GPT-6 Sol y Luna: la mejora está sobre todo en el precio
GPT-6 Sol y Luna bajan los precios de la API, con avances menores en los tests. Comparo resultados, acceso en ChatGPT y primeras experiencias en Reddit.
benchmarks
Todos los artículos con la etiqueta benchmarks, del más reciente al más antiguo.
Opus 5.5 programa mejor. El coste por tarea no está claro
Opus 5.5 mejora en pruebas independientes y baja el precio de los tokens. Comparo el coste por tarea, el esfuerzo y las primeras experiencias en Reddit.
GPT-6 Astra cuesta 2,5x más que Sol. Habla como una persona
GPT-6 Astra gasta tu cuota 2,5 veces más rápido por token que Sol. Revisé los límites de cada plan, los benchmarks y las primeras reacciones de la comunidad.
Muse Spark 1.3 superó a GPT-6 durante dos días. Por qué
Muse Spark 1.3 sacó 62 en Artificial Analysis, por encima de GPT-6 Astra, y cayó al noveno puesto al recalcular el índice. Revisé de dónde salía y qué cuesta.
Fable 5.1 supera a Fable 5. Opus sigue siendo difícil de sustituir
Fable 5.1 mejora a su antecesor en tareas largas con agentes, pero Opus 5 se mantiene cerca y cuesta la mitad. Revisé benchmarks e informes iniciales.
DeepSeek V4 Flash perdió los 9 benchmarks frente a Opus 4.8
V4 Flash cuesta 0,14 dólares de entrada y 0,28 de salida por millón de tokens. Analizo si el descuento del 97 al 99 % compensa sus nueve derrotas.
Por qué puntuaciones de IA similares ocultan modelos distintos
DeepSWE sitúa a Luna Max 2,2 puntos por detrás de Sol High con casi una sexta parte del coste. Explico por qué se sienten distintos en un repositorio.
GPT-5.6 vs Claude 5: por qué difieren los benchmarks
Comparé Sol, Terra, Opus 5 y Fable 5 en benchmarks de código. El ganador cambia según la tarea, el nivel de esfuerzo, el agente y el presupuesto.
Kimi K3 iguala a GPT-5.6. Tarda 4,6 veces más
Kimi K3 iguala a GPT-5.6 medium, pero tarda 4,6 veces más. GLM-5.2 es barato por token y caro por tarea. Compruebo en qué sigue destacando cada uno.
Opus 5 es un gran empleado, pero un jefe frustrante
Opus 5 iguala a Fable 5 en benchmarks a mitad de precio por token, pero supervisarlo puede ser agotador. Explico cuándo Fable aún merece su lugar.