# Mapa de modelos: modelos de programación Actualizado: 2026-09-30. La ingeniería de software con agentes es la métrica en disputa de 2026, y el liderazgo volvió a cambiar: Claude Opus 5.5 encabeza la instantánea de WebDev del 29 sep por delante de GPT-6 Astra y Fable 5.1, con Sonnet 5.5 en cuarto lugar. GPT-6.1 Sol queda a un par de puntos de Astra en el índice de programación de Artificial Analysis por una fracción del costo. Kimi K3 sigue siendo el mejor modelo abierto de WebDev. ## Modelos cerrados ### Nivel S (lo mejor) - **Claude Opus 5.5** (anthropic): El primer modelo Claude 5.5 conquistó WebDev y el índice de Artificial Analysis una semana después del lanzamiento, a un precio inferior al de Opus 5. - **GPT-6 Astra** (openai): El primer modelo GPT-6 de OpenAI conquistó WebDev con 42 puntos de ventaja y empató con Fable 5.1 en los dos índices compuestos de Artificial Analysis, al mismo precio de $10/$50 que el modelo insignia de Anthropic. - **Claude Fable 5.1** (anthropic): La actualización de la clase Mythos sigue liderando el índice compuesto por muy poco, pero GPT-6 Astra le quitó el liderazgo de WebDev nueve días después del lanzamiento; conserva el n.º 1 en Agent Arena y las lecturas de caché a un cuarto del precio. - **Claude Sonnet 5.5** (anthropic): El Claude de gama media alcanzó a los modelos insignia: segundo en el índice de Artificial Analysis con precios de Sonnet, aunque gasta muchos tokens para lograrlo. - **GPT-6.1 Sol** (openai): Una mejora de GPT-6 Sol una semana después de su lanzamiento: cerca de GPT-6 Astra en programación, computer use y trabajo de oficina, a una quinta parte del precio por token de Astra. ### Nivel A (frontera) - **Claude Opus 5** (anthropic): N.º 3 en Arena Code WebDev (1687, max) y n.º 7 (high) en la instantánea del 11 sep. AA Intelligence Index v4.3: 50.7 en max, n.º 3 detrás de Fable 5.1 y GPT-6 Astra; AA Coding Agent Index: 60. Puestos 3-4 en Arena Agent. Los resultados de SWE-bench Pro, 79.2%, y OSWorld 2.0, 70.57%, comunicados por Anthropic proceden de pruebas del proveedor. Disponible de forma general el 24 jul. Sep 2026. La frontera en relación calidad-precio: perdió el liderazgo compuesto y de programación frente a Fable 5.1 y GPT-6 Astra en septiembre, y sigue con los precios de Opus 4.8. - **Qwen3.8-Max-0902** (alibaba): Instantánea fechada disponible solo por API (qwen3.8-max-0902, alias qwen3.8-max-2026-09-02; entrada de visión y video, contexto de 1M, $2/$6 por M) según Alibaba Model Studio, 11 sep. N.º 4 en Arena Code WebDev (1681±15) en la instantánea del 11 sep. El n.º 2 en Arena Vision (1302±8, 13 sep) y el n.º 1 en OSWorld-Verified (86.1%) corresponden al servicio alojado qwen3.8-max, no al checkpoint abierto de solo texto. Sep 2026. El Qwen3.8-Max alojado, la versión con visión, herramientas y la revisión de septiembre, conserva el n.º 4 en WebDev y el n.º 2 en Vision Arena, por encima de todos los demás modelos ajenos a Anthropic. - **Claude Fable 5** (anthropic): #3 en Arena Text (1504±4) en la captura del 25 sep, dentro del margen de error de Opus 5.5 (1509±12, pocos votos) y Opus 4.6. #1 en Arena Vision (1310, 28 sep). AA Intelligence Index v4.3 de unos 50 con esfuerzo máximo. Sep 2026. Primer modelo público de la clase Mythos; sigue en lo más alto de la clasificación de texto por preferencia humana, ahora en empate estadístico con Opus 5.5 y Opus 4.6. - **GPT-5.6 Sol** (openai): AA Intelligence Index v4.3 de 47 con esfuerzo máximo, ahora detrás de GPT-6 Astra (53). #1 en Arena Search (1257±7 como xhigh). AA Coding Agent Index de 55. OpenAI declara un 62.6% en OSWorld 2.0 (no aparece en la clasificación actual). ID de API gpt-5.6-sol, alias gpt-5.6. Rebaja promocional a $4/$20 por millón desde el 22 ago durante al menos tres meses (publicación oficial de la comunidad; fuente única). Sep 2026. El nuevo modelo insignia de OpenAI (disponibilidad general el 9 jul): lidera AA Coding Index y afirma tener la mejor marca en OSWorld 2.0; Terra y Luna son sus opciones equilibrada y económica. - **Grok 4.7** (xai): Lanzado el 21 sep; $2/$6 por millón, contexto de 500K. AA Intelligence Index de 46 (xhigh), con más del doble de tokens de salida por tarea que Grok 4.6. AA Coding Agent Index de 56 en Grok Build, 9 puntos más que Grok 4.6. #13 en Arena Code WebDev (29 sep). #6 en Terminal-Bench 4.0 mediante Grok Build. Sep 2026. Un modelo base mayor que Grok 4.6 al mismo precio, con su mayor mejora en programación con agentes. - **Gemini 3.8 Flash** (google deepmind): Lanzado el 2 sep en Gemini API, AI Studio, Gemini Enterprise y la aplicación de consumo; en GitHub Copilot desde el 3 sep. #9 en Arena Text (1493±9, como 3.8-flash-high) en la captura del 13 sep. El computer use solo se admite en versión preliminar. La variante Cyber está restringida al programa de defensores Fairwind de Google. Sep 2026. El cuarto Flash de Google en menos de cuatro meses: tres puntos de índice más que 3.7 Flash y entrada directa entre los diez primeros de Text Arena el día de su lanzamiento. - **Muse Spark 1.3** (meta): Lanzado el 2 sep en Muse Code y Meta Model API. #4 en Arena Text (1.2 xHigh, 1500±11) y #8 (1.3 Max, 1493±9) en la captura del 13 sep; #8 en Arena Code WebDev (1.3 Max, 1652); #6 en Vision. AA Coding Agent Index de 54 en Muse Code. Una entrada del 16 sep en Scale SWE-Bench Pro muestra a Muse Spark 1.1 empatado en el puesto 1, pero esa tabla omite GPT-6 Astra y Fable 5.1. Sep 2026. Meta llegó al grupo de frontera: la actualización 1.3 (2 sep) suma cuatro puntos al índice y empata con GPT-5.6 Sol y Grok 4.6 en la puntuación compuesta. - **Gemini 3.7 Flash** (google deepmind): Lanzado el 13 ago; Gemini 3.8 Flash lo sustituyó como opción recomendada el 2 sep. #10 en Arena WebDev en la captura del 21 ago (fuera de los diez primeros el 2 sep). AA Intelligence de 56 con esfuerzo alto. Incorporó comprensión de video con agentes el 1 sep junto con 3.6 Flash. Sep 2026. El modelo de uso diario de Google en agosto, sustituido tres semanas después por 3.8 Flash, pero aún ampliamente utilizado. - **GPT-5.6 Terra** (openai): AA Coding Index de 77 (empatado en el #2 con Sol max), AA Intelligence de 55 (max), 78.4% en Terminal-Bench 2.1 mediante Codex (#6). Ago 2026. La opción equilibrada de la línea GPT-5.6, discretamente cerca de la cima del índice independiente de programación sin el precio de Sol. ### Nivel B (situacional) - **Grok 4.6** (spacexai/xai): Lanzamiento oficial el 12 ago a $2/$6 por millón. #5 en Arena WebDev (1630) en la captura del 21 ago; AA Intelligence Index de 60 (xhigh, 21 ago). Disponibilidad general en Bedrock el 19 ago; versión preliminar pública en la plataforma de agentes de Google el 21 ago. Ago 2026. Modelo de frontera para agentes de larga duración, programación, trabajo del conocimiento y trabajo visual e interactivo. - **GPT-5.5** (openai): AA Index de 55 (xhigh), #1 en Terminal-Bench 2.1 mediante Codex CLI (83.4%). Sustituido por la familia GPT-5.6 el 9 jul de 2026. Jul 2026. GPT-5.6 lo sustituyó como modelo insignia (9 jul), pero sigue siendo el motor de la entrada #1 de Terminal-Bench mediante Codex CLI. - **Claude Opus 4.8** (anthropic): AA Index de 56, ahora la entrada #10 de la clasificación actual. Perdió el liderato de OSWorld 2.0 frente a Opus 5. Conserva el 78.9% en Terminal-Bench 2.1 mediante Claude Code. Anthropic indica a los usuarios de 4.8 que migren; su estado de ciclo de vida sigue siendo activo. Jul 2026. El modelo insignia con mejor relación calidad-precio del mes pasado, sustituido por Opus 5 al mismo precio. Sigue disponible y es capaz, pero ya no es la opción recomendada. - **Gemini 3.1 Pro** (google deepmind): AA Index de 57, ARC-AGI-2 de 77.1%, Video-MME-v2 de 49.4 (el mejor), $2/$12 por millón. #12 en Arena Text (1485) y fuera de los 15 primeros de AA Intelligence; ya no sigue el ritmo de frontera en las arenas actuales. ID de API gemini-3.1-pro-preview. Ago 2026. El modelo de frontera con mejor relación precio-rendimiento y aún líder en comprensión de video, aunque ha caído mucho en Vision Arena. Oficialmente sigue en versión preliminar. - **GPT-6 Luna** (openai): Lanzado el 22 sep (ID de API gpt-6-luna); $0.10/$0.50 por millón. AA Intelligence Index de 37 con esfuerzo máximo. Sep 2026. La opción económica de GPT-6 a la mitad del precio de GPT-5.6 Luna, al que sustituye. - **Gemini 3.6 Flash** (google deepmind): Disponibilidad general el 21 jul. AA Index de 50, precio de salida rebajado a $7.50/MTok. Sustituido por Gemini 3.7 Flash, cuya puntuación preliminar en WebDev subió de 1538 a 1588. Ago 2026. La anterior opción rápida y económica, sustituida por Gemini 3.7 Flash el 13 ago, pero aún útil para entradas multimodales y computer use en versión preliminar. - **Qwen3.7-Max** (alibaba): AA Coding de 66; Qwen3.8-Max lo sustituyó como modelo insignia cerrado de Alibaba el 3 ago. Ago 2026. El antiguo modelo insignia cerrado para agentes (ejecuciones autónomas de 35 horas, más de 1,000 llamadas a herramientas por tarea), sustituido por Qwen3.8-Max el 3 ago. - **GPT-5.3-Codex** (openai): Sin entradas en las clasificaciones actuales en este ciclo; sustituido por la línea GPT-5.6 Codex. Ago 2026. Modelo especializado en programación con agentes que combina la velocidad de Codex con el razonamiento de GPT-5.2; el motor del impulso de plugins de Codex. ## Modelos abiertos ### Nivel S (lo mejor) - **Kimi K3** (moonshot ai · kimi k3 license): Pesos disponibles en HF sin restricciones de acceso (moonshotai/Kimi-K3, licencia personalizada Kimi K3 License). #5 en Arena Code WebDev (1674±11 como kimi-k3-max) en la captura del 11 sep, la entrada abierta mejor situada; AA v4.3 señala a GLM-5.3 y Kimi K3 como líderes abiertos conjuntos. Sep 2026. - **Qwen3.8-Max** (alibaba · qwen3.8-max license (custom)): Pesos disponibles en Qwen/Qwen3.8-2.4T-A95B (licencia personalizada, creado el 8 ago; pasó a abierto el 27 ago). El punto de control abierto es la base solo de texto con razonamiento obligatorio; la visión, el modo sin razonamiento y las herramientas solo existen en el Qwen3.8-Max alojado (registrado como qwen3-8-max-0902), por lo que esta ficha solo figura en clasificaciones de texto y programación. #6 en Arena Code WebDev (1671±13) en la captura del 11 sep. AA Intelligence Index v4.3 de 40, #4 entre los abiertos. Sep 2026. - **GLM-5.3** (z.ai (zhipu) · glm-5.3 license (custom, mit-style)): Pesos disponibles en HF (zai-org/GLM-5.3, 141 fragmentos y un repositorio BF16; commit inicial el 27 ago UTC, "0828"). La licencia NO es la MIT prometida: es de estilo MIT, pero exige una revisión de seguridad de Z.ai a los operadores de modelos como servicio con más de $10B de ingresos. Irrelevante para casi todos, pero sigue siendo una licencia personalizada. AA Intelligence Index de 60 (max), al nivel de Kimi K3 Max; #3 en Terminal-Bench 4.0 detrás de Opus 5 y Fable 5 (según la prensa). #8 en Arena WebDev el 21 ago, fuera de los diez primeros el 2 sep. Pasó a abierto el 3 sep. Sep 2026. - **DeepSeek V4.1 Flash** (deepseek · mit): DeepSeek fusionó Flash y su experimento de visión en un único modelo multimodal de 552B con licencia MIT, al que ahora redirigen los antiguos IDs de API de Flash. - **GLM-5.2** (z.ai (zhipu) · mit): El último modelo insignia abierto de Z.ai (16 jun): declara un salto de capacidad frente a GLM-5.1 para tareas de largo recorrido, con licencia MIT íntegra. ### Nivel A (frontera) - **MiMo-V2.6-Pro** (xiaomi · mit): Pesos MIT en HF (XiaomiMiMo/MiMo-V2.6-Pro-RL, 21 sep). 1.02T en total / 42B activos, contexto de 1M, entrada de texto, imágenes, video y audio. AA Intelligence Index de 46, la mejor puntuación entre los modelos de pesos abiertos (GLM-5.3 45, Kimi K3 44). Sin entrada entre los 15 primeros de Arena WebDev a 29 sep. Sep 2026. El modelo omnimodal de Xiaomi de un billón de parámetros tomó el liderato de pesos abiertos en el índice de Artificial Analysis, justo por delante de GLM-5.3 y Kimi K3. - **Tencent Hy4 preview** (tencent · apache 2.0): Pesos disponibles en HF (tencent/Hy4-preview, Apache 2.0, 131 fragmentos y un repositorio FP8; pesos publicados el 27 ago, anuncio el 28 ago). #9 en Arena Code WebDev en la captura del 2 sep. Aún sin entrada en el índice AA; "preview" es la etiqueta del propio Tencent. Sep 2026. El mayor lanzamiento abierto de Tencent hasta ahora: un MoE de 770B/49B activos con contexto de 1M bajo Apache 2.0 sin añadidos, ya entre los diez primeros de WebDev una semana después de publicarse los pesos. - **Qwen3.8-Flash-Next** (alibaba · qwen community license 1.0): Pesos disponibles en HF (Qwen/Qwen3.8-Flash-Next + variante FP8, 24 ago; 131 fragmentos cada uno). La licencia añade atribución y una autorización aparte para ciertos usos comerciales de MaaS. Incorporado a Arena WebDev el 26 ago, aún sin puesto; sin entrada en AA. Incluido por la relevancia de su arquitectura; se esperan cambios en la próxima revisión. Ago 2026. El primer lanzamiento abierto de la nueva arquitectura de atención dispersa de Qwen (QSA + Gated DeltaNet): un adelanto de la base de la próxima generación de Qwen. - **GLM-5.3-Flash** (z.ai (zhipu) · mit): Pesos disponibles en HF (zai-org/GLM-5.3-Flash, MIT, 25 ago; 62 fragmentos y un repositorio BF16). AA Intelligence Index de 57 (26 ago): #3 abierto detrás de Kimi K3 Max (60) y Qwen3.8-2.4T (58). Incorporado a Arena WebDev el 26 ago, aún sin puesto. Ago 2026. Z.ai publicó los pesos de la opción Flash antes que los del modelo insignia: un MoE de 320B/18B activos, con licencia MIT íntegra, y #3 en la clasificación de inteligencia abierta la semana de su llegada. - **DeepSeek V4 Flash** (deepseek · mit): API retirada el 10 sep: deepseek-v4-flash redirige temporalmente a V4.1 Flash. Los pesos siguen en HF (MIT). Antes de su retirada: #1 en uso en OpenRouter, #8 en Arena Code (1577), AA Coding de 69 (escala antigua). Sep 2026. La versión eficiente de julio que convirtió a DeepSeek en la opción económica para programar. El ID de API ahora redirige a V4.1 Flash; los pesos MIT siguen disponibles para descargar. - **Qwen3.8-27B** (alibaba · apache 2.0): Pesos disponibles en HF (Qwen/Qwen3.8-27B, Apache 2.0, 5 ago; no se detectaron en la revisión del 15 ago). #9 en Arena WebDev (preliminar, rango de puestos 8-13) en la captura del 21 ago; AA Intelligence Index de 52 (xhigh, 21 ago). Ago 2026. El pequeño Qwen3.8 abierto: un modelo de 27B apto para equipos de consumo que debutó entre los diez primeros de WebDev pocas semanas después de su discreto lanzamiento. - **DeepSeek V4 Pro** (deepseek · mit): Disponibilidad general el 13 ago con el ID de API deepseek-v4-pro y esfuerzo bajo, medio y alto. La publicación de lanzamiento de DeepSeek del 10 sep decía que el tráfico de Pro se redirigiría a V4.1 Flash desde el 14 sep, pero su registro de cambios de la API lo revierte: el servicio V4 Pro continúa después del 14 sep sin cambios de facturación hasta que llegue V4.1 Pro. AA Intelligence Index v4.3 de 36 (versión 0813). Sep 2026. El mayor modelo abierto hasta ahora (MoE de 1.6T), con contexto de 1M, tres niveles de esfuerzo y un ahorro extremo por caché, ya disponible de forma general con su ID de API original. - **MiniMax M3** (minimax): Pesos disponibles en HF sin restricciones de acceso (MiniMaxAI/MiniMax-M3). #7 semanal en OpenRouter (2T tokens), AA Coding de 59 y #1 en OmniDocBench 1.5 (0.916), la sorpresa en OCR. Ago 2026. El sucesor de M2.5 con pesos públicos: ya era el tercer modelo más usado en OpenRouter pocas semanas después de su publicación en HF. ### Nivel B (situacional) - **Kimi K2.7 Code** (moonshot ai · modified mit): Pesos disponibles en HF (moonshotai/Kimi-K2.7-Code); sin presencia en las clasificaciones actuales en este ciclo, y Kimi K3 lo sustituye para programación abierta. Ago 2026. El sucesor abierto de K2.6 para programación, ahora sustituido por Kimi K3, con entrada de imágenes y video y Kimi Code CLI. - **Kimi K2.6** (moonshot ai · modified mit): Ninguna entrada en las clasificaciones actuales de texto, programación y visión en este ciclo; sustituido por Kimi K3 (pesos abiertos el 27 jul). Ago 2026. El anterior modelo insignia abierto: MoE de 1T con visión nativa y enjambres de hasta 300 subagentes. Totalmente sustituido por la publicación de pesos de Kimi K3 del 27 jul. - **GLM-5.1** (z.ai (zhipu) · mit): #25 en Arena Text a jul 2026; sustituido por GLM-5.2. Jul 2026. GLM-5.2 lo sustituyó (16 jun) como modelo insignia de Z.ai; fue brevemente #1 mundial en SWE-bench Pro, entrenado íntegramente en Huawei Ascend. - **MiniMax M2.5** (minimax): 80.2% en SWE-bench Verified, 76.3 en BrowseComp. Sustituido por MiniMax M3 (pesos en HF desde junio). Jul 2026. El modelo de frontera de $1/hora: programación con agentes cercana al estado del arte a aproximadamente 1/20 del costo de Opus. Sustituido por MiniMax M3. - **Mistral Medium 3.5** (mistral · modified mit): AA Coding de 47, cuarto por la cola en la clasificación actual de 25 modelos de programación; el 77.6% de abril en SWE-bench Verified está desactualizado. Ago 2026. El modelo abierto occidental más potente: un único punto de control denso de 128B que absorbió Magistral y Devstral con un ajuste del esfuerzo de razonamiento. - **Qwen3-Coder-Next** (alibaba · apache 2.0): 71.3% en SWE-bench Verified con 3B de parámetros activos. 2026. La mejor eficiencia de programación por parámetro activo: 80B con solo 3B activos. - **Devstral 2** (mistral · apache 2.0): 72.2% en SWE-bench Verified. Dic 2025. Modelo abierto especializado en ingeniería de software con agentes, integrado después en Medium 3.5.