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.
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.
Preview: 0,68 USD entrada · 2,09 USD salida · 0,07 USD caché por 1M; tarifa de lista 1,36/4,18.
Ver tarifa y condiciones →Desde el 5 oct 2026: 5 USD entrada · 25 USD salida · 0,50 USD lectura de caché por 1M. Acceso aprobado para investigación.
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.
Mistral Large 4
- Uso a valorar: Código
- Uso a valorar: Agentes
- Uso a valorar: Documentos largos
- Uso a valorar: Multimodal
GPT-Rosalind
- Uso a valorar: Ciencia
- Uso a valorar: Biología
- Uso a valorar: Investigación
Datos de cada modelo
Fuentes y fecha de revisión.
Mistral Large 4
Ficha revisada: 9 oct 2026.
GPT-Rosalind
Ficha revisada: 9 oct 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.