Muestra de tareas
Qué debe resolver un modelo.
Los casos se preparan con datos permitidos, una instrucción estable y un criterio de aceptación que pueda comprobar otra persona.
- Depuración y explicación de errores
- Pruebas, documentación y refactorización
- Tareas de repositorio con pasos definidos
Lote inicial · octubre 2026
Modelos que conviene incluir en la primera pasada.
Son candidatos por adecuación declarada, canal de acceso y tarifa, no posiciones de un ranking. Ejecuta el mismo lote sobre todos los que estén disponibles en tu entorno y conserva el resultado completo.
Meta
Muse Wonder
Modelo de frontera de Meta para tareas agénticas personales y profesionales, con memoria activa y capacidad de mantener el foco en trabajos largos.
Anthropic
Claude Sonnet 5.5
Modelo de Anthropic que combina velocidad e inteligencia para programación, agentes y trabajo profesional cotidiano, con razonamiento adaptativo.
OpenAI
GPT-6.1 Sol
Modelo de OpenAI cercano a GPT-6 Astra en tareas complejas, con un coste menor para programación, computer use y trabajo profesional.
Alibaba Cloud
Qwen3-Coder 480B A35B Instruct
Modelo MoE de Qwen para programación agéntica, uso de herramientas y tareas de repositorio con pesos abiertos.
DeepSeek
DeepSeek V4.1 Flash
Nueva generación Flash de DeepSeek con entrada nativa de texto e imagen, modos thinking y non-thinking y una tarifa orientada a cargas de alto volumen.
Dificultad
Tres niveles para no mezclar trabajos distintos.
Básica
Una tarea concreta, datos completos y una salida con formato verificable.
Intermedia
Varias restricciones, contexto de trabajo y comprobación de consistencia.
Avanzada
Varios pasos, información incompleta controlada, coste y éxito medibles.
Matriz de evaluación
Cómo se decide si una respuesta sirve.
- Resultados en benchmarks de código comparables
- Ventana de contexto y salida estructurada
- Coste por tarea y latencia en el flujo real
Además del criterio principal, cada ejecución conserva el modelo y versión exactos, configuración, tokens, coste, latencia, error y revisión necesaria.
Publicación
Cuándo aparecerá un resultado.
Solo se publicará una puntuación cuando la muestra, el prompt, la configuración, la fecha y el criterio de éxito estén disponibles. Hasta entonces esta página es un protocolo, no un ranking encubierto.
Límites del sector
Qué no automatizar sin control.
- No ejecutes código generado sin revisarlo
- No expongas secretos ni repositorios sensibles
- Mide con tareas representativas de tu stack