# Mapa de modelos: razonamiento e investigación Actualizado: 2026-09-30. Razonamiento difícil e investigación profunda con agentes. En el índice de Artificial Analysis (v4.3), Claude Opus 5.5 ya lidera, Sonnet 5.5 es segundo y Fable 5.1, GPT-6 Astra y GPT-6.1 Sol le siguen a pocos puntos. El razonamiento es un ajuste en todos los modelos insignia: todos llegan a la cima solo con esfuerzo máximo. MiMo-V2.6-Pro es el nuevo líder abierto. ## 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. - **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. - **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. - **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. - **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. - **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. - **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. - **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. - **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. - **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. ### Nivel B (situacional) - **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. - **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. - **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. ## Modelos abiertos ### Nivel S (lo mejor) - **MiMo-V2.6-Pro** (xiaomi · mit): 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. - **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. - **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. ### Nivel A (frontera) - **DeepSeek V4.1 Flash** (deepseek · mit): Lanzado el 10 sep con pesos disponibles sin restricciones de acceso (deepseek-ai/DeepSeek-V4.1-Flash, MIT). MoE de 552B con entrada nativa de imágenes y contexto de 1M. AA Intelligence Index v4.3 de 40, al nivel del punto de control Qwen3.8 2.4T y detrás de GLM-5.3, Kimi K3 y GLM-5.3 Flash (42). Los IDs de API deepseek-v4-flash y deepseek-v4-flash-vision-exp se han retirado y redirigen aquí; el servicio V4 Pro continúa. Incorporado a Arena WebDev el 10 sep, fuera de los diez primeros. Sep 2026. 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. - **MiMo-V2.5-Pro** (xiaomi): AA Index de 54 (empata con K2.6), #2 semanal en OpenRouter (4.93T tokens). Jul 2026. La incorporación sorpresa de Xiaomi a la frontera, empatada con Kimi en lo más alto de las clasificaciones abiertas de inteligencia. - **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. ### Nivel B (situacional) - **MiMo-V2.5-Pro** (xiaomi): AA Index de 54 (empata con K2.6), #2 semanal en OpenRouter (4.93T tokens). Jul 2026. La incorporación sorpresa de Xiaomi a la frontera, empatada con Kimi en lo más alto de las clasificaciones abiertas de inteligencia. - **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. - **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. - **GLM-5.2** (z.ai (zhipu) · mit): Pesos disponibles en HF (zai-org/GLM-5.2, MIT). #5 semanal en OpenRouter (3.11T tokens); por encima de Kimi K2.6 en AA Coding Index. Jul 2026. 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. - **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.