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 |
|---|---|---|---|---|
| gpt-5.6-luna-xhigh | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1452,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1448,13 – 1456,77Posición en la fuente: 74 | xhigh40.917 comparacionesIdentidad y recursosgpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| qwen3-coder-480b-a35b-instruct | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1387,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1382,54 – 1392,49Posición en la fuente: 178 | Configuración indicada en la fuente25.197 comparacionesIdentidad y recursosqwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-luna-xhigh | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1500,99Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,32 – 1507,67Posición en la fuente: 75 | xhigh11.083 comparacionesIdentidad y recursosgpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| qwen3-coder-480b-a35b-instruct | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1456,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,86 – 1465,87Posición en la fuente: 146 | Configuración indicada en la fuente4809 comparacionesIdentidad y recursosqwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-luna-xhigh | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1409,56Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1401,95 – 1417,17Posición en la fuente: 91 | xhigh8576 comparacionesIdentidad y recursosgpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| qwen3-coder-480b-a35b-instruct | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1362,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1351,74 – 1373,17Posición en la fuente: 165 | Configuración indicada en la fuente3238 comparacionesIdentidad y recursosqwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-luna-xhigh | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1474,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,15 – 1479,25Posición en la fuente: 78 | xhigh26.900 comparacionesIdentidad y recursosgpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| qwen3-coder-480b-a35b-instruct | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1413,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1407,25 – 1420,07Posición en la fuente: 171 | Configuración indicada en la fuente11.536 comparacionesIdentidad y recursosqwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-luna-xhigh | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1477,18Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1463,53 – 1490,83Posición en la fuente: 44 | xhigh1933 comparacionesIdentidad y recursosgpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| qwen3-coder-480b-a35b-instruct | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1375,57Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1360,8 – 1390,35Posición en la fuente: 190 | Configuración indicada en la fuente1611 comparacionesIdentidad y recursosqwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gpt-5.6-luna-xhigh | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1465,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,09 – 1483,42Posición en la fuente: 42 | xhigh1171 comparacionesIdentidad y recursosgpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| qwen3-coder-480b-a35b-instruct | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1387,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1363,99 – 1410,96Posición en la fuente: 162 | Configuración indicada en la fuente686 comparacionesIdentidad y recursosqwen3-coder-480b-a35b-instruct 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 |
|---|---|---|---|---|
| openai/gpt-5.6-luna | Terminal-Bench ↗Terminal-Bench 4.0 · agente + modeloAgentes en terminal · accuracyPrueba técnica de agente + modelo | 17,27 %Porcentaje del evaluador · escala 0–100Un valor mayor es mejor en esta métricaIntervalo 95 %: 14,42 % – 20,12 % | codex 0.149.1 · razonamiento max330 intentos66 tareas × 5 intentos por tarea57 intentos correctos346,67 US$ · coste registrado del lote completo6,08 US$ por intento correcto · lote / aciertoscodex 0.149.1Versión: 4.0Identidad y recursosopenai/gpt-5.6-luna Tokens del lote: 11.557.463.640 Duración media por intento: 4088,3 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.
Consulta la tarifa del canal de acceso en las fuentes de la ficha.
Ver tarifa y condiciones →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.
GPT-5.6 Luna
- Uso a valorar: Alto volumen
- Uso a valorar: Clasificación
- Uso a valorar: Automatizaciones con coste sensible
Qwen3-Coder 480B A35B Instruct
- Uso a valorar: Código
- Uso a valorar: Agentes
- Uso a valorar: Repositorios
Datos de cada modelo
Fuentes y fecha de revisión.
GPT-5.6 Luna
Ficha revisada: 31 ago 2026.
Qwen3-Coder 480B A35B Instruct
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.