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.
| Versión evaluada | Fuente y tarea | Resultado publicado | Configuración, muestra y recursos | Fecha y trazabilidad |
|---|---|---|---|---|
| claude-opus-5.5-high | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1507,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1498,97 – 1515,18Posición en la fuente: 2 | high6272 comparacionesIdentidad y recursosclaude-opus-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-terra-xhigh | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1465,85Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,52 – 1470,18Posición en la fuente: 50 | xhigh40.278 comparacionesIdentidad y recursosgpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-5.5-high | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1549,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1533,78 – 1565,27Posición en la fuente: 5 | high1444 comparacionesIdentidad y recursosclaude-opus-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-terra-xhigh | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1515,56Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1508,87 – 1522,26Posición en la fuente: 43 | xhigh10.832 comparacionesIdentidad y recursosgpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-5.5-high | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1517,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,27 – 1534,16Posición en la fuente: 2 | high1480 comparacionesIdentidad y recursosclaude-opus-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-terra-xhigh | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1426,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,11 – 1434,29Posición en la fuente: 76 | xhigh8516 comparacionesIdentidad y recursosgpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-5.5-high | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1533,22Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1523,14 – 1543,3Posición en la fuente: 2 | high3901 comparacionesIdentidad y recursosclaude-opus-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-terra-xhigh | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1488,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,53 – 1493,63Posición en la fuente: 49 | xhigh26.394 comparacionesIdentidad y recursosgpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-5.5-high | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1499,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,87 – 1530,6Posición en la fuente: 16 | high324 comparacionesIdentidad y recursosclaude-opus-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-terra-xhigh | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1481,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,01 – 1495,7Posición en la fuente: 36 | xhigh1822 comparacionesIdentidad y recursosgpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-5.5-high | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1491,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1452,46 – 1529,74Posición en la fuente: 8 | high222 comparacionesIdentidad y recursosclaude-opus-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-terra-xhigh | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1460,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1442,27 – 1477,89Posición en la fuente: 52 | xhigh1194 comparacionesIdentidad y recursosgpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| Claude Opus 5.5 (High) | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | 0,1433IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,1215 – 0,1651Posición en la fuente: 1 | high940.970 observaciones6103 sesionesIdentidad y recursosClaude Opus 5.5 (High) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| GPT 5.6 Terra (xHigh) | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | 0,0088IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,0032 – 0,0208Posición en la fuente: 31 | xhigh1.677.804 observaciones23.326 sesionesIdentidad y recursosGPT 5.6 Terra (xHigh) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
Pruebas técnicas disponibles sin protocolo compartido · 2 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-5-5 | Terminal-Bench ↗Terminal-Bench 4.0 · agente + modeloAgentes en terminal · accuracyPrueba técnica de agente + modelo | 64,85 %Porcentaje del evaluador · escala 0–100Un valor mayor es mejor en esta métricaIntervalo 95 %: 61,74 % – 67,96 % | claude-code 2.1.284 · razonamiento max330 intentos66 tareas × 5 intentos por tarea214 intentos correctos4718,65 US$ · coste registrado del lote completo22,05 US$ por intento correcto · lote / aciertosclaude-code 2.1.284Versión: 4.0Identidad y recursosanthropic/claude-opus-5-5 Tokens del lote: 8.034.082.467 Duración media por intento: 4790,4 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 ↗ |
| openai/gpt-5.6-terra | Terminal-Bench ↗Terminal-Bench 4.0 · agente + modeloAgentes en terminal · accuracyPrueba técnica de agente + modelo | 21,52 %Porcentaje del evaluador · escala 0–100Un valor mayor es mejor en esta métricaIntervalo 95 %: 18,27 % – 24,77 % | codex 0.149.1 · razonamiento max330 intentos66 tareas × 5 intentos por tarea71 intentos correctos1733,52 US$ · coste registrado del lote completo24,42 US$ por intento correcto · lote / aciertoscodex 0.149.1Versión: 4.0Identidad y recursosopenai/gpt-5.6-terra Tokens del lote: 5.683.805.798 Duración media por intento: 2514,6 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 5.5
- Uso a valorar: Código
- Uso a valorar: Agentes
- Uso a valorar: Análisis largo
GPT-5.6 Terra
- Uso a valorar: Trabajo diario
- Uso a valorar: Agentes
- Uso a valorar: Análisis con presupuesto
Datos de cada modelo
Fuentes y fecha de revisión.
Claude Opus 5.5
Ficha revisada: 28 sep 2026.
GPT-5.6 Terra
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.