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-5.4

gpt-5.4 de OpenAI, clase Balanced. Precios de lista por millón de tokens y lo que dicen de él los benchmarks públicos.

Clase
Balanced
Entrada, por millón
2,50 USD
Salida, por millón
15,00 USD
Entrada en caché
0,25 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-5.4"

Admite: imágenes, herramientas, esquema JSON

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

Cuánto cuesta

  • Entrada 2,50 USD y salida 15,00 USD por millón de tokens, al precio de lista del proveedor.
  • Entrada leída de la caché: 0,25 USD por millón de tokens.
  • gpt-5.4: los prompts de más de 272.001 tokens cuestan 5,00 USD de entrada y 22,50 USD de salida por 1M 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-5.4
Redacción, Media: 73,0 +/- 3,7 Evidencia, en errores estándar: 1,0 LiveBench Language: 82,6 (Ajustes distintos) LiveBench paraphrase: 63,4 (Ajustes distintos) LMArena text style control, instruction following: 1460,1 (Mismos ajustes)Redacción, Media73,0Escritura creativa, Media: 79,0 +/- 5,8 Evidencia, en errores estándar: 1,1 LiveBench story generation: 79,0 (Ajustes distintos) LMArena text style control, creative writing: 1434,8 (Mismos ajustes)Escritura creativa, Media79,0Resúmenes, Media: 68,4 +/- 6,6 Evidencia, en errores estándar: -0,5 LiveBench summarize: 68,4 (Ajustes distintos)Resúmenes, Media68,4Extracción de datos, Media: 89,7 +/- 1,7 Evidencia, en errores estándar: 1,8 LiveBench Data Analysis: 79,3 (Ajustes distintos) LiveBench tablereformat: 100,0 (Ajustes distintos) LMArena text style control, instruction following: 1460,1 (Mismos ajustes)Extracción de datos, Media89,7Clasificación, Media: 70,2 +/- 3,2 Evidencia, en errores estándar: 0,3 LiveBench IF: 70,2 (Ajustes distintos)Clasificación, Media70,2Conversación, Media: 45,1 +/- 1,6 Evidencia, en errores estándar: 1,1 SimpleQA Verified: 45,1 (Ajustes distintos) LMArena text style control, multi turn: 1480,2 (Mismos ajustes)Conversación, Media45,1Análisis y razonamiento, Difícil: 80,3 +/- 2,1 Evidencia, en errores estándar: 0,8 GPQA diamond: 74,8 (Mismos ajustes) LiveBench Reasoning: 88,1 (Ajustes distintos) LMArena text style control, hard prompts: 1486,8 (Mismos ajustes)Análisis y razonamiento, Difícil80,3Análisis y razonamiento, Muy difícil: 45,0 +/- 1,8 Evidencia, en errores estándar: 1,2 ARC-AGI-2: 29,2 (Parecidos a los nuestros) ARC-AGI: 68,2 (Parecidos a los nuestros) HLE: 36,2 (Ajustes distintos) LMArena text style control, expert: 1492,0 (Mismos ajustes)Análisis y razonamiento, Muy difícil45,0Matemáticas, Media: Rating 1459,9 Evidencia, en errores estándar: 0,7 LMArena text style control, math: 1459,9 (Mismos ajustes)Matemáticas, MediaRating 1459,9Matemáticas, Difícil: 94,2 +/- 1,2 Evidencia, en errores estándar: 3,0 LiveBench Mathematics: 94,2 (Ajustes distintos)Matemáticas, Difícil94,2Matemáticas, Muy difícil: 60,9 +/- 3,3 Evidencia, en errores estándar: 1,1 FrontierMath-2025-02-28-Private: 47,6 (Ajustes distintos) FrontierMath-Tiers-1-3-v2-Private: 78,6 (Ajustes distintos) OTIS Mock AIME 2024-2025: 57,8 (Mismos ajustes)Matemáticas, Muy difícil60,9Escribir código, Difícil: 49,0 +/- 3,5 Evidencia, en errores estándar: 0,6 MirrorCode: 15,6 (Ajustes distintos) LiveBench Agentic Coding: 53,8 (Ajustes distintos) LiveBench Coding: 77,5 (Ajustes distintos) LMArena text style control, coding: 1511,2 (Mismos ajustes) LMArena webdev, overall: 1394,9 (Mismos ajustes)Escribir código, Difícil49,0Arreglar código, Difícil: 69,7 +/- 2,3 Evidencia, en errores estándar: 1,9 SWE-Bench verified: 76,9 (Ajustes distintos) Terminal Bench: 81,8 (Mismos ajustes) LiveBench Agentic Coding: 53,8 (Ajustes distintos)Arreglar código, Difícil69,7SQL y consultas de datos, Media: 51,8 +/- 6,9 Evidencia, en errores estándar: 0,3 LiveBench tablejoin: 51,8 (Ajustes distintos)SQL y consultas de datos, Media51,8Uso de herramientas, Difícil: 81,8 +/- 2,0 Evidencia, en errores estándar: 3,0 Terminal Bench: 81,8 (Mismos ajustes)Uso de herramientas, Difícil81,8Leer imágenes, Media: Rating 1291,9 Evidencia, en errores estándar: 1,2 LMArena vision, overall: 1291,9 (Mismos ajustes)Leer imágenes, MediaRating 1291,9Preguntas sobre un documento, Media: Rating 1477,4 Evidencia, en errores estándar: 0,8 LMArena text style control, longer query: 1477,4 (Mismos ajustes)Preguntas sobre un documento, MediaRating 1477,4Preguntas sobre un documento, Difícil: Rating 1471,0 Evidencia, en errores estándar: -0,1 LMArena document, overall: 1471,0 (Mismos ajustes)Preguntas sobre un documento, DifícilRating 1471,0
Los benchmarks detrás de cada barra
Tipo de tareaBenchmarkPuntuaciónAjustes
Redacción, MediaLiveBench Language82,6Ajustes distintos
Redacción, MediaLiveBench paraphrase63,4Ajustes distintos
Redacción, MediaLMArena text style control, instruction followingRating 1460,1Mismos ajustes
Escritura creativa, MediaLiveBench story generation79,0Ajustes distintos
Escritura creativa, MediaLMArena text style control, creative writingRating 1434,8Mismos ajustes
Resúmenes, MediaLiveBench summarize68,4Ajustes distintos
Extracción de datos, MediaLiveBench Data Analysis79,3Ajustes distintos
Extracción de datos, MediaLiveBench tablereformat100,0Ajustes distintos
Extracción de datos, MediaLMArena text style control, instruction followingRating 1460,1Mismos ajustes
Clasificación, MediaLiveBench IF70,2Ajustes distintos
Conversación, MediaSimpleQA Verified45,1Ajustes distintos
Conversación, MediaLMArena text style control, multi turnRating 1480,2Mismos ajustes
Análisis y razonamiento, DifícilGPQA diamond74,8Mismos ajustes
Análisis y razonamiento, DifícilLiveBench Reasoning88,1Ajustes distintos
Análisis y razonamiento, DifícilLMArena text style control, hard promptsRating 1486,8Mismos ajustes
Análisis y razonamiento, Muy difícilARC-AGI-229,2Parecidos a los nuestros
Análisis y razonamiento, Muy difícilARC-AGI68,2Parecidos a los nuestros
Análisis y razonamiento, Muy difícilHLE36,2Ajustes distintos
Análisis y razonamiento, Muy difícilLMArena text style control, expertRating 1492,0Mismos ajustes
Matemáticas, MediaLMArena text style control, mathRating 1459,9Mismos ajustes
Matemáticas, DifícilLiveBench Mathematics94,2Ajustes distintos
Matemáticas, Muy difícilFrontierMath-2025-02-28-Private47,6Ajustes distintos
Matemáticas, Muy difícilFrontierMath-Tiers-1-3-v2-Private78,6Ajustes distintos
Matemáticas, Muy difícilOTIS Mock AIME 2024-202557,8Mismos ajustes
Escribir código, DifícilMirrorCode15,6Ajustes distintos
Escribir código, DifícilLiveBench Agentic Coding53,8Ajustes distintos
Escribir código, DifícilLiveBench Coding77,5Ajustes distintos
Escribir código, DifícilLMArena text style control, codingRating 1511,2Mismos ajustes
Escribir código, DifícilLMArena webdev, overallRating 1394,9Mismos ajustes
Arreglar código, DifícilSWE-Bench verified76,9Ajustes distintos
Arreglar código, DifícilTerminal Bench81,8Mismos ajustes
Arreglar código, DifícilLiveBench Agentic Coding53,8Ajustes distintos
SQL y consultas de datos, MediaLiveBench tablejoin51,8Ajustes distintos
Uso de herramientas, DifícilTerminal Bench81,8Mismos ajustes
Leer imágenes, MediaLMArena vision, overallRating 1291,9Mismos ajustes
Preguntas sobre un documento, MediaLMArena text style control, longer queryRating 1477,4Mismos ajustes
Preguntas sobre un documento, DifícilLMArena document, overallRating 1471,0Mismos 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, Económicagpt-5.4
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, Económicagpt-5.4
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, Equilibradagpt-5.4
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 Equilibradagpt-5.4claude-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, Económicagpt-5.4
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, Equilibradagpt-5.4
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 Económicagpt-5.4claude-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 Económicagpt-5.4claude-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, Económicagpt-5.4
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-5.4claude-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 gpt-5.4claude-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 Económicagpt-5.4claude-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, Económicagpt-5.4
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, 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

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.