Beta abierta Zabio está en beta abierta: cualquiera puede registrarse y usarlo en producción. Los modelos, los precios y las funciones aún pueden cambiar mientras aprendemos con los primeros clientes. Cuéntanos qué falla en hello@zabio.ai.
Menú
Empieza gratis

Modelo

claude-opus-4-8

claude-opus-4-8 de Anthropic, clase Powerful. Precios de lista por millón de tokens y lo que dicen de él los benchmarks públicos.

Clase
Powerful
Entrada, por millón
5,00 USD
Salida, por millón
25,00 USD
Entrada en caché
0,50 USD
Ventana de contexto
1.000.000
Respuesta más larga
128.000
Se procesa en
global
Precios desde
14 de septiembre de 2026

Cómo llamarlo

Nómbralo en el campo model, o deja que auto lo elija por ti.

"model": "claude-opus-4-8"

Admite: imágenes, herramientas, esquema JSON

Cuánto cuesta

  • Entrada 5,00 USD y salida 25,00 USD por millón de tokens, al precio de lista del proveedor.
  • Entrada leída de la caché: 0,50 USD por millón de tokens.

Resultados públicos de este modelo

Zabio no ha hecho sus propias pruebas con este modelo. Todo lo de abajo viene agregado de benchmarks públicos, con sus fuentes.

Agregado de resultados públicosConsultado el 1 de octubre de 2026

claude-opus-4-8
Redacción, Media: 73,8 +/- 3,7 Evidencia, en errores estándar: 1,4 LiveBench Language: 79,7 (Ajustes distintos) LiveBench paraphrase: 67,9 (Ajustes distintos) LMArena text style control, instruction following: 1478,5 (Mismos ajustes)Redacción, Media73,8Escritura creativa, Media: 80,6 +/- 5,6 Evidencia, en errores estándar: 2,1 LiveBench story generation: 80,6 (Ajustes distintos) LMArena text style control, creative writing: 1463,5 (Mismos ajustes)Escritura creativa, Media80,6Resúmenes, Media: 77,7 +/- 5,9 Evidencia, en errores estándar: 0,6 LiveBench summarize: 77,7 (Ajustes distintos)Resúmenes, Media77,7Extracción de datos, Media: 80,1 +/- 2,5 Evidencia, en errores estándar: 0,5 LiveBench Data Analysis: 66,0 (Ajustes distintos) LiveBench tablereformat: 94,1 (Ajustes distintos) LMArena text style control, instruction following: 1478,5 (Mismos ajustes)Extracción de datos, Media80,1Clasificación, Media: 72,0 +/- 3,2 Evidencia, en errores estándar: 0,7 LiveBench IF: 72,0 (Ajustes distintos)Clasificación, Media72,0Conversación, Media: 53,0 +/- 1,6 Evidencia, en errores estándar: 2,0 SimpleQA Verified: 53,0 (Ajustes distintos) LMArena text style control, multi turn: 1494,5 (Mismos ajustes)Conversación, Media53,0Análisis y razonamiento, Media: 64,8 +/- 3,4 Evidencia, en errores estándar: 0,7 SimpleBench: 64,8 (Mismos ajustes)Análisis y razonamiento, Media64,8Análisis y razonamiento, Difícil: 86,9 +/- 1,7 Evidencia, en errores estándar: 2,3 GPQA diamond: 85,4 (Mismos ajustes) LiveBench Reasoning: 89,2 (Ajustes distintos) LMArena text style control, hard prompts: 1505,3 (Mismos ajustes)Análisis y razonamiento, Difícil86,9Análisis y razonamiento, Muy difícil: 75,1 +/- 2,4 Evidencia, en errores estándar: 2,8 ARC-AGI-2: 62,2 (Parecidos a los nuestros) ARC-AGI: 88,0 (Parecidos a los nuestros) LMArena text style control, expert: 1516,6 (Mismos ajustes)Análisis y razonamiento, Muy difícil75,1Matemáticas, Media: Rating 1476,3 Evidencia, en errores estándar: 1,3 LMArena text style control, math: 1476,3 (Mismos ajustes)Matemáticas, MediaRating 1476,3Matemáticas, Difícil: 94,3 +/- 1,2 Evidencia, en errores estándar: 3,1 LiveBench Mathematics: 94,3 (Ajustes distintos)Matemáticas, Difícil94,3Matemáticas, Muy difícil: 72,3 +/- 2,5 Evidencia, en errores estándar: 2,2 FrontierMath-2025-02-28-Private: 47,2 (Ajustes distintos) FrontierMath-Tiers-1-3-v2-Private: 80,0 (Ajustes distintos) OTIS Mock AIME 2024-2025: 84,4 (Mismos ajustes)Matemáticas, Muy difícil72,3Escribir código, Difícil: 66,2 +/- 3,4 Evidencia, en errores estándar: 2,1 LiveBench Agentic Coding: 50,5 (Ajustes distintos) LiveBench Coding: 81,8 (Ajustes distintos) LMArena text style control, coding: 1530,2 (Mismos ajustes) LMArena webdev, overall: 1534,1 (Mismos ajustes)Escribir código, Difícil66,2Arreglar código, Difícil: 50,5 +/- 5,9 Evidencia, en errores estándar: 0,6 LiveBench Agentic Coding: 50,5 (Ajustes distintos)Arreglar código, Difícil50,5SQL y consultas de datos, Media: 51,1 +/- 6,9 Evidencia, en errores estándar: 0,2 LiveBench tablejoin: 51,1 (Ajustes distintos)SQL y consultas de datos, Media51,1Leer imágenes, Media: Rating 1287,9 Evidencia, en errores estándar: 0,9 LMArena vision, overall: 1287,9 (Mismos ajustes)Leer imágenes, MediaRating 1287,9Preguntas sobre un documento, Media: Rating 1499,8 Evidencia, en errores estándar: 2,2 LMArena text style control, longer query: 1499,8 (Mismos ajustes)Preguntas sobre un documento, MediaRating 1499,8Preguntas sobre un documento, Difícil: Rating 1464,1 Evidencia, en errores estándar: -0,8 LMArena document, overall: 1464,1 (Mismos ajustes)Preguntas sobre un documento, DifícilRating 1464,1
Los benchmarks detrás de cada barra
Tipo de tareaBenchmarkPuntuaciónAjustes
Redacción, MediaLiveBench Language79,7Ajustes distintos
Redacción, MediaLiveBench paraphrase67,9Ajustes distintos
Redacción, MediaLMArena text style control, instruction followingRating 1478,5Mismos ajustes
Escritura creativa, MediaLiveBench story generation80,6Ajustes distintos
Escritura creativa, MediaLMArena text style control, creative writingRating 1463,5Mismos ajustes
Resúmenes, MediaLiveBench summarize77,7Ajustes distintos
Extracción de datos, MediaLiveBench Data Analysis66,0Ajustes distintos
Extracción de datos, MediaLiveBench tablereformat94,1Ajustes distintos
Extracción de datos, MediaLMArena text style control, instruction followingRating 1478,5Mismos ajustes
Clasificación, MediaLiveBench IF72,0Ajustes distintos
Conversación, MediaSimpleQA Verified53,0Ajustes distintos
Conversación, MediaLMArena text style control, multi turnRating 1494,5Mismos ajustes
Análisis y razonamiento, MediaSimpleBench64,8Mismos ajustes
Análisis y razonamiento, DifícilGPQA diamond85,4Mismos ajustes
Análisis y razonamiento, DifícilLiveBench Reasoning89,2Ajustes distintos
Análisis y razonamiento, DifícilLMArena text style control, hard promptsRating 1505,3Mismos ajustes
Análisis y razonamiento, Muy difícilARC-AGI-262,2Parecidos a los nuestros
Análisis y razonamiento, Muy difícilARC-AGI88,0Parecidos a los nuestros
Análisis y razonamiento, Muy difícilLMArena text style control, expertRating 1516,6Mismos ajustes
Matemáticas, MediaLMArena text style control, mathRating 1476,3Mismos ajustes
Matemáticas, DifícilLiveBench Mathematics94,3Ajustes distintos
Matemáticas, Muy difícilFrontierMath-2025-02-28-Private47,2Ajustes distintos
Matemáticas, Muy difícilFrontierMath-Tiers-1-3-v2-Private80,0Ajustes distintos
Matemáticas, Muy difícilOTIS Mock AIME 2024-202584,4Mismos ajustes
Escribir código, DifícilLiveBench Agentic Coding50,5Ajustes distintos
Escribir código, DifícilLiveBench Coding81,8Ajustes distintos
Escribir código, DifícilLMArena text style control, codingRating 1530,2Mismos ajustes
Escribir código, DifícilLMArena webdev, overallRating 1534,1Mismos ajustes
Arreglar código, DifícilLiveBench Agentic Coding50,5Ajustes distintos
SQL y consultas de datos, MediaLiveBench tablejoin51,1Ajustes distintos
Leer imágenes, MediaLMArena vision, overallRating 1287,9Mismos ajustes
Preguntas sobre un documento, MediaLMArena text style control, longer queryRating 1499,8Mismos ajustes
Preguntas sobre un documento, DifícilLMArena document, overallRating 1464,1Mismos ajustes
Precio frente a puntuación en cada tipo de tarea (18)

Precio por 1.000 tareas, USD. Puntuación, %. En gris: un modelo más barato ya puntúa igual. Con anillo: la opción mejor, equilibrada y barata.

Redacción, Media
50607080901001 USD10 USD gpt-5.4-nano: 64,6 +/- 3,9, 0,66 USD deepseek-flash: 66,3 +/- 3,9, 0,72 USD deepseek-flash@together: 66,3 +/- 3,9, 0,72 USD gemini-3.5-flash-lite: 68,4 +/- 3,8, 1,24 USD gemini-3.8-flash: 83,9 +/- 3,1, 2,10 USD gpt-5.4-mini: 64,9 +/- 3,9, 2,40 USD deepseek-v4-pro: 67,2 +/- 3,9, 2,64 USD deepseek-v4-pro@together: 67,2 +/- 3,9, 2,64 USD grok-4.7: 79,1 +/- 3,4, 4,40 USD gemini-3.5-flash: 80,1 +/- 3,4, 4,80 USD claude-sonnet-5: 68,1 +/- 3,9, 5,60 USD gemini-3.1-pro-preview: 82,6 +/- 3,2, 6,40 USD gpt-5.4: 73,0 +/- 3,7, 8,00 USD claude-sonnet-4-6: 67,8 +/- 3,9, 8,40 USD claude-opus-5-5: 75,3 +/- 3,7, 11,20 USD claude-opus-5: 77,2 +/- 3,6, 14,00 USD claude-opus-4-8: 73,8 +/- 3,7, 14,00 USD gpt-5.5: 79,6 +/- 3,5, 16,00 USD claude-fable-5-1: 80,5 +/- 3,4, 28,00 USD gpt-6-astra: 83,8 +/- 3,2, 28,00 USD gemini-3.8-flash Mejor, Equilibrada, Económicaclaude-opus-4-8
Escritura creativa, Media
50607080901001 USD10 USD gpt-5.4-nano: 67,7 +/- 6,6, 0,66 USD deepseek-flash: 67,3 +/- 6,6, 0,72 USD deepseek-flash@together: 67,3 +/- 6,6, 0,72 USD gemini-3.5-flash-lite: 67,5 +/- 6,6, 1,24 USD gemini-3.8-flash: 82,8 +/- 5,3, 2,10 USD gpt-5.4-mini: 66,6 +/- 6,7, 2,40 USD deepseek-v4-pro: 67,8 +/- 6,6, 2,64 USD deepseek-v4-pro@together: 67,8 +/- 6,6, 2,64 USD grok-4.7: 74,9 +/- 6,1, 4,40 USD gemini-3.5-flash: 75,2 +/- 6,1, 4,80 USD claude-sonnet-5: 62,3 +/- 6,9, 5,60 USD gemini-3.1-pro-preview: 77,3 +/- 5,9, 6,40 USD gpt-5.4: 79,0 +/- 5,8, 8,00 USD claude-sonnet-4-6: 68,9 +/- 6,6, 8,40 USD claude-opus-5-5: 70,9 +/- 6,4, 11,20 USD claude-opus-4-8: 80,6 +/- 5,6, 14,00 USD claude-opus-5: 61,3 +/- 6,9, 14,00 USD gpt-5.5: 72,6 +/- 6,3, 16,00 USD claude-fable-5-1: 78,1 +/- 5,9, 28,00 USD gpt-6-astra: 74,0 +/- 6,2, 28,00 USD gemini-3.8-flash Mejor, Equilibrada, Económicaclaude-opus-4-8
Resúmenes, Media
50607080901001 USD10 USD gpt-5.4-nano: 71,8 +/- 6,4, 0,73 USD deepseek-flash: 68,9 +/- 6,6, 0,96 USD deepseek-flash@together: 68,9 +/- 6,6, 0,96 USD gemini-3.5-flash-lite: 68,5 +/- 6,6, 1,22 USD gemini-3.8-flash: 87,5 +/- 4,7, 2,55 USD gpt-5.4-mini: 59,6 +/- 6,9, 2,70 USD deepseek-v4-pro: 69,5 +/- 6,5, 3,96 USD deepseek-v4-pro@together: 69,5 +/- 6,5, 3,96 USD gemini-3.5-flash: 82,6 +/- 5,4, 5,40 USD grok-4.7: 78,2 +/- 5,8, 6,60 USD claude-sonnet-5: 71,2 +/- 6,4, 6,80 USD gemini-3.1-pro-preview: 88,2 +/- 4,6, 7,20 USD gpt-5.4: 68,4 +/- 6,6, 9,00 USD claude-sonnet-4-6: 61,7 +/- 6,9, 10,20 USD claude-opus-5-5: 69,1 +/- 6,5, 13,60 USD claude-opus-4-8: 77,7 +/- 5,9, 17,00 USD claude-opus-5: 66,4 +/- 6,7, 17,00 USD gpt-5.5: 72,3 +/- 6,3, 18,00 USD gpt-6-astra: 79,6 +/- 5,7, 34,00 USD claude-fable-5-1: 72,2 +/- 6,3, 34,00 USD gpt-5.4-nano Económicagemini-3.8-flash Mejor, Equilibradaclaude-opus-4-8
Extracción de datos, Media
50607080901001 USD10 USD gpt-5.4-nano: 82,8 +/- 2,1, 0,41 USD deepseek-flash: 83,0 +/- 2,1, 0,48 USD deepseek-flash@together: 83,0 +/- 2,1, 0,48 USD gemini-3.5-flash-lite: 75,7 +/- 2,3, 0,74 USD gemini-3.8-flash: 75,1 +/- 2,5, 1,35 USD gpt-5.4-mini: 85,4 +/- 1,9, 1,50 USD deepseek-v4-pro: 87,3 +/- 1,9, 1,85 USD deepseek-v4-pro@together: 87,3 +/- 1,9, 1,85 USD gemini-3.5-flash: 80,5 +/- 2,4, 3,00 USD grok-4.7: 88,4 +/- 1,8, 3,08 USD claude-sonnet-5: 84,9 +/- 2,1, 3,60 USD gemini-3.1-pro-preview: 88,3 +/- 1,9, 4,00 USD gpt-5.4: 89,7 +/- 1,7, 5,00 USD claude-sonnet-4-6: 87,0 +/- 2,2, 5,40 USD claude-opus-5-5: 89,2 +/- 1,9, 7,20 USD claude-opus-5: 84,3 +/- 2,4, 9,00 USD claude-opus-4-8: 80,1 +/- 2,5, 9,00 USD gpt-5.5: 90,8 +/- 1,7, 10,00 USD gpt-6-astra: 91,5 +/- 1,6, 18,00 USD claude-fable-5-1: 87,2 +/- 2,3, 18,00 USD gpt-5.4-mini Económicadeepseek-v4-pro Equilibradaclaude-opus-5-5 Mejorclaude-opus-4-8
Clasificación, Media
50607080901001 USD10 USD gpt-5.4-nano: 67,2 +/- 3,3, 0,41 USD deepseek-flash: 63,1 +/- 3,4, 0,48 USD deepseek-flash@together: 63,1 +/- 3,4, 0,48 USD gemini-3.5-flash-lite: 67,2 +/- 3,3, 0,74 USD gemini-3.8-flash: 81,4 +/- 2,8, 1,35 USD gpt-5.4-mini: 59,8 +/- 3,5, 1,50 USD deepseek-v4-pro: 62,4 +/- 3,4, 1,85 USD deepseek-v4-pro@together: 62,4 +/- 3,4, 1,85 USD gemini-3.5-flash: 75,6 +/- 3,0, 3,00 USD grok-4.7: 75,3 +/- 3,1, 3,08 USD claude-sonnet-5: 63,9 +/- 3,4, 3,60 USD gemini-3.1-pro-preview: 79,1 +/- 2,9, 4,00 USD gpt-5.4: 70,2 +/- 3,2, 5,00 USD claude-sonnet-4-6: 63,2 +/- 3,4, 5,40 USD claude-opus-5-5: 65,7 +/- 3,4, 7,20 USD claude-opus-4-8: 72,0 +/- 3,2, 9,00 USD claude-opus-5: 63,8 +/- 3,4, 9,00 USD gpt-5.5: 70,7 +/- 3,2, 10,00 USD gpt-6-astra: 75,6 +/- 3,0, 18,00 USD claude-fable-5-1: 73,0 +/- 3,1, 18,00 USD gemini-3.8-flash Mejor, Equilibrada, Económicaclaude-opus-4-8
Conversación, Media
02550751001 USD10 USD gpt-4o-mini: 8,3 +/- 0,9, 0,48 USD gpt-5.4-nano: 11,7 +/- 1,0, 0,82 USD deepseek-flash: 33,6 +/- 1,5, 0,96 USD deepseek-flash@together: 33,6 +/- 1,5, 0,96 USD gpt-5-mini: 21,6 +/- 1,3, 1,20 USD gpt-4.1-mini: 12,7 +/- 1,1, 1,28 USD gemini-3.8-flash: 69,7 +/- 1,5, 2,70 USD gpt-5.4-mini: 29,4 +/- 1,4, 3,00 USD claude-haiku-4-5: 13,2 +/- 1,1, 3,60 USD deepseek-v4-pro: 52,9 +/- 1,6, 3,70 USD deepseek-v4-pro@together: 52,9 +/- 1,6, 3,70 USD gemini-3.5-flash: 66,2 +/- 1,5, 6,00 USD gpt-4.1: 31,1 +/- 1,5, 6,40 USD claude-sonnet-5: 33,7 +/- 1,5, 7,20 USD gemini-3.1-pro-preview: 73,5 +/- 1,4, 8,00 USD gpt-5.4: 45,1 +/- 1,6, 10,00 USD claude-sonnet-4-6: 32,8 +/- 1,5, 10,80 USD claude-opus-5-5: 72,2 +/- 1,4, 14,40 USD claude-opus-4-8: 53,0 +/- 1,6, 18,00 USD claude-opus-5: 59,9 +/- 1,6, 18,00 USD gpt-5.5: 63,0 +/- 1,5, 20,00 USD gpt-6-astra: 75,6 +/- 1,4, 36,00 USD claude-fable-5-1: 70,8 +/- 1,4, 36,00 USD gemini-3.8-flash Económicagemini-3.1-pro-preview Mejor, Equilibradaclaude-opus-4-8
Análisis y razonamiento, Media
02550751001 USD10 USD gpt-oss-120b: 22,1 +/- 2,9, 0,36 USD gpt-4o-mini: 10,7 +/- 2,2, 0,36 USD deepseek-flash: 61,1 +/- 3,5, 0,72 USD deepseek-flash@together: 61,1 +/- 3,5, 0,72 USD mistral-large-2512: 22,5 +/- 3,0, 1,00 USD llama-3.3-70b-instruct-turbo: 19,9 +/- 2,8, 1,25 USD gemini-3.5-flash: 76,7 +/- 3,0, 4,80 USD gpt-4.1: 27,0 +/- 3,1, 4,80 USD claude-sonnet-5: 60,6 +/- 3,5, 5,60 USD gemini-3.1-pro-preview: 79,6 +/- 2,9, 6,40 USD claude-opus-5: 80,6 +/- 2,8, 14,00 USD claude-opus-4-8: 64,8 +/- 3,4, 14,00 USD gpt-5.5: 69,0 +/- 3,3, 16,00 USD gemini-3.5-flash Mejor, Equilibrada, Económicaclaude-opus-4-8
Análisis y razonamiento, Difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 79,0 +/- 2,4, 0,57 USD gpt-oss-120b: 75,8 +/- 2,7, 0,84 USD mistral-small-2603: 47,5 +/- 2,8, 0,84 USD gpt-4o-mini: 37,7 +/- 2,4, 0,84 USD gpt-5.4-nano: 66,1 +/- 2,4, 1,53 USD deepseek-flash: 79,0 +/- 2,0, 1,68 USD deepseek-flash@together: 79,0 +/- 2,0, 1,68 USD gpt-4.1-mini: 65,9 +/- 2,7, 2,24 USD gpt-5-mini: 71,7 +/- 3,2, 2,30 USD mistral-large-2512: 51,3 +/- 2,7, 2,35 USD gemini-3.5-flash-lite: 68,7 +/- 2,3, 2,85 USD llama-3.3-70b-instruct-turbo: 47,4 +/- 2,9, 3,02 USD gemini-3.8-flash: 92,3 +/- 1,3, 4,88 USD gpt-5.4-mini: 67,1 +/- 2,4, 5,55 USD deepseek-v4-pro: 78,0 +/- 2,1, 6,20 USD deepseek-v4-pro@together: 78,0 +/- 2,1, 6,20 USD claude-haiku-4-5: 60,5 +/- 2,8, 6,50 USD mistral-medium-3-5: 59,5 +/- 2,8, 9,75 USD grok-4.7: 82,7 +/- 2,7, 10,34 USD gemini-3.5-flash: 85,8 +/- 1,7, 11,10 USD gpt-4.1: 66,9 +/- 2,8, 11,20 USD claude-sonnet-5: 84,5 +/- 1,8, 13,00 USD gemini-3.1-pro-preview: 89,5 +/- 1,5, 14,80 USD gpt-5.4: 80,3 +/- 2,1, 18,50 USD claude-sonnet-4-6: 81,8 +/- 1,9, 19,50 USD claude-opus-5-5: 91,4 +/- 1,4, 26,00 USD claude-opus-5: 92,2 +/- 1,4, 32,50 USD claude-opus-4-8: 86,9 +/- 1,7, 32,50 USD gpt-5.5: 82,4 +/- 2,0, 37,00 USD gpt-6-astra: 94,2 +/- 1,2, 65,00 USD claude-fable-5-1: 91,7 +/- 1,9, 65,00 USD gemini-3.8-flash Económicaclaude-opus-5-5 Mejor, Equilibradaclaude-opus-4-8
Análisis y razonamiento, Muy difícil
02550751001 USD10 USD100 USD gpt-4o-mini: 0,0 +/- 0,4, 1,35 USD gpt-5.4-nano: 9,9 +/- 1,1, 2,48 USD deepseek-flash: 7,0 +/- 1,0, 2,70 USD deepseek-flash@together: 7,0 +/- 1,0, 2,70 USD gpt-4.1-mini: 1,8 +/- 0,5, 3,60 USD gpt-5-mini: 15,8 +/- 0,9, 3,75 USD gemini-3.5-flash-lite: 9,3 +/- 1,1, 4,65 USD gemini-3.8-flash: 44,5 +/- 2,0, 7,88 USD gpt-5.4-mini: 7,1 +/- 1,0, 9,00 USD deepseek-v4-pro: 6,9 +/- 0,9, 9,90 USD deepseek-v4-pro@together: 6,9 +/- 0,9, 9,90 USD claude-haiku-4-5: 7,8 +/- 1,0, 10,50 USD mistral-medium-3-5: 4,5 +/- 0,8, 15,75 USD gemini-3.5-flash: 28,9 +/- 1,8, 18,00 USD gpt-4.1: 3,8 +/- 0,5, 18,00 USD gemini-3.1-pro-preview: 73,8 +/- 1,5, 24,00 USD gpt-5.4: 45,0 +/- 1,8, 30,00 USD claude-sonnet-4-6: 73,5 +/- 2,4, 31,50 USD claude-opus-5-5: 94,6 +/- 1,3, 42,00 USD claude-opus-5: 92,9 +/- 1,5, 52,50 USD claude-opus-4-8: 75,1 +/- 2,4, 52,50 USD gpt-5.5: 54,8 +/- 2,4, 60,00 USD claude-fable-5-1: 73,2 +/- 1,6, 105 USD gpt-6-astra: 66,8 +/- 1,7, 105 USD gemini-3.8-flash Económicaclaude-opus-5-5 Mejor, Equilibradaclaude-opus-4-8
Matemáticas, Difícil
02550751001 USD10 USD100 USD gpt-4o-mini: 52,6 +/- 1,1, 0,84 USD mistral-small-2603: 46,8 +/- 1,2, 0,84 USD gpt-5.4-nano: 91,0 +/- 1,5, 1,53 USD deepseek-flash: 79,7 +/- 2,1, 1,68 USD deepseek-flash@together: 79,7 +/- 2,1, 1,68 USD gpt-4.1-mini: 87,3 +/- 0,7, 2,24 USD gpt-5-mini: 97,9 +/- 0,3, 2,30 USD mistral-large-2512: 50,3 +/- 1,2, 2,35 USD gemini-3.5-flash-lite: 73,7 +/- 2,3, 2,85 USD llama-3.3-70b-instruct-turbo: 41,6 +/- 1,2, 3,02 USD gemini-3.8-flash: 91,6 +/- 1,4, 4,88 USD gpt-5.4-mini: 78,5 +/- 2,1, 5,55 USD deepseek-v4-pro: 90,7 +/- 1,5, 6,20 USD deepseek-v4-pro@together: 90,7 +/- 1,5, 6,20 USD claude-haiku-4-5: 86,9 +/- 0,8, 6,50 USD mistral-medium-3-5: 81,6 +/- 0,9, 9,75 USD grok-4.7: 95,7 +/- 1,0, 10,34 USD gemini-3.5-flash: 88,2 +/- 1,7, 11,10 USD gpt-4.1: 83,0 +/- 0,9, 11,20 USD claude-sonnet-5: 92,9 +/- 1,3, 13,00 USD gemini-3.1-pro-preview: 91,0 +/- 1,5, 14,80 USD gpt-5.4: 94,2 +/- 1,2, 18,50 USD claude-sonnet-4-6: 87,0 +/- 1,7, 19,50 USD claude-opus-5-5: 97,1 +/- 0,9, 26,00 USD claude-opus-5: 95,7 +/- 1,0, 32,50 USD claude-opus-4-8: 94,3 +/- 1,2, 32,50 USD gpt-5.5: 95,9 +/- 1,0, 37,00 USD claude-fable-5-1: 97,0 +/- 0,9, 65,00 USD gpt-6-astra: 96,8 +/- 0,9, 65,00 USD gpt-5-mini Mejor, Equilibrada, Económicaclaude-opus-4-8
Matemáticas, Muy difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 42,8 +/- 6,5, 0,89 USD gpt-oss-120b: 88,9 +/- 4,5, 1,35 USD mistral-small-2603: 5,3 +/- 2,6, 1,35 USD gpt-4o-mini: 3,8 +/- 1,4, 1,35 USD gpt-5.4-nano: 25,7 +/- 2,9, 2,48 USD deepseek-flash: 76,0 +/- 1,8, 2,70 USD deepseek-flash@together: 76,0 +/- 1,8, 2,70 USD gpt-4.1-mini: 18,6 +/- 2,2, 3,60 USD gpt-5-mini: 34,1 +/- 2,9, 3,75 USD mistral-large-2512: 1,1 +/- 0,5, 3,75 USD gemini-3.5-flash-lite: 44,6 +/- 4,2, 4,65 USD llama-3.3-70b-instruct-turbo: 5,1 +/- 2,4, 4,68 USD gemini-3.8-flash: 83,7 +/- 1,5, 7,88 USD gpt-5.4-mini: 23,6 +/- 2,7, 9,00 USD deepseek-v4-pro: 54,0 +/- 4,6, 9,90 USD deepseek-v4-pro@together: 54,0 +/- 4,6, 9,90 USD claude-haiku-4-5: 20,0 +/- 3,2, 10,50 USD mistral-medium-3-5: 16,3 +/- 3,0, 15,75 USD gemini-3.5-flash: 65,3 +/- 2,2, 18,00 USD gpt-4.1: 16,6 +/- 2,2, 18,00 USD claude-sonnet-5: 72,8 +/- 3,3, 21,00 USD gemini-3.1-pro-preview: 64,1 +/- 1,7, 24,00 USD gpt-5.4: 60,9 +/- 3,3, 30,00 USD claude-sonnet-4-6: 51,8 +/- 3,7, 31,50 USD claude-opus-5-5: 95,6 +/- 2,6, 42,00 USD claude-opus-5: 92,8 +/- 1,6, 52,50 USD claude-opus-4-8: 72,3 +/- 2,5, 52,50 USD gpt-5.5: 69,1 +/- 4,5, 60,00 USD gpt-6-astra: 96,8 +/- 2,6, 105 USD claude-fable-5-1: 95,1 +/- 2,7, 105 USD gpt-oss-120b Económicadeepseek-flash Equilibradaclaude-opus-5-5 Mejorclaude-opus-4-8
Escribir código, Difícil
02550751002 USD5 USD10 USD20 USD50 USD100 USD gpt-5.4-nano: 58,8 +/- 3,6, 2,09 USD deepseek-flash: 53,4 +/- 3,6, 2,22 USD deepseek-flash@together: 53,4 +/- 3,6, 2,22 USD gemini-3.5-flash-lite: 60,7 +/- 3,5, 3,98 USD gemini-3.8-flash: 63,4 +/- 3,6, 6,56 USD gpt-5.4-mini: 56,7 +/- 3,6, 7,58 USD deepseek-v4-pro: 56,3 +/- 3,6, 7,99 USD deepseek-v4-pro@together: 56,3 +/- 3,6, 7,99 USD grok-4.7: 65,6 +/- 3,5, 13,31 USD gemini-3.5-flash: 63,6 +/- 3,5, 15,15 USD claude-sonnet-5: 70,0 +/- 3,4, 17,50 USD gemini-3.1-pro-preview: 43,2 +/- 2,8, 20,20 USD gpt-5.4: 49,0 +/- 3,5, 25,25 USD claude-sonnet-4-6: 61,0 +/- 3,5, 26,25 USD claude-opus-5-5: 79,5 +/- 3,4, 35,00 USD claude-opus-5: 73,3 +/- 3,3, 43,75 USD claude-opus-4-8: 66,2 +/- 3,4, 43,75 USD gpt-5.5: 48,7 +/- 3,1, 50,50 USD claude-fable-5-1: 75,3 +/- 3,7, 87,50 USD gpt-6-astra: 61,5 +/- 4,6, 87,50 USD claude-opus-5-5 Mejor, Equilibrada, Económicaclaude-opus-4-8
Arreglar código, Difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 9,2 +/- 2,4, 0,68 USD gpt-oss-120b: 25,6 +/- 1,9, 1,11 USD gpt-4o-mini: 3,6 +/- 1,2, 1,11 USD codestral-2508: 11,1 +/- 2,1, 1,82 USD gpt-5.4-nano: 46,8 +/- 5,9, 2,09 USD deepseek-flash: 37,6 +/- 5,7, 2,22 USD deepseek-flash@together: 37,6 +/- 5,7, 2,22 USD gpt-4.1-mini: 32,4 +/- 3,1, 2,96 USD gpt-5-mini: 47,0 +/- 1,7, 3,20 USD gemini-3.5-flash-lite: 45,3 +/- 5,9, 3,98 USD gemini-3.8-flash: 54,2 +/- 5,9, 6,56 USD gpt-5.4-mini: 41,7 +/- 5,8, 7,58 USD deepseek-v4-pro: 57,1 +/- 3,5, 7,99 USD deepseek-v4-pro@together: 57,1 +/- 3,5, 7,99 USD claude-haiku-4-5: 13,9 +/- 2,7, 8,75 USD grok-4.7: 54,0 +/- 5,9, 13,31 USD gpt-4.1: 49,8 +/- 1,9, 14,80 USD gemini-3.5-flash: 64,2 +/- 3,1, 15,15 USD claude-sonnet-5: 59,4 +/- 5,8, 17,50 USD gemini-3.1-pro-preview: 49,8 +/- 4,0, 20,20 USD gpt-5.4: 69,7 +/- 2,3, 25,25 USD claude-sonnet-4-6: 59,9 +/- 2,2, 26,25 USD claude-opus-5-5: 71,7 +/- 5,3, 35,00 USD claude-opus-5: 65,2 +/- 5,6, 43,75 USD claude-opus-4-8: 50,5 +/- 5,9, 43,75 USD gpt-5.5: 59,0 +/- 3,6, 50,50 USD claude-fable-5-1: 66,1 +/- 5,6, 87,50 USD gpt-6-astra: 57,3 +/- 5,8, 87,50 USD claude-sonnet-5 Económicaclaude-opus-5-5 Mejor, Equilibradaclaude-opus-4-8
SQL y consultas de datos, Media
02550751001 USD10 USD gpt-5.4-nano: 50,6 +/- 6,9, 0,41 USD deepseek-flash: 46,1 +/- 6,9, 0,48 USD deepseek-flash@together: 46,1 +/- 6,9, 0,48 USD gemini-3.5-flash-lite: 40,6 +/- 6,8, 0,74 USD gemini-3.8-flash: 45,3 +/- 6,9, 1,35 USD gpt-5.4-mini: 49,4 +/- 6,9, 1,50 USD deepseek-v4-pro: 48,2 +/- 6,9, 1,85 USD deepseek-v4-pro@together: 48,2 +/- 6,9, 1,85 USD gemini-3.5-flash: 50,5 +/- 6,9, 3,00 USD grok-4.7: 44,9 +/- 6,9, 3,08 USD claude-sonnet-5: 42,4 +/- 6,9, 3,60 USD gemini-3.1-pro-preview: 52,4 +/- 6,9, 4,00 USD gpt-5.4: 51,8 +/- 6,9, 5,00 USD claude-sonnet-4-6: 45,1 +/- 6,9, 5,40 USD claude-opus-5-5: 52,3 +/- 6,9, 7,20 USD claude-opus-5: 52,0 +/- 6,9, 9,00 USD claude-opus-4-8: 51,1 +/- 6,9, 9,00 USD gpt-5.5: 55,9 +/- 6,9, 10,00 USD gpt-6-astra: 58,4 +/- 6,8, 18,00 USD claude-fable-5-1: 56,2 +/- 6,9, 18,00 USD gpt-5.4-nano Mejor, Equilibrada, Económicaclaude-opus-4-8
Preguntas sobre un documento, Difícil
02550751001 USD2 USD5 USD10 USD20 USD50 USD gpt-oss-120b: 36,1 +/- 5,0, 1,74 USD gpt-5-mini: 69,4 +/- 5,0, 3,80 USD gpt-4.1-mini: 44,4 +/- 5,0, 4,64 USD llama-3.3-70b-instruct-turbo: 33,3 +/- 5,0, 9,26 USD gpt-4.1: 63,9 +/- 5,0, 23,20 USD

Fuentes

Qué son estos números

  • Estas cifras vienen de las fuentes que indica cada fila, no de las pruebas propias de Zabio. Las pruebas de Zabio se muestran aparte y nunca se combinan con ellas en una sola cifra.
  • Las fuentes prueban los modelos con sus propios ajustes. Una diferencia de ajustes respecto a cómo Zabio llama al modelo se marca en la fila y reduce su peso.
  • Las puntuaciones solo se comparan dentro de un mismo benchmark. Las puntuaciones por tarea combinan benchmarks por evidencia en errores estándar, así que son un resumen, no un resultado de benchmark.
  • Un modelo ausente de todas las fuentes aparece como tal en lugar de omitirse.

Los resultados de nuestras propias pruebas tienen su propia sección.

A dónde ir ahora

Cómo elige el enrutamiento entre estos modelos

Los nombres de modelos y empresas son marcas de sus titulares. Zabio usa estos modelos a través de las API de sus proveedores y no tiene relación societaria con ellos.