Pensar
Elegir un LLM que responda preguntas especializadas
Ordenado por la valoración humana en preguntas de nivel experto.
- El mejor valorado
- △Claude Fable 5 $20
- Si quieres gastar poco
- MiMo-V2.6 Flash Pesos abiertos $0.18
- Diferencia de valoración: 58
- Cuando una persona compara 2 respuestas, Claude Fable 5 se elige alrededor del 58 % de las veces
Su valoración es casi igual a la de Gemini 4 Argon ($4), que es más barato (la diferencia está dentro del margen de error), así que Gemini 4 Argon es suficiente.
Valoración y precio
Cuanto más arriba a la izquierda, más barato y mejor valorado es el modelo.
OpenAIAnthropicZ.aiGoogleXiaomiStepFunAlibabaMistralCohereMetaMiniMaxxAIDeepSeekMoonshotNVIDIAMicrosoftOtros
El modelo mejor valorado en cada precio
1.ª línea: modelo / Valoración humana; 2.ª línea: precio aproximado
| Modelo | Desarrollador | Valoración humana | Precio |
|---|---|---|---|
| △Claude Fable 5 | Anthropic | $20 (entrada $10 / salida $50) | |
| △Claude Opus 4.6 | Anthropic | $10 (entrada $5 / salida $25) | |
| △Claude Opus 5.5 | Anthropic | $8 (entrada $4 / salida $20) | |
| Gemini 4 Argon | $4 (entrada $2 / salida $10) | ||
| △MiMo-V2.6 Pro | Xiaomi | $0.54 (entrada $0.435 / salida $0.87) | |
| △GLM-5.3 Flash | Z.ai | $0.24 (entrada $0.15 / salida $0.5) | |
| MiMo-V2.6 Flash | Xiaomi | $0.18 (entrada $0.14 / salida $0.28) | |
| Step 3.5 Flash | StepFun | $0.16 (entrada $0.1046 / salida $0.3138) | |
| GPT-5 nano | OpenAI | $0.14 (entrada $0.05 / salida $0.4) |
Todos los modelos (de mayor a menor valoración humana)
2.ª línea: precio (entrada / salida) / contexto / publicación / admite Herramientas Imágenes JSON □ Comparar
| Recomendado | Comparar | Modelo | Desarrollador | Valoración humana | Preguntas factuales breves (%) | Preguntas más difíciles (%) | Investigar en la web (puntos) | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Claude Fable 5 | Anthropic | 70.7 | — | — | $10 | $50 | 1M | $10 / $50 1M 2026-06 | ||||||
| Claude Opus 4.6 | Anthropic | 47.0 | 31.1 | 55.3 | $5 | $25 | 1M | $5 / $25 1M 2026-02 | ||||||
| Claude Opus 5.5 | Anthropic | 72.2 | — | — | $4 | $20 | 1M | $4 / $20 1M 2026-09 | ||||||
| Claude Opus 5 | Anthropic | 59.9 | — | — | $5 | $25 | 1M | $5 / $25 1M 2026-07 | ||||||
| Gemini 4 Argon | 76.0 | — | — | $2 | $10 | 1.05M | $2 / $10 1.05M 2026-09 | |||||||
| Claude Sonnet 5.5 | Anthropic | 46.5 | 43.4 | — | $2 | $10 | 1M | $2 / $10 1M 2026-09 | ||||||
| Claude Opus 4.7 | Anthropic | 51.7 | 33.0 | — | $5 | $25 | 1M | $5 / $25 1M 2026-04 | ||||||
| Claude Fable 5.1 | Anthropic | 70.8 | 43.8 | — | $10 | $50 | 1M | $10 / $50 1M 2026-09 | ||||||
| GPT-5.6 Sol | OpenAI | 69.7 | — | — | $4 | $20 | 1.05M | $4 / $20 1.05M 2026-07 | ||||||
| Kimi K3 | Moonshot | 50.6 | — | — | $3 | $15 | 1.05M | $3 / $15 1.05M 2026-07 | ||||||
| MiMo-V2.6 Pro | Xiaomi | — | — | — | $0.435 | $0.87 | 1.05M | $0.435 / $0.87 1.05M 2026-09 | ||||||
| Gemini 3.8 Flash | 69.7 | 41.7 | — | $0.75 | $3.75 | 1.05M | $0.75 / $3.75 1.05M 2026-09 | |||||||
| Muse Spark 1.3 | Meta | — | — | — | $1.25 | $4.25 | 1.05M | $1.25 / $4.25 1.05M 2026-09 | ||||||
| Claude Opus 4.8 | Anthropic | 53.0 | — | 50.2 | $5 | $25 | 1M | $5 / $25 1M 2026-05 | ||||||
| Muse Wonder | Meta | — | — | — | $4 | $20 | 1.05M | $4 / $20 1.05M 2026-10 | ||||||
| Gemini 3.7 Flash | 69.2 | — | — | $0.75 | $3.75 | 1.05M | $0.75 / $3.75 1.05M 2026-08 | |||||||
| GLM-5.3 | Z.ai | 41.0 | — | — | $1.4 | $4.4 | 1M | $1.4 / $4.4 1M 2026-08 | ||||||
| GPT-6 Astra | OpenAI | 75.6 | 52.5 | — | $10 | $50 | 1.05M | $10 / $50 1.05M 2026-09 | ||||||
| GPT-6.1 Sol | OpenAI | 73.9 | — | — | $2 | $10 | 1.05M | $2 / $10 1.05M 2026-09 | ||||||
| DeepSeek-V4.1 Flash | DeepSeek | 42.9 | — | — | — | — | 1M | 1M 2026-09 | ||||||
| GPT-5.4 | OpenAI | 45.1 | 33.0 | 35.1 | $2.5 | $15 | 1.05M | $2.5 / $15 1.05M 2026-03 | ||||||
| GPT-5.5 | OpenAI | 63.0 | — | 54.0 | $5 | $30 | 1.05M | $5 / $30 1.05M 2026-04 | ||||||
| Qwen3.8 Max | Alibaba | 45.8 | — | — | $2 | $6 | 1M | $2 / $6 1M 2026-08 | ||||||
| Claude Sonnet 5 | Anthropic | 33.7 | — | — | $2 | $10 | 1M | $2 / $10 1M 2026-06 | ||||||
| GLM-5.3 Flash | Z.ai | — | — | — | $0.15 | $0.5 | 1M | $0.15 / $0.5 1M 2026-08 | ||||||
| Gemini 3.1 Pro (preview) | 73.5 | 43.7 | 47.8 | $2 | $12 | 1.05M | $2 / $12 1.05M 2026-02 | |||||||
| GPT-5.6 Terra | OpenAI | 43.2 | — | — | $2 | $12 | 1.05M | $2 / $12 1.05M 2026-07 | ||||||
| Qwen3.7 Max (preview) | Alibaba | — | — | — | — | — | — | — | ||||||
| Claude Sonnet 4.6 | Anthropic | 35.5 | — | 54.9 | $3 | $15 | 1M | $3 / $15 1M 2026-02 | ||||||
| MiMo-V2.5 Pro | Xiaomi | — | — | — | $0.435 | $0.87 | 1.05M | $0.435 / $0.87 1.05M 2026-04 | ||||||
| Claude Opus 4.5 | Anthropic | 45.7 | 21.4 | 54.8 | $5 | $25 | 200K | $5 / $25 200K 2025-11 | ||||||
| Muse Spark 1.1 | Meta | 57.8 | — | — | $1.25 | $4.25 | 1M | $1.25 / $4.25 1M 2026-07 | ||||||
| Kimi K2.6 | Moonshot | 34.9 | — | — | $0.95 | $4 | 262.1K | $0.95 / $4 262.1K 2026-04 | ||||||
| GLM-5.2 | Z.ai | 34.2 | — | — | $1.4 | $4.4 | 1M | $1.4 / $4.4 1M 2026-06 | ||||||
| Gemini 3.6 Flash | 66.2 | — | — | $0.75 | $3.75 | 1.05M | $0.75 / $3.75 1.05M 2026-07 | |||||||
| Qwen3.6 Max (preview) | Alibaba | 52.0 | — | — | $1.3 | $7.8 | 240K | $1.3 / $7.8 240K 2026-04 | ||||||
| Gemini 3 Pro | — | — | — | — | — | 1.05M | 1.05M 2025-11 | |||||||
| Qwen3.5 Max (preview) | Alibaba | — | — | — | — | — | — | — | ||||||
| Gemma 4 31B | 10.4 | — | — | — | — | 262.1K | 262.1K 2026-04 | |||||||
| Claude Sonnet 4.5 | Anthropic | 30.7 | 9.4 | 52.6 | $3 | $15 | 200K | $3 / $15 200K 2025-09 |
Cómo leer esta página
- La tabla también muestra la tasa de acierto en preguntas breves sobre hechos y las preguntas académicas más difíciles; la puntuación en responder investigando en la web (no se usa para ordenar). Hay 343 modelos con evaluación.
- Las barras se dibujan en el intervalo 1000–1600.
- La valoración humana es una puntuación que sale de personas que hacen la misma pregunta a 2 modelos y eligen la mejor respuesta. Con una diferencia de 50, el modelo de arriba se elige alrededor del 57 % de las veces; con 100, el 64 %, y con 200, el 76 % (una diferencia de 0 es mitad y mitad). Las diferencias en las que se solapan los márgenes ± están dentro del margen de error y son casi iguales.
- Solo algunos modelos tienen valores de Preguntas factuales breves, Preguntas más difíciles, Investigar en la web.
- Solo se muestran los modelos con mejor valoración que todos los modelos más baratos, de mayor a menor valoración. Si la valoración es parecida, basta con elegir la fila más barata de esta tabla. La recomendación es la fila más alta sin △ que entre en el precio que puedes pagar. Las filas con △ cuestan más que la fila sin △ que tienen debajo, pero su valoración es casi igual (la diferencia está dentro del margen de error).
- «Si quieres gastar poco» es el modelo mejor valorado por $2 o menos por cada millón de tokens (si bajas el precio máximo por debajo de eso, con ese máximo).
- △ marca las filas cuya diferencia de valoración está dentro del margen de error (casi igual). Las filas sin △ tienen una valoración más alta, por encima del margen de error, que la fila sin △ más cercana de abajo.
- Recomendado por precio
- El precio es una referencia de lo que paga un desarrollador al usar el modelo desde un programa (API), aparte de la cuota mensual de las aplicaciones. La unidad es un millón de tokens. Un token es un trozo pequeño de texto (unas tres cuartas partes de una palabra en inglés), y un millón de tokens equivale a unas 8 a 10 novelas. Leer (entrada) y escribir (salida) tienen precios distintos; aquí se combinan en una proporción de lectura 3 : escritura 1. Por ejemplo, con un modelo de $20, una pregunta normal (unos 1000 tokens entre pregunta y respuesta) cuesta about 2 cents. No se incluyen los modelos de precio desconocido.
- Los iconos de la columna Admite son, de izquierda a derecha: puede usar herramientas / puede leer imágenes / puede responder con un formato fijo (JSON) (una marca tenue significa que no lo admite o que se desconoce).
- Un modelo de pesos abiertos es aquel cuyo contenido (los pesos) se ha publicado y que también puedes ejecutar en tu propio ordenador o servidor. Los modelos sin la marca de pesos abiertos se usan normalmente a través del servicio del desarrollador (aplicación o API) (algunos modelos no tienen información sobre sus pesos).
- ChatGPT y los demás nombres junto al nombre del modelo son los servicios que ese desarrollador ofrece al público. Comprueba en el propio servicio si ese modelo se puede elegir allí.
- El eje vertical es la Valoración humana y el horizontal, el precio (el horizontal es más espaciado hacia la derecha). Los puntos unidos con la línea escalonada son el modelo mejor valorado en cada precio. Toca o señala un punto para ver el nombre del modelo.
Datos: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT), actualizado el 2026-10-24, Fuentes de datos