Caso de uso dato provisional
Mejores modelos de IA para código: comparación con benchmarks
Corregir bugs reales y escribir código que pasa las pruebas. SWE-bench Verified es la regla más usada, pero la configuración del agente cambia mucho el resultado.
Respuesta directa: En SWE-bench Verified, la mayor nota entre los modelos de esta página es de Claude Opus 4.7, con 83,5%, según Epoch AI.
Cómo leer esta tabla
- Cada fila es un modelo. Haz clicToca en el nombre para abrir la ficha, con fuentes e historial. Haz clicToca en el encabezado para ordenar.
- Las notas de benchmark son porcentajes, y el valor más alto es el mejor. Yo comparo siempre la misma métrica, con la misma fuente, en la última versión consultada. En esta área, en la franja de 90% a 100%, trato una diferencia de 1 o 2 puntos como posible ruido de medición.
- El "?" junto a cada columna explica qué mide y cuándo importa. "Sin dato" quiere decir que no hay medición en las fuentes abiertas que usa esta área. "Dato provisional" marca un campo derivado por una regla, como el caso de uso.
- El precio de entrada y el de salida son el precio de lista en OpenRouter, en dólares por 1 millón de tokens, y los dos pueden ser muy distintos. La etiqueta "a revisar" marca un valor raro en la fuente, que no entra en las recomendaciones. El uso es la porción de tokens en el ranking público de OpenRouter, en el último día publicado por esa fuente. Las descargas son la ventana de 30 días del repositorio oficial en Hugging Face. El GPQA Diamond de Epoch y el de OpenRouter miden la misma prueba, pero pueden diferir.
| ?qué es | ? | ? | ? | ? | ? | ? | ? | ? | ? | |
|---|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7Anthropic | cerrado | US$ 5,00 | US$ 25,00 | 1.000.000 | 90,2% | 83,5% | 77,8% | 51,7% | sin dato | sin dato |
| GPT-5.5OpenAI | cerrado | US$ 5,00 | US$ 30,00 | 1.050.000 | 94% | 80,6% | 74,7% | 63% | sin dato | sin dato |
| Gemini 3.5 FlashGoogle | cerrado | US$ 1,50 | US$ 9,00 | 1.048.576 | 92,8% | 79,3% | 73% | 66,2% | sin dato | sin dato |
| GLM-5.2Zhipu AI (Z.ai) | abierto | US$ 0,007 a revisar | US$ 6,80 | 1.048.576 | 91,9% | 78,7% | 76,7% | 34,2% | 0,43% | sin dato |
| Claude Opus 4.6Anthropic | cerrado | US$ 5,00 | US$ 25,00 | 1.000.000 | 90,5% | 78,7% | 75,8% | 47% | sin dato | sin dato |
| DeepSeek V4 ProDeepSeek | abierto | US$ 0,96 | US$ 1,91 | 1.048.576 | 91,7% | 77,6% | 78,6% | 52,9% | 0,66% | sin dato |
| Qwen3.7 MaxAlibaba | cerrado | US$ 1,48 | US$ 4,42 | 1.000.000 | 90,9% | 77,3% | 72% | 55,8% | sin dato | sin dato |
| GPT-5.4OpenAI | cerrado | US$ 2,50 | US$ 15,00 | 1.050.000 | 93,3% | 76,9% | 75% | 45,1% | sin dato | sin dato |
| Kimi K2.6Moonshot AI | abierto | US$ 0,65 | US$ 3,41 | 262.144 | 90,8% | 76,7% | 74,9% | 34,9% | sin dato | sin dato |
| Claude Opus 4.5Anthropic | cerrado | US$ 5,00 | US$ 25,00 | 200.000 | 86% | 76,7% | 76,6% | 45,7% | sin dato | sin dato |
| Qwen 3.6 Max (Preview)Alibaba | no informados | sin dato | sin dato | sin dato | 87,4% | 76,7% | sin dato | 52% | sin dato | sin dato |
| Gemini 3.1 ProGoogle | cerrado | US$ 2,00 | US$ 12,00 | 1.048.576 | 94,4% | 75,6% | 77% | 73,5% | sin dato | sin dato |
| Gemini 3 FlashGoogle | cerrado | sin dato | sin dato | sin dato | 89,4% | 75,4% | sin dato | 66,8% | sin dato | sin dato |
| Claude Sonnet 4.6Anthropic | cerrado | US$ 3,00 | US$ 15,00 | 1.000.000 | 87,4% | 75,2% | 74,8% | 35,5% | sin dato | sin dato |
| GPT-5.3-CodexOpenAI | cerrado | US$ 1,75 | US$ 14,00 | 400.000 | sin dato | 74,8% | 75,3% | sin dato | sin dato | sin dato |
| GLM 5.1Zhipu AI (Z.ai) | abierto | US$ 1,40 | US$ 4,40 | 204.800 | 89,9% | 74,2% | 75,8% | 34% | sin dato | 867.145 |
| GPT-5.2OpenAI | cerrado | US$ 1,75 | US$ 14,00 | 400.000 | 91,4% | 73,8% | sin dato | 37,1% | sin dato | sin dato |
| Kimi K2.5Moonshot AI | abierto | US$ 0,53 | US$ 3,33 | 262.144 | 87,6% | 73,8% | 73,8% | 34,3% | sin dato | 393.277 |
| GPT-5OpenAI | cerrado | US$ 1,25 | US$ 10,00 | 400.000 | 86,2% | 73,6% | 70,7% | 50,1% | sin dato | sin dato |
| Claude Opus 4.1Anthropic | cerrado | US$ 15,00 | US$ 75,00 | 200.000 | 77,3% | 73,3% | sin dato | sin dato | sin dato | sin dato |
| Gemini 3 ProGoogle | cerrado | sin dato | sin dato | sin dato | 92,6% | 72,9% | sin dato | sin dato | sin dato | sin dato |
| GLM 5Zhipu AI (Z.ai) | abierto | US$ 1,00 | US$ 3,20 | 204.800 | 87,8% | 72,1% | 76,9% | sin dato | sin dato | 1.370.207 |
| Claude Sonnet 4.5Anthropic | cerrado | US$ 3,00 | US$ 15,00 | 1.000.000 | 82,3% | 71,3% | 74,9% | 30,7% | sin dato | sin dato |
| Claude Opus 4Anthropic | cerrado | sin dato | sin dato | sin dato | 76,3% | 70,7% | sin dato | sin dato | sin dato | sin dato |
| GPT-5.1OpenAI | cerrado | US$ 1,25 | US$ 10,00 | 400.000 | 87,6% | 68% | 80% | 48% | sin dato | sin dato |
| GPT-5 MiniOpenAI | cerrado | US$ 0,25 | US$ 2,00 | 400.000 | 75% | 64,7% | 72,4% | 21,6% | sin dato | sin dato |
| o3OpenAI | cerrado | US$ 2,00 | US$ 8,00 | 200.000 | 81,8% | 62,3% | sin dato | 49,4% | sin dato | sin dato |
| Claude 3.7 SonnetAnthropic | cerrado | sin dato | sin dato | sin dato | 79,7% | 61% | sin dato | sin dato | sin dato | sin dato |
| Qwen3.6 PlusAlibaba | cerrado | US$ 0,33 | US$ 1,95 | 1.000.000 | 88,4% | 57,9% | sin dato | 44,1% | sin dato | sin dato |
| Gemini 2.5 ProGoogle | cerrado | US$ 1,25 | US$ 10,00 | 1.048.576 | 85,3% | 57,6% | 60% | sin dato | sin dato | sin dato |
| GPT-4.1OpenAI | cerrado | US$ 2,00 | US$ 8,00 | 1.047.576 | 66,9% | 48,5% | 52,3% | 31,1% | sin dato | sin dato |
| GPT-4oOpenAI | cerrado | US$ 2,50 | US$ 10,00 | 128.000 | 49,2% | 31% | 43,2% | 26% | sin dato | sin dato |
| Qwen3-CoderAlibaba | abierto | US$ 0,30 | US$ 1,00 | 262.144 | sin dato | sin dato | 48% | sin dato | sin dato | 58.791 |
| Seed-2.0-CodeByteDance | no informados | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| Codestral 2508Mistral AI | no informados | US$ 0,30 | US$ 0,90 | 256.000 | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| Devstral 2 2512Mistral AI | abierto | US$ 0,40 | US$ 2,00 | 262.144 | sin dato | sin dato | sin dato | sin dato | sin dato | 6.656 |
| Kimi K2.7 CodeMoonshot AI | abierto | US$ 0,60 | US$ 3,50 | 262.144 | 87,9% | sin dato | 77,3% | 36,5% | sin dato | 91.687 |
| GPT-5.1-CodexOpenAI | no informados | US$ 1,25 | US$ 10,00 | 400.000 | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| GPT-5.1-Codex-MaxOpenAI | no informados | US$ 1,25 | US$ 10,00 | 400.000 | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| GPT-5.1-Codex-MiniOpenAI | no informados | US$ 0,25 | US$ 2,00 | 400.000 | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| GPT-5.2-CodexOpenAI | no informados | US$ 1,75 | US$ 14,00 | 400.000 | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| Qwen2.5 Coder 32B InstructAlibaba | abierto | US$ 0,66 | US$ 1,00 | 32.768 | sin dato | sin dato | sin dato | sin dato | sin dato | 547.627 |
| Qwen3 Coder 30B A3B InstructAlibaba | abierto | US$ 0,15 | US$ 0,60 | 262.144 | sin dato | sin dato | 46% | sin dato | sin dato | 1.679.625 |
| Qwen3 Coder FlashAlibaba | no informados | US$ 0,20 | US$ 0,97 | 1.000.000 | sin dato | sin dato | sin dato | sin dato | sin dato | sin dato |
| Qwen3 Coder NextAlibaba | abierto | US$ 0,12 | US$ 0,80 | 262.144 | sin dato | sin dato | 60,7% | sin dato | sin dato | 425.899 |
Qué modelo usar para qué
Esta recomendación sigue a los datos y cambia cuando ellos cambian.
Código
- Regla: Mayor nota en SWE-bench VerifiedClaude Opus 4.7 83,5%
- Regla: Mayor nota con pesos abiertos en SWE-bench VerifiedGLM-5.2 78,7%
- Regla: Más barato por 1M tokens de entrada entre los 5 con mayor nota en SWE-bench VerifiedGemini 3.5 Flash US$ 1,50
SWE-bench Verified ?
¿Qué significa esto?
Qué mide: SWE-bench Verified, en el cuadro de Epoch AI (CC BY 4.0, última versión consultada), reúne 500 problemas reales de repositorios Python en GitHub. El modelo debe generar la corrección y pasar las pruebas automatizadas. La nota es el porcentaje de tareas resueltas.
Cuándo importa: Es la regla de código que usa esta tabla. Yo la pienso como corregir un bug de verdad en el repositorio de la empresa, no como escribir una función suelta. Compara siempre con la misma configuración de agente, porque esa configuración cambia la nota.
Compara con
Fuentes
- Epoch AI, CC BY 4.0, versión más reciente consultada.
- OpenRouter Benchmarks, CC BY 4.0, versión más reciente consultada.
- OpenRouter, dados públicos da API; exports de benchmarks e rankings em CC BY 4.0, versión más reciente consultada.
- Hugging Face Hub, metadados públicos do Hub; licença de cada modelo no repositório, versión más reciente consultada.
Las fechas vienen de las fuentes: entrada en OpenRouter o creación del repositorio en Hugging Face, que pueden no coincidir con el lanzamiento oficial. Familia y versión se agruparon por regla a partir del nombre.