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-sonnet-4-6

claude-sonnet-4-6 de Anthropic, clase Balanced. Precios de lista por millón de tokens y lo que dicen de él los benchmarks públicos.

Clase
Balanced
Entrada, por millón
3,00 USD
Salida, por millón
15,00 USD
Entrada en caché
0,30 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-sonnet-4-6"

Admite: imágenes, herramientas, esquema JSON

Cuánto cuesta

  • Entrada 3,00 USD y salida 15,00 USD por millón de tokens, al precio de lista del proveedor.
  • Entrada leída de la caché: 0,30 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-sonnet-4-6
Redacción, Media: 67,8 +/- 3,9 Evidencia, en errores estándar: 0,6 LiveBench Language: 76,1 (Ajustes distintos) LiveBench paraphrase: 59,4 (Ajustes distintos) LMArena text style control, instruction following: 1474,3 (Mismos ajustes)Redacción, Media67,8Escritura creativa, Media: 68,9 +/- 6,6 Evidencia, en errores estándar: 1,0 LiveBench story generation: 68,9 (Ajustes distintos) LMArena text style control, creative writing: 1449,4 (Mismos ajustes)Escritura creativa, Media68,9Resúmenes, Media: 61,7 +/- 6,9 Evidencia, en errores estándar: -1,3 LiveBench summarize: 61,7 (Ajustes distintos)Resúmenes, Media61,7Extracción de datos, Media: 87,0 +/- 2,2 Evidencia, en errores estándar: 1,5 LiveBench Data Analysis: 78,0 (Ajustes distintos) LiveBench tablereformat: 96,1 (Ajustes distintos) LMArena text style control, instruction following: 1474,3 (Mismos ajustes)Extracción de datos, Media87,0Clasificación, Media: 63,2 +/- 3,4 Evidencia, en errores estándar: -1,2 LiveBench IF: 63,2 (Ajustes distintos)Clasificación, Media63,2Conversación, Media: 32,8 +/- 1,5 Evidencia, en errores estándar: 0,6 SimpleQA Verified: 32,8 (Ajustes distintos) LMArena text style control, multi turn: 1481,6 (Mismos ajustes)Conversación, Media32,8Análisis y razonamiento, Difícil: 81,8 +/- 1,9 Evidencia, en errores estándar: 1,3 GPQA diamond: 78,8 (Ajustes distintos) LiveBench Reasoning: 84,8 (Ajustes distintos) LMArena text style control, hard prompts: 1503,4 (Mismos ajustes)Análisis y razonamiento, Difícil81,8Análisis y razonamiento, Muy difícil: 73,5 +/- 2,4 Evidencia, en errores estándar: 2,3 ARC-AGI-2: 60,4 (Ajustes distintos) ARC-AGI: 86,5 (Ajustes distintos) LMArena text style control, expert: 1506,3 (Mismos ajustes)Análisis y razonamiento, Muy difícil73,5Matemáticas, Media: Rating 1463,2 Evidencia, en errores estándar: 0,9 LMArena text style control, math: 1463,2 (Mismos ajustes)Matemáticas, MediaRating 1463,2Matemáticas, Difícil: 87,0 +/- 1,7 Evidencia, en errores estándar: 0,4 LiveBench Mathematics: 87,0 (Ajustes distintos)Matemáticas, Difícil87,0Matemáticas, Muy difícil: 51,8 +/- 3,7 Evidencia, en errores estándar: 0,5 FrontierMath-2025-02-28-Private: 32,4 (Ajustes distintos) OTIS Mock AIME 2024-2025: 71,1 (Ajustes distintos)Matemáticas, Muy difícil51,8Escribir código, Difícil: 61,0 +/- 3,5 Evidencia, en errores estándar: 1,3 LiveBench Agentic Coding: 42,6 (Ajustes distintos) LiveBench Coding: 79,3 (Ajustes distintos) LMArena text style control, coding: 1528,7 (Mismos ajustes) LMArena webdev, overall: 1521,6 (Mismos ajustes)Escribir código, Difícil61,0Arreglar código, Difícil: 59,9 +/- 2,2 Evidencia, en errores estándar: 0,5 SWE-Bench verified: 75,2 (Mismos ajustes) Terminal Bench: 53,4 (Mismos ajustes) LiveBench Agentic Coding: 42,6 (Ajustes distintos)Arreglar código, Difícil59,9SQL y consultas de datos, Media: 45,1 +/- 6,9 Evidencia, en errores estándar: -0,5 LiveBench tablejoin: 45,1 (Ajustes distintos)SQL y consultas de datos, Media45,1Uso de herramientas, Difícil: 62,8 +/- 1,8 Evidencia, en errores estándar: 0,7 OSWorld: 72,1 (Mismos ajustes) Terminal Bench: 53,4 (Mismos ajustes)Uso de herramientas, Difícil62,8Leer imágenes, Media: Rating 1282,8 Evidencia, en errores estándar: 0,5 LMArena vision, overall: 1282,8 (Mismos ajustes)Leer imágenes, MediaRating 1282,8Preguntas sobre un documento, Media: Rating 1492,4 Evidencia, en errores estándar: 1,7 LMArena text style control, longer query: 1492,4 (Mismos ajustes)Preguntas sobre un documento, MediaRating 1492,4Preguntas sobre un documento, Difícil: Rating 1482,2 Evidencia, en errores estándar: 1,3 LMArena document, overall: 1482,2 (Mismos ajustes)Preguntas sobre un documento, DifícilRating 1482,2
Los benchmarks detrás de cada barra
Tipo de tareaBenchmarkPuntuaciónAjustes
Redacción, MediaLiveBench Language76,1Ajustes distintos
Redacción, MediaLiveBench paraphrase59,4Ajustes distintos
Redacción, MediaLMArena text style control, instruction followingRating 1474,3Mismos ajustes
Escritura creativa, MediaLiveBench story generation68,9Ajustes distintos
Escritura creativa, MediaLMArena text style control, creative writingRating 1449,4Mismos ajustes
Resúmenes, MediaLiveBench summarize61,7Ajustes distintos
Extracción de datos, MediaLiveBench Data Analysis78,0Ajustes distintos
Extracción de datos, MediaLiveBench tablereformat96,1Ajustes distintos
Extracción de datos, MediaLMArena text style control, instruction followingRating 1474,3Mismos ajustes
Clasificación, MediaLiveBench IF63,2Ajustes distintos
Conversación, MediaSimpleQA Verified32,8Ajustes distintos
Conversación, MediaLMArena text style control, multi turnRating 1481,6Mismos ajustes
Análisis y razonamiento, DifícilGPQA diamond78,8Ajustes distintos
Análisis y razonamiento, DifícilLiveBench Reasoning84,8Ajustes distintos
Análisis y razonamiento, DifícilLMArena text style control, hard promptsRating 1503,4Mismos ajustes
Análisis y razonamiento, Muy difícilARC-AGI-260,4Ajustes distintos
Análisis y razonamiento, Muy difícilARC-AGI86,5Ajustes distintos
Análisis y razonamiento, Muy difícilLMArena text style control, expertRating 1506,3Mismos ajustes
Matemáticas, MediaLMArena text style control, mathRating 1463,2Mismos ajustes
Matemáticas, DifícilLiveBench Mathematics87,0Ajustes distintos
Matemáticas, Muy difícilFrontierMath-2025-02-28-Private32,4Ajustes distintos
Matemáticas, Muy difícilOTIS Mock AIME 2024-202571,1Ajustes distintos
Escribir código, DifícilLiveBench Agentic Coding42,6Ajustes distintos
Escribir código, DifícilLiveBench Coding79,3Ajustes distintos
Escribir código, DifícilLMArena text style control, codingRating 1528,7Mismos ajustes
Escribir código, DifícilLMArena webdev, overallRating 1521,6Mismos ajustes
Arreglar código, DifícilSWE-Bench verified75,2Mismos ajustes
Arreglar código, DifícilTerminal Bench53,4Mismos ajustes
Arreglar código, DifícilLiveBench Agentic Coding42,6Ajustes distintos
SQL y consultas de datos, MediaLiveBench tablejoin45,1Ajustes distintos
Uso de herramientas, DifícilOSWorld72,1Mismos ajustes
Uso de herramientas, DifícilTerminal Bench53,4Mismos ajustes
Leer imágenes, MediaLMArena vision, overallRating 1282,8Mismos ajustes
Preguntas sobre un documento, MediaLMArena text style control, longer queryRating 1492,4Mismos ajustes
Preguntas sobre un documento, DifícilLMArena document, overallRating 1482,2Mismos 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-sonnet-4-6
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-sonnet-4-6
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-sonnet-4-6
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-sonnet-4-6claude-opus-5-5 Mejor
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-sonnet-4-6
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-sonnet-4-6
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-sonnet-4-6claude-opus-5-5 Mejor, Equilibrada
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-sonnet-4-6claude-opus-5-5 Mejor, Equilibrada
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-sonnet-4-6
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-sonnet-4-6claude-opus-5-5 Mejor
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-sonnet-4-6claude-opus-5-5 Mejor, Equilibrada, Económica
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-sonnet-4-6claude-opus-5-5 Mejor, Equilibrada
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-sonnet-4-6
Uso de herramientas, Difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 9,2 +/- 2,4, 1,13 USD gpt-oss-120b: 14,2 +/- 2,3, 1,68 USD gpt-5-mini: 22,3 +/- 2,6, 4,60 USD claude-haiku-4-5: 13,9 +/- 2,7, 13,00 USD gemini-3.1-pro-preview: 59,4 +/- 4,2, 29,60 USD gpt-5.4: 81,8 +/- 2,0, 37,00 USD claude-sonnet-4-6: 62,8 +/- 1,8, 39,00 USD gpt-5.5: 66,1 +/- 2,5, 74,00 USD gpt-5.4 Mejor, Equilibrada, Económicaclaude-sonnet-4-6
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.