9	7.2	11.1%	1	0ms	471	25,790	16,919
GPT-5.3-Codex	5.9	7.2	55.6%	1	64.31s	813	64	25,308
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	10.0	10.0	100.0%	5.04s	564	188	292
Claude Sonnet 4.6	10.0	10.0	100.0%	4.94s	564	256	433
GPT-5.3-Codex	4.6	10.0	0.0%	4.87s	477	187	331
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	11.77s	490	108	1,179

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	10.0	10.0	100.0%	2.43s	792	266	467
Claude Sonnet 4.6	10.0	10.0	100.0%	2.61s	792	318	552
GPT-5.3-Codex	10.0	10.0	100.0%	3.04s	660	93	693
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	7.7	10.0	66.7%	0	4.71s	816	532	630
Claude Sonnet 4.6	10.0	10.0	100.0%	0	5.31s	816	592	646
GPT-5.3-Codex	9.0	7.9	88.9%	1	5.05s	642	356	1,593
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	10.0	10.0	100.0%	9.73s	11,454	861	329
Claude Sonnet 4.6	10.0	10.0	100.0%	7.48s	11,454	655	351
GPT-5.3-Codex	10.0	10.0	100.0%	6.37s	5,445	254	492
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.6	3.0	10.0	0.0%	0	63.24s	204	8,045	2,452
Claude Sonnet 4.6	3.0	10.0	0.0%	0	30.09s	204	3,437	1,586
GPT-5.3-Codex	2.8	1.6	33.3%	1	14.43s	195	30	1,701
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297

Comparación rápida

Cambiar par de comparación

GPT-5.3-CodexmediumvsGrok 4.5high Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Claude Sonnet 4.6mediumvsQwen3.7 Flashhigh Claude Opus 4.6mediumvsDeepSeek V4 Prohigh Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.6mediumvsQwen3.7 Flashhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh