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

gpt-5-mini

gpt-5-mini de OpenAI, clase Fast. Precios de lista por millón de tokens y lo que dicen de él los benchmarks públicos.

Clase
Fast
Entrada, por millón
0,25 USD
Salida, por millón
2,00 USD
Entrada en caché
0,03 USD
Ventana de contexto
400.000
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": "gpt-5-mini"

Admite: imágenes, herramientas, esquema JSON

auto puede elegir este modelo cuando encaja con el trabajo y la línea que escogiste.

Cuánto cuesta

  • Entrada 0,25 USD y salida 2,00 USD por millón de tokens, al precio de lista del proveedor.
  • Entrada leída de la caché: 0,03 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

gpt-5-mini
Redacción, Media: Rating 1373,3 Evidencia, en errores estándar: -2,1 LMArena text style control, instruction following: 1373,3 (Ajustes distintos)Redacción, MediaRating 1373,3Escritura creativa, Media: Rating 1323,7 Evidencia, en errores estándar: -2,2 LMArena text style control, creative writing: 1323,7 (Ajustes distintos)Escritura creativa, MediaRating 1323,7Extracción de datos, Media: Rating 1373,3 Evidencia, en errores estándar: -2,1 LMArena text style control, instruction following: 1373,3 (Ajustes distintos)Extracción de datos, MediaRating 1373,3Conversación, Media: 21,6 +/- 1,3 Evidencia, en errores estándar: -2,5 SimpleQA Verified: 21,6 (Ajustes distintos) LMArena text style control, multi turn: 1372,5 (Ajustes distintos)Conversación, Media21,6Análisis y razonamiento, Difícil: 71,7 +/- 3,2 Evidencia, en errores estándar: -1,4 GPQA diamond: 71,7 (Parecidos a los nuestros) LMArena text style control, hard prompts: 1404,0 (Ajustes distintos)Análisis y razonamiento, Difícil71,7Análisis y razonamiento, Muy difícil: 15,8 +/- 0,9 Evidencia, en errores estándar: -1,8 ARC-AGI-2: 0,8 (Parecidos a los nuestros) ARC-AGI: 26,3 (Parecidos a los nuestros) HLE: 19,4 (Mismos ajustes) LMArena text style control, expert: 1401,0 (Ajustes distintos)Análisis y razonamiento, Muy difícil15,8Matemáticas, Media: Rating 1405,0 Evidencia, en errores estándar: -1,4 LMArena text style control, math: 1405,0 (Ajustes distintos)Matemáticas, MediaRating 1405,0Matemáticas, Difícil: 97,9 +/- 0,3 Evidencia, en errores estándar: 2,5 MATH level 5: 97,9 (Ajustes distintos)Matemáticas, Difícil97,9Matemáticas, Muy difícil: 34,1 +/- 2,9 Evidencia, en errores estándar: -1,0 FrontierMath-2025-02-28-Private: 27,2 (Ajustes distintos) FrontierMath-Tiers-1-3-v2-Private: 18,3 (Parecidos a los nuestros) OTIS Mock AIME 2024-2025: 55,6 (Parecidos a los nuestros)Matemáticas, Muy difícil34,1Escribir código, Difícil: Rating 1431,2 Evidencia, en errores estándar: -2,1 LMArena text style control, coding: 1431,2 (Ajustes distintos)Escribir código, DifícilRating 1431,2Arreglar código, Difícil: 47,0 +/- 1,7 Evidencia, en errores estándar: -0,0 SWE-Bench verified: 64,7 (Ajustes distintos) Terminal Bench: 22,3 (Mismos ajustes)Arreglar código, Difícil47,0Uso de herramientas, Difícil: 22,3 +/- 2,6 Evidencia, en errores estándar: -0,6 Terminal Bench: 22,3 (Mismos ajustes)Uso de herramientas, Difícil22,3Leer imágenes, Media: Rating 1202,0 Evidencia, en errores estándar: -1,8 LMArena vision, overall: 1202,0 (Ajustes distintos)Leer imágenes, MediaRating 1202,0Preguntas sobre un documento, Media: Rating 1370,3 Evidencia, en errores estándar: -2,2 LMArena text style control, longer query: 1370,3 (Ajustes distintos)Preguntas sobre un documento, MediaRating 1370,3Preguntas sobre un documento, Difícil: 69,4 +/- 5,0 Evidencia, en errores estándar: 2,4 Fiction.LiveBench: 69,4 (Ajustes distintos)Preguntas sobre un documento, Difícil69,4
Los benchmarks detrás de cada barra
Tipo de tareaBenchmarkPuntuaciónAjustes
Redacción, MediaLMArena text style control, instruction followingRating 1373,3Ajustes distintos
Escritura creativa, MediaLMArena text style control, creative writingRating 1323,7Ajustes distintos
Extracción de datos, MediaLMArena text style control, instruction followingRating 1373,3Ajustes distintos
Conversación, MediaSimpleQA Verified21,6Ajustes distintos
Conversación, MediaLMArena text style control, multi turnRating 1372,5Ajustes distintos
Análisis y razonamiento, DifícilGPQA diamond71,7Parecidos a los nuestros
Análisis y razonamiento, DifícilLMArena text style control, hard promptsRating 1404,0Ajustes distintos
Análisis y razonamiento, Muy difícilARC-AGI-20,8Parecidos a los nuestros
Análisis y razonamiento, Muy difícilARC-AGI26,3Parecidos a los nuestros
Análisis y razonamiento, Muy difícilHLE19,4Mismos ajustes
Análisis y razonamiento, Muy difícilLMArena text style control, expertRating 1401,0Ajustes distintos
Matemáticas, MediaLMArena text style control, mathRating 1405,0Ajustes distintos
Matemáticas, DifícilMATH level 597,9Ajustes distintos
Matemáticas, Muy difícilFrontierMath-2025-02-28-Private27,2Ajustes distintos
Matemáticas, Muy difícilFrontierMath-Tiers-1-3-v2-Private18,3Parecidos a los nuestros
Matemáticas, Muy difícilOTIS Mock AIME 2024-202555,6Parecidos a los nuestros
Escribir código, DifícilLMArena text style control, codingRating 1431,2Ajustes distintos
Arreglar código, DifícilSWE-Bench verified64,7Ajustes distintos
Arreglar código, DifícilTerminal Bench22,3Mismos ajustes
Uso de herramientas, DifícilTerminal Bench22,3Mismos ajustes
Leer imágenes, MediaLMArena vision, overallRating 1202,0Ajustes distintos
Preguntas sobre un documento, MediaLMArena text style control, longer queryRating 1370,3Ajustes distintos
Preguntas sobre un documento, DifícilFiction.LiveBench69,4Ajustes distintos
Precio frente a puntuación en cada tipo de tarea (15)

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, Económica
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, Económica
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 Mejor
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 gpt-5-minigemini-3.8-flash Económicagemini-3.1-pro-preview Mejor, Equilibrada
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 gpt-5-minigemini-3.8-flash Económicaclaude-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 gpt-5-minigemini-3.8-flash Económicaclaude-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, Económica
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 Equilibradagpt-5-miniclaude-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-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 gpt-5-miniclaude-sonnet-5 Económicaclaude-opus-5-5 Mejor, Equilibrada
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-minigpt-5.4 Mejor, Equilibrada, Económica
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 gpt-5-mini

Fuentes

  • Epoch AIEpoch AI, Capabilities and Benchmarking, epoch.ai/benchmarks, consultado el 2026-10-01Licencia: CC BY 4.0Consultado el 1 de octubre de 2026
  • LMArenaConjunto de datos del ranking de LMArena (lmarena-ai/leaderboard-dataset en Hugging Face), consultado el 2026-10-01Licencia: CC BY 4.0Consultado el 1 de octubre de 2026

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.