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 |
|---|---|---|---|---|
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1486,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,45 – 1491,55Posición en la fuente: 18 | high24.173 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1475,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,52 – 1481,7Posición en la fuente: 35 | max10.536 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1541,57Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1529,34 – 1553,8Posición en la fuente: 9 | max2424 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1516,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1508,69 – 1524,72Posición en la fuente: 41 | high6718 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1492,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,1 – 1501,54Posición en la fuente: 5 | high5338 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1447,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1434,53 – 1460,57Posición en la fuente: 42 | max2367 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1506,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,15 – 1511,98Posición en la fuente: 21 | high15.835 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1500,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,39 – 1508,29Posición en la fuente: 33 | max6408 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1502,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1485,77 – 1519,53Posición en la fuente: 11 | high1250 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1485,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1460,77 – 1511,04Posición en la fuente: 31 | max534 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1497,59Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,17 – 1520,01Posición en la fuente: 5 | high740 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1434,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,92 – 1468,23Posición en la fuente: 92 | max307 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1296,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1285,53 – 1306,49Posición en la fuente: 6 | high3814 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1284,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1273,02 – 1295,68Posición en la fuente: 20 | max3175 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-6-astra-max | Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios | 1786,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1775,15 – 1797,08Posición en la fuente: 2 | max5189 comparacionesIdentidad y recursosgpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios | 1591,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1584,39 – 1598,7Posición en la fuente: 29 | high10.637 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| GPT 6 Astra (Max) | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | 0,1309IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,1073 – 0,1546Posición en la fuente: 2 | max915.013 observaciones12.029 sesionesIdentidad y recursosGPT 6 Astra (Max) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| Gemini 3.7 Flash (High) | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | -0,021IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,029 – -0,0131Posición en la fuente: 38 | high5.094.608 observaciones54.358 sesionesIdentidad y recursosGemini 3.7 Flash (High) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
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 |
|---|---|---|---|---|
| gemini/gemini-3.7-flash | Terminal-Bench ↗Terminal-Bench 4.0 · agente + modeloAgentes en terminal · accuracyPrueba técnica de agente + modelo | 11,21 %Porcentaje del evaluador · escala 0–100Un valor mayor es mejor en esta métricaIntervalo 95 %: 8,76 % – 13,66 % | mini-swe-agent 2.4.6 · razonamiento high330 intentos66 tareas × 5 intentos por tarea37 intentos correctos1261,87 US$ · coste registrado del lote completo34,10 US$ por intento correcto · lote / aciertosmini-swe-agent 2.4.6Versión: 4.0Identidad y recursosgemini/gemini-3.7-flash Tokens del lote: 11.137.189.802 Duración media por intento: 1688,9 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.
Gemini 3.7 Flash
- Uso a valorar: Programación
- Uso a valorar: Agentes
- Uso a valorar: Multimodal
GPT-6 Astra
- Uso a valorar: Razonamiento
- Uso a valorar: Código
- Uso a valorar: Agentes
Datos de cada modelo
Fuentes y fecha de revisión.
Gemini 3.7 Flash
Ficha revisada: 31 ago 2026.
GPT-6 Astra
Ficha revisada: 7 sep 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.