Comparación métrica a métrica
Las diferencias que importan.
Todavía no existe una puntuación comparable publicada para esta tarea. Mostramos capacidades y fuentes, pero no convertimos valores vacíos en un ranking.
Ficha técnica comparada
Lo que sí se puede decidir antes del benchmark.
Estas diferencias son datos publicados del modelo y no sustituyen una ejecución controlada. «Pendiente de prueba» significa que aún no hay una puntuación IA Versus comparable.
Evidencia externa
Resultados publicados, con contexto.
La primera tabla reúne cortes compartidos de la misma fuente y tarea. Las pruebas de agentes necesitan también el mismo agente, versión, esfuerzo y dataset. Conservamos todas las configuraciones disponibles; no seleccionamos la puntuación máxima de cada modelo.
No existe un corte compartido para todos estos modelos en las fuentes importadas. Puedes consultar las evaluaciones disponibles de cada versión por separado.
Pruebas técnicas disponibles sin protocolo compartido · 1 resultados
Estos resultados aportan contexto a cada modelo, pero no permiten declarar un ganador entre todos los seleccionados. Diferencias de agente, versión o configuración pueden cambiar el resultado y el coste.
| Versión evaluada | Fuente y tarea | Resultado publicado | Configuración, muestra y recursos | Fecha y trazabilidad |
|---|---|---|---|---|
| anthropic/claude-opus-4-8 | Terminal-Bench ↗Terminal-Bench 4.0 · agente + modeloAgentes en terminal · accuracyPrueba técnica de agente + modelo | 23,64 %Porcentaje del evaluador · escala 0–100Un valor mayor es mejor en esta métricaIntervalo 95 %: 20,08 % – 27,2 % | claude-code 2.1.231 · razonamiento max330 intentos66 tareas × 5 intentos por tarea78 intentos correctos6481,26 US$ · coste registrado del lote completo83,09 US$ por intento correcto · lote / aciertosclaude-code 2.1.231Versión: 4.0Identidad y recursosanthropic/claude-opus-4-8 Tokens del lote: 6.415.823.126 Duración media por intento: 5163 s Intentos descalificados: 0 Dataset: sha256:39d9f44b40420cde8fdcc087579c0d72a7e14fa3656d603c3f0d22fb35e27732 El coste pertenece al experimento completo, incluidos fallos; no es una tarifa API actual ni el coste de esta categoría aislada. Revisión fuente: 2e29ca91d5f1cb6fb60924bf867acc755565c044 | Archivo fechado Captura: Fecha del archivo de entrega, no de ejecución ni de lanzamiento.Metodología ↗ |
Un modo «high» no equivale al mismo presupuesto en todos los proveedores. Los intervalos, la muestra y la configuración condicionan la lectura; esta tabla no se transforma en una nota global de IA Versus.
Coste API orientativo
Coste según la unidad del proveedor.
El coste por tarea dependerá del volumen, caché, razonamiento y tasa de éxito. Las tarifas son las publicadas en las fuentes de cada ficha; los planes de producto se contratan por separado.
Cuándo elegir cada uno
No hay un ganador universal.
Claude Opus 4.8
- Uso a valorar: Código
- Uso a valorar: Documentos
- Uso a valorar: Migraciones
DeepSeek V4 Flash Vision Exp
- Uso a valorar: Análisis de imágenes
- Uso a valorar: Documentos visuales
- Uso a valorar: Agentes multimodales
Datos de cada modelo
Fuentes y fecha de revisión.
Claude Opus 4.8
Ficha revisada: 31 ago 2026.
DeepSeek V4 Flash Vision Exp
Ficha revisada: 31 ago 2026.
Metodología
Criterios de esta comparación.
El índice equilibrado aplica 55% a calidad, 15% a programación, 20% a valor y 10% a velocidad cuando existe una evaluación común. Los votos de esta página representan preferencias de usuarios y se consultan aparte.
Revisar metodología y límites →Experiencia de la comunidad
¿Cuál elegirías tú?
Tu voto se muestra separado de benchmarks y especificaciones. Sé la primera persona en votar para esta tarea.