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-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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1326,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1322,69 – 1331,25Posición en la fuente: 247 | Configuración indicada en la fuente39.453 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct 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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1372,54Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1365,05 – 1380,03Posición en la fuente: 239 | Configuración indicada en la fuente6941 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct 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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1307,36Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1298,78 – 1315,94Posición en la fuente: 224 | Configuración indicada en la fuente5153 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct 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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1338,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1332,74 – 1344,18Posición en la fuente: 242 | Configuración indicada en la fuente15.870 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct 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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1316,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1305,85 – 1327,6Posición en la fuente: 232 | Configuración indicada en la fuente2825 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct 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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1326,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1304,58 – 1347,45Posición en la fuente: 217 | Configuración indicada en la fuente820 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct 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 ↗ |
| llama-4-maverick-17b-128e-instruct | Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1145,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1136,12 – 1154,36Posición en la fuente: 113 | Configuración indicada en la fuente6923 comparacionesIdentidad y recursosllama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: 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.
Llama 4 Maverick
- Uso a valorar: Multimodal
- Uso a valorar: Agentes
- Uso a valorar: Despliegue controlado
GPT-6 Astra
- Uso a valorar: Razonamiento
- Uso a valorar: Código
- Uso a valorar: Agentes
Datos de cada modelo
Fuentes y fecha de revisión.
Llama 4 Maverick
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.