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.
- Borradores de ofertas y comunicaciones internas
- Resúmenes de políticas y entrevistas con revisión
- Materiales de onboarding y formación
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.
OpenAI
GPT-6 Luna
Variante eficiente de GPT-6 para automatizaciones, extracción y cargas de alto volumen en las que el coste por tarea importa tanto como la calidad.
Anthropic
Claude Sonnet 5.5
Modelo de Anthropic que combina velocidad e inteligencia para programación, agentes y trabajo profesional cotidiano, con razonamiento adaptativo.
Gemini 3.8 Flash
Modelo estable de Google para programación, agentes y entradas multimodales. El precio del catálogo refleja la tarifa introductoria anunciada para 2026 y se revisará cuando cambie.
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.
- Privacidad y minimización de datos
- Controles de acceso y trazabilidad
- Calidad de idioma y consistencia
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 puntúes ni descartes candidatos automáticamente
- Evita datos sensibles y sesgos
- Mantén supervisión humana en toda decisión laboral