Agentes de programación: cuánto cuesta dejar el cambio listo
Clasificación de agentes de código con el modelo, el esfuerzo y el coste observado en el banco de pruebas de Artificial Analysis.

👁 114 lecturas
Un importador de facturas lee «1.234,56» como si el punto fuera decimal. El trabajo de un agente empieza al localizar el lector y termina cuando una prueba reproduce el fallo y confirma el arreglo. Que un modelo escriba una función plausible en un chat cuenta solo una parte de esa historia.
En la clasificación figura la combinación de herramienta, modelo y esfuerzo. Ordeno las configuraciones por el índice publicado. Para presupuestar un arreglo en España pediría también el coste de los intentos descartados y el tiempo de revisión.
El índice del agente y las pruebas de Arena se expresan en escalas diferentes. En la tabla de agentes de Arena la referencia es la mejora neta, mientras que los paneles de desarrollo web y de chat muestran sus puntuaciones de preferencia.
Incluyo los primeros veinticinco puestos disponibles por panel y las incorporaciones documentadas en el inventario. Las posiciones corresponden a la lectura del 17 de noviembre de 2026.
AA, agente de programación
Arena, desarrollo web
| Puesto | Configuración | Resultado |
|---|---|---|
| 1 | Claude Fable 5.2 (xHigh) | 1826 |
| 2 | Claude Opus 5.5 (Max) | 1816 |
| 3 | Claude Sonnet 5.5 (xHigh) | 1772 |
| 4 | Gemini 4 Carbon (High) | 1768 |
| 5 | GPT-6 Astra (Max) | 1763 |
| 6 | Qwen4-Max (xHigh) | 1750 |
| 7 | Claude Fable 5.1 (Max) | 1743 |
| 8 | GPT-6.1 Sol (Max) | 1742 |
| 9 | Muse Wonder Full (Max) | 1724 |
| 10 | Claude Sonnet 5.5 (High) | 1716 |
| 11 | Gemini 4 Hydrogen (High) | 1704 |
| 12 | Claude Opus 5 (Max) | 1691 |
| 13 | Kimi K3.1 Pro (Max) | 1686 |
| 14 | GPT-6.1 Terra (Max) | 1681 |
| 15 | Gemini 4 Argon (High) | 1679 |
| 16 | Qwen3.8-Max (0902) | 1676 |
| 17 | GPT-6 Sol (Max) | 1673 |
| 18 | Qwen3.8-Max | 1670 |
| 19 | DeepSeek-V4.1-Flash-20261017 (Max) | 1661 |
| 20 | Kimi K3 (Max) | 1658 |
| 21 | Claude Opus 5 (High) | 1657 |
| 22 | Muse Spark 1.3 (Max) | 1655 |
| 23 | Muse Wonder (Max) | 1647 |
| 24 | Inkling 2 Small | 1645 |
| 25 | Grok 4.7 (xHigh) | 1640 |
| 36 | U2 Flash | 1612 |
| 38 | Muse Ember (Max) | 1608 |
| 40 | Claude Haiku 5.5 (High) | 1593 |
| 44 | MiniMax-M3.1-Flash | 1582 |
| 49 | Mistral Large 4 | 1566 |
| 76 | Spark-X2.6 | 1485 |
| 105 | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) | 1401 |
Arena, implementación de una interfaz
| Puesto | Configuración | Resultado |
|---|---|---|
| 1 | Claude Opus 5.5 (Max) | 1756 |
| 2 | Claude Sonnet 5.5 (xHigh) | 1745 |
| 3 | Claude Fable 5.1 (Max) | 1722 |
| 4 | GPT-6 Astra (Max) | 1719 |
| 5 | GPT-6.1 Sol (Max) | 1694 |
| 6 | Qwen4-Max (xHigh) | 1674 |
| 7 | Claude Opus 5 (Max) | 1664 |
| 8 | GPT-6 Sol (Max) | 1657 |
| 9 | Qwen3.8-Max (0902) | 1639 |
| 10 | Muse Spark 1.3 (Max) | 1637 |
| 11 | Claude Fable 5 (High) | 1620 |
| 12 | Qwen3.8-Max | 1616 |
| 13 | DeepSeek-V4.1-Flash-20260910 (Max) | 1611 |
| 14 | DeepSeek-V4.1-Flash-20261017 (Max) | 1609 |
| 15 | GPT-5.6 Sol (xHigh, Codex Harness) | 1606 |
| 16 | Grok 4.6 (High) | 1606 |
| 17 | Gemini 3.7 Flash (High) | 1600 |
| 18 | Muse Spark 1.3 (xHigh) | 1600 |
| 19 | MiMo-V2.6-Pro | 1597 |
| 20 | Gemini 3.8 Flash (High) | 1595 |
| 21 | MiMo-V2.6-Flash | 1593 |
| 22 | Grok 4.7 (xHigh) | 1588 |
| 23 | Kimi K3 (Max) | 1585 |
| 24 | GLM-5.3-Flash | 1582 |
| 25 | Claude Opus 4.7 (High) | 1579 |
| 61 | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) | 1390 |
Arena, agentes de programación
| Puesto | Configuración | Resultado |
|---|---|---|
| 1 | Claude Fable 5.2 (Max) | 33.17% |
| 2 | Claude Opus 5.5 (Max) | 20.75% |
| 3 | Claude Opus 5.5 (High) | 15.54% |
| 4 | Claude Sonnet 5.5 (Max) | 15.28% |
| 5 | Gemini 4 Carbon (High) | 14.71% |
| 6 | GPT-6 Astra (Max) | 13.58% |
| 7 | GPT-6.1 Terra (Max) | 13.51% |
| 8 | Claude Fable 5.1 (Max) | 12.81% |
| 9 | GPT-6.1 Sol (Max) | 11.81% |
| 10 | Gemini 4 Hydrogen (High) | 11.70% |
| 11 | Claude Sonnet 5.5 (High) | None |
| 12 | GPT-6.1 Sol (Medium) | None |
| 13 | GPT-6 Sol (Max) | None |
| 14 | Muse Wonder Full (Max) | None |
| 15 | Gemini 4 Argon (High) | None |
| 16 | Qwen4-Max (xHigh) | None |
| 17 | Hy4 | None |
| 18 | Claude Fable 5 (High) | None |
| 19 | GPT-6.1 Terra (Medium) | None |
| 20 | Claude Opus 5 (Max) | None |
| 21 | Kimi K3.1 Pro (Max) | None |
| 22 | GPT-5.6 Sol (xHigh) | None |
| 23 | Inkling 2 Small | None |
| 24 | Claude Haiku 5.5 (High) | None |
| 25 | Grok 4.7 (xHigh) | None |
| 28 | DeepSeek-V4.1-Flash-20261017 (Max) | None |
| 35 | Muse Ember (Max) | None |
| 40 | MiniMax-M3.1-Flash | None |
| 50 | Mistral Large 4 | None |
Arena, programación en chat
| Puesto | Configuración | Resultado |
|---|---|---|
| 1 | Gemini 4 Carbon (High) | 1568 |
| 2 | Gemini 4 Argon (High) | 1553 |
| 3 | Claude Fable 5 (High) | 1552 |
| 4 | Claude Opus 4.7 (High) | 1551 |
| 5 | GPT-6 Astra (Max) | 1548 |
| 6 | Claude Opus 5.5 (High) | 1547 |
| 7 | Claude Opus 4.6 (High) | 1547 |
| 8 | Claude Opus 4.6 | 1547 |
| 9 | Claude Opus 4.7 | 1547 |
| 10 | Muse Wonder (Max) | 1542 |
| 11 | Muse Spark 1.2 (xHigh) | 1542 |
| 12 | GPT-6.1 Sol (Max) | 1540 |
| 13 | MiMo-V2.6-Pro | 1538 |
| 14 | Kimi K3 (Max) | 1538 |
| 15 | Muse Spark 1.3 (Max) | 1534 |
| 16 | Claude Opus 4.8 (High) | 1534 |
| 17 | Claude Fable 5.1 (Max) | 1533 |
| 18 | Muse Spark 1.1 | 1533 |
| 19 | GPT-5.6 Sol (xHigh) | 1533 |
| 20 | Claude Opus 5 (High) | 1532 |
| 21 | Gemini 3.8 Flash (High) | 1531 |
| 22 | Claude Opus 4.5 (High, 32K, 20251101) | 1530 |
| 23 | Kimi K3.1 Pro (Max) | 1530 |
| 24 | Muse Spark | 1529 |
| 25 | Claude Opus 4.8 | 1529 |
| 43 | Gemini 4 Hydrogen (High) | 1518 |
| 45 | Claude Sonnet 5.5 (xHigh) | 1517 |
| 99 | Claude Haiku 5.5 (High) | 1489 |
| 107 | Inkling 2 Small | 1485 |
| 110 | Mistral Large 4 | 1484 |
01Claude Fable 5.2 y Mythos 5.2: precio, acceso y diferenciasFable 5.2 cuesta 7,15 € (8 USD) por millón de tokens de entrada. Te cuento precio, planes, acceso a Mythos 5.2 y cómo se compara con Opus 5.5.Leer →
02Claude Opus 5.5: precio, benchmarks y pruebas del nuevo modeloClaude Opus 5.5 llega el 22 de septiembre de 2026: 4/20 USD por millón de tokens, 1 millón de contexto, nivel Fable 5.1 un 40% más barato que Opus 5.Leer →
03Claude Sonnet 5.5: precio, novedades y comparativa con Opus 5.5Claude Sonnet 5.5 ya está disponible: analizamos su precio en API, velocidad frente a Sonnet 5 y Opus 5.5, y su rendimiento en pruebas de redacción.Leer →
04Gemini 4 Carbon a prueba: más de 50 tareas frente a Argon, Claude Fable 5.2 y GPT-6.1 SolSometí Gemini 4 Carbon y sus rivales a más de 50 tareas con verificación automática. Carbon destaca en fuentes y análisis de seguridad, pero su lentitud y algunos fallos de código le pasan factura.Leer →
05GPT-6.1 Sol: precio, disponibilidad y prueba en españolGPT-6.1 Sol llega con el rendimiento de Astra a un quinto del precio. Analizamos los costes en USD, disponibilidad en ChatGPT y resultados de nuestras pruebas.Leer →
06Gemini 4 Argon: precios, benchmarks y prueba a fondoGemini 4 Argon ya está disponible: API desde 1,79 €/M, planes Google AI Pro y Ultra, benchmarks frente a Opus 5.5 y GPT-6 Astra, y nuestro test práctico.Leer →
07Muse Wonder de Meta: benchmarks, precio de API y prueba a fondoMuse Wonder y Wonder Full de Meta: 56 puntos en Artificial Analysis, API a 3,58 / 17,89 € y ventana de 1 M de tokens. Analizamos su rendimiento.Leer →
08Mistral Large 4 (Le Chonk): estreno, parámetros y precioMistral AI presenta Mistral Large 4 con 1,05 billones de parámetros, pesos abiertos en camino y precios de API competitivos. Analizamos sus claves.Leer →
09DeepSeek V4.1 Flash 1017: precio API y mi testDeepSeek V4.1 Flash 1017 actualiza sus pesos abiertos bajo MIT e incorpora herramientas de búsqueda. Analizo sus tarifas oficiales y los resultados de mi prueba directa vía API.Leer →
10Claude Haiku 5.5: precio, acceso gratis y prueba a fondoAnthropic lanza Claude Haiku 5.5: un 90 % más barato que Haiku 4.5, ventana de 1 millón de tokens, acceso gratis en Claude y comparativa de rendimiento en API.Leer →
11GPT-6 Luna: el modelo más barato de OpenAI por 0,0024 USDGPT-6 Luna cuesta 0,10/0,50 USD por millón de tokens. Probamos escritura, trampa de invención de datos y acertijo lógico por menos de un centavo.Leer →
12Gemini 4 Hydrogen: precio, versión gratis y prueba con 23 tareasGoogle lanza el modelo más barato y rápido de Gemini 4, con capa gratuita en la API. En mi prueba de 23 tareas acertó todas.Leer →
13Prueba en español de Kimi K3.1 Pro frente a Claude Opus 5.5, GPT-6 Astra y Gemini 4 ArgonHe probado Kimi K3.1 Pro en español con 12 tareas creadas desde cero para el mercado local. Obtuvo 66,0 sobre 72 puntos y quedó sexto entre siete modelos, destacando en modismos y contexto largo, pero fallando en corrección gramatical.Leer →
14GPT-6 Sol y Luna: guía completa - precio, benchmarks y pruebasGPT-6 Sol y Luna de OpenAI: 2/10 y 0,10/0,50 USD por millón de tokens, contexto de 1,05M. Precios, benchmarks oficiales y nuestras pruebas en polaco.Leer →
15Xiaomi MiMo-V2.6: el modelo abierto más potente - precio y testMiMo-V2.6 Pro y Flash: licencia MIT, 1 billón de parámetros, 0,435 USD por millón de tokens, 46 puntos en el índice AA. Benchmarks y test en polaco.Leer →Fuentes
- AA, agente de programación (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/agents/coding-agents
- Arena, desarrollo web (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/code/webdev
- Arena, implementación de una interfaz (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/code/image-to-webdev
- Arena, agentes de programación (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/agent/code
- Arena, programación en chat (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/chat/text/coding
More on this from FULGOR
benchmarks·Pruna y el modelo que realmente recibe la peticiónEl portal de Pruna enumera sus modelos disponibles.

