Ir al contenido
tendencias

Benchmarks

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.

Texto: 4 min de lectura
Agentes de programación: cuánto cuesta dejar el cambio listo

👁 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

Puesto Configuración Resultado
1 Claude Code - Claude Fable 5.2 (Xhigh, Default Fallback) 58.47
2 Devin Fusion CLI - Claude Opus 5.5 Max + GPT-6 Luna High 58.4
3 Claude Code - Claude Fable 5.2 (High, Default Fallback) 58.24
4 Claude Code - Claude Opus 5.5 (Max, Default Fallback) 58.16
5 Claude Code - Claude Sonnet 5.5 (Max, Default Fallback) 56.33
6 Claude Code - Claude Fable 5.2 (Max, Default Fallback) 55.74
7 Antigravity CLI - Gemini 4 Carbon (High) 55.47
8 Muse Code - Muse Wonder Full (Max) 54.48
9 Codex - GPT-6.2 Astra (Max) 53.47
10 Codex - GPT-6.2 Astra (Xhigh) 53.12
11 Codex - GPT-6 Astra (Max) 53.1
12 Claude Code - Claude Fable 5.2 (Medium, Default Fallback) 53.04
13 Claude Code - Claude Fable 5.1 (Max, Default Fallback) 52.49
14 Antigravity CLI - Gemini 4 Hydrogen (Xhigh) 52.32
15 Codex - GPT-6.2 Astra (High) 52.28
16 Codex - GPT-6.1 Sol (Max) 52.16
17 Codex - GPT-6.2 Sol (Xhigh) 49.79
18 Codex - GPT-6.2 Astra (Medium) 49.06
19 Codex - GPT-6.1 Terra (Max) 48.65
20 Kimi Code CLI - Kimi K3.1 Pro 48.64
21 Codex - GPT-6.2 Sol (Max) 48.62
22 Claude Code - Claude Fable 5.2 (Low, Default Fallback) 47.96
23 Codex - GPT-6.2 Sol (High) 47.46
24 Antigravity CLI - Gemini 4 Argon (High) 45.5
25 Codex - GPT-6.2 Sol (Medium) 45.35
26 Muse Code - Muse Wonder (Max) 44.48
27 Grok Build - Grok 4.7 (Xhigh) 41.64
28 Mistral Vibe - Mistral Large 4 (High) 40.59
29 Opencode - GLM-5.3 (Max) 40.12
30 Muse Code - Muse Ember (Max) 39.69
31 Codex - GPT-6.2 Sol (Low) 37.16
32 DeepSeek Harness - DeepSeek V4.1 Flash 1017 (Max) 36.83
33 Muse Code - Muse Spark 1.3 (Max) 36.77
34 Claude Code - Step 5 Preview 35.79
35 Codex - GPT-6.2 Astra (Low) 35.58
36 Claude Code - Qwen3.8 Max 32.73
37 Mistral Vibe - Mistral Large 4 (Medium) 29.61
38 Claude Code - Claude Haiku 5.5 (Max) 29.59
39 Codex - GPT-6 Luna (Max) 25.89
40 Mirror - Beam 1.0 15.48

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

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

Claude Fable 5.2 y Mythos 5.2: precio, acceso y diferencias01Claude 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 →Claude Opus 5.5: precio, benchmarks y pruebas del nuevo modelo02Claude 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 →Claude Sonnet 5.5: precio, novedades y comparativa con Opus 5.503Claude 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 →Gemini 4 Carbon a prueba: más de 50 tareas frente a Argon, Claude Fable 5.2 y GPT-6.1 Sol04Gemini 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 →GPT-6.1 Sol: precio, disponibilidad y prueba en español05GPT-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 →Gemini 4 Argon: precios, benchmarks y prueba a fondo06Gemini 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 →Muse Wonder de Meta: benchmarks, precio de API y prueba a fondo07Muse 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 →Mistral Large 4 (Le Chonk): estreno, parámetros y precio08Mistral 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 →DeepSeek V4.1 Flash 1017: precio API y mi test09DeepSeek 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 →Claude Haiku 5.5: precio, acceso gratis y prueba a fondo10Claude 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 →GPT-6 Luna: el modelo más barato de OpenAI por 0,0024 USD11GPT-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 →Gemini 4 Hydrogen: precio, versión gratis y prueba con 23 tareas12Gemini 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 →Prueba en español de Kimi K3.1 Pro frente a Claude Opus 5.5, GPT-6 Astra y Gemini 4 Argon13Prueba 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 →GPT-6 Sol y Luna: guía completa - precio, benchmarks y pruebas14GPT-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 →Xiaomi MiMo-V2.6: el modelo abierto más potente - precio y test15Xiaomi 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 →
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →

Fuentes

Kinetyra

// read next

More on this from FULGOR

Piotr Olszewski

Piotr Olszewski

ADMINISTRATOR
lee tambiénPruna y el modelo que realmente recibe la peticiónbenchmarksPruna y el modelo que realmente recibe la peticiónEl portal de Pruna enumera sus modelos disponibles.

Más leídos

  1. 1Generadores de música con IA: comparativa, prueba y precios
  2. 2Gemini Omni 1.2 vs 1.1: comparativa con los mismos prompts
  3. 3Eleven v4 y v4 Turbo en castellano: escucha las cifras antes de elegir voz
// mapa del sitio
fulgor en números 0textos en el archivo0noticias de los últimos 7 días0modelos de vídeo en el observatorio
🎬 Cine IA: Higgsfield AI DoP Presets de Cámara y Calculadora • Código Descuento Higgsfield AI -50% • Higgsfield vs Kling AI
× ‹ ampliación ›