# Mapa de modelos

Actualizado: 2026-09-30.

## Qué modelo para cada tarea

- redacción de textos largos: **Claude Fable 5**
- borradores baratos a gran escala: **DeepSeek V4.1 Flash**
- multilingüe (más de 200 idiomas): **Qwen3.5 397B-A17B**
- generación de frontend e interfaces: **Claude Opus 5.5**
- programación económica con agentes: **DeepSeek V4.1 Flash**
- ejecución local en hardware de consumo: **Qwen3-Coder-Next**
- refactorizaciones profundas en varios archivos: **Claude Code**
- ejecuciones de varias horas sin supervisión: **Codex CLI**
- configuraciones independientes del modelo: **OpenCode**
- investigación profunda (producto): **Gemini Deep Research Max**
- alternativa de investigación profunda: **ChatGPT Deep Research**
- híbrido de investigación y redacción: **Claude Research**
- exploración rápida: **Perplexity Deep Research**
- tipografía y texto en imágenes: **GPT Image 2.5**
- estética pura: **Midjourney V8.2**
- rápido y barato a gran escala: **Nano Banana 2**
- generación local: **Qwen-Image-2512**
- ediciones precisas en varios turnos: **GPT Image 2.5**
- ediciones con identidad fija: **Nano Banana Pro**
- composiciones de fotos de producto: **Seedream 4.5**
- edición local con ComfyUI: **Qwen-Image-Edit-2511**
- de imagen a video: **MiniMax H3**
- sincronización labial y habla: **Seedance 2.0**
- edición de video / v2v: **MiniMax H3**
- equilibrio entre costo y calidad: **Kling 3.0 / Omni**
- generación local: **Wan 2.2**
- canciones completas con voz: **Suno v6**
- salida apta para uso comercial: **Eleven Music v2.5**
- generación local: **ACE-Step 1.5**
- efectos de sonido y bases de muestras: **Stable Audio 3.0 Medium**
- líder actual en calidad: **Eleven v4**
- agentes de voz (latencia): **Cartesia Sonic 3.5**
- ecosistema de narración y clonación: **Eleven v3**
- clonación de voz abierta: **Qwen3-TTS**
- CPU / dispositivos periféricos: **Kokoro 82M**
- audiolibros y contenido largo: **VibeVoice**
- agentes en vivo / streaming: **Grok Voice Transcribe 2.0**
- precisión por dólar: **Voxtral Transcribe 2**
- transcripción masiva: **NVIDIA Parakeet-TDT v3**
- multilingüe en tu infraestructura: **Qwen3-ASR**
- agentes de voz en producción: **GPT-Realtime-2.1**
- menor latencia: **Grok Voice Think Fast 2.0**
- costos de telefonía: **Amazon Nova 2 Sonic**
- dúplex completo abierto: **Kyutai Moshi + Unmute**
- aspirante en visión: **Qwen3.8-Max-0902**
- comprensión de video: **Gemini 3.1 Pro**
- documentos / OCR: **TeleOCR**
- capturas de pantalla / interfaces: **Claude Opus 4.7**
- en el dispositivo: **MiniCPM-V 4.6**
- líder en evaluaciones: **Qwen3.8-Max-0902**
- trabajo de escritorio a nivel del sistema operativo: **Claude Opus 5**
- automatización web en vivo: **Browser Use**
- frameworks de navegador para producción: **Stagehand**
- mundos generados jugables: **Genie 3 / Project Genie**
- escenas 3D exportables: **World Labs Marble**
- robótica / IA física: **NVIDIA Cosmos 3**
- calidad de recuperación: **Nemotron 3 Embed 8B BF16**
- la mejor recuperación cerrada: **voyage-4-large**
- recuperación multimodal: **Gemini Embedding 2**
- opción predeterminada en tu infraestructura: **Qwen3-Embedding-8B**
- en el dispositivo: **EmbeddingGemma 300M**

## Categorías

- `coding` modelos de programación (cerrado: Claude Opus 5.5, abierto: Kimi K3)
- `coding-agents` agentes de programación (cerrado: Claude Code, abierto: Codex CLI)
- `computer-use` computer use (cerrado: Claude Opus 5.5, abierto: Browser Use)
- `embeddings` embeddings (cerrado: voyage-4-large, abierto: Harrier-OSS-v1)
- `image-edit` edición de imágenes (cerrado: GPT Image 2.5, abierto: Qwen-Image-2.1)
- `image-gen` generación de imágenes (cerrado: GPT Image 2.5, abierto: Qwen-Image-2.1)
- `music` generación de música (cerrado: Suno v6, abierto: MiniMax Music 3.0)
- `reasoning` razonamiento e investigación (cerrado: Claude Opus 5.5, abierto: MiMo-V2.6-Pro)
- `stt` voz a texto (cerrado: Fun-Realtime-ASR (preview), abierto: Hojo-ASR-V1)
- `text` generación de texto (cerrado: Claude Opus 5.5, abierto: MiMo-V2.6-Pro)
- `tts` texto a voz (cerrado: Eleven v4, abierto: Breeze TTS 2)
- `video` generación de video (cerrado: Gemini Omni 1.1 Flash, abierto: MiniMax H3)
- `vision` visión y multimodalidad (cerrado: Claude Fable 5, abierto: Kimi K3)
- `voice-agents` voz en tiempo real (cerrado: Gemini 3.1 Flash Live, abierto: Step-Audio R1.1)
- `world-models` modelos del mundo (cerrado: Genie 3 / Project Genie, abierto: NVIDIA Cosmos 3)