Ranking calidad-coste de OpenDesign: 17 modelos, ningún ganador único

Desplegué ante mí la tabla de 17 filas: GPT-6.1 Sol 90,1 arriba, GPT-6 Sol 89,9 justo detrás, Claude Sonnet 5.5 tercero con 86,8. La prueba es una arena de diseño: cada modelo entrega una pieza de vitrina terminada y el jurado califica el resultado. El coste figura en la misma tabla: $0,382 y $0,297 para los hermanos Sol, $0,574 para Sonnet. Estas tres primeras filas vienen de los registros open-design.ai, donde cada modelo muestra su puntaje junto a su coste estimado por artefacto.

La historia del dúo líder se remonta a fines de septiembre: GPT-6.1 Sol relevó a GPT-6 Sol en el escenario DevDay del 29 de septiembre, listado a $2 la entrada y $10 la salida, un quinto del precio del insignia Astra. El análisis venturebeat.com traza la misma línea: codificación agéntica y uso de computadora de clase Astra, tramo Ultrafast hasta 300 tokens/s. La tabla me parece honesta aquí: 0,2 puntos de brecha en esta vitrina de IA cuestan 29 % más. En el lado benchmark , la familia Sol se mide alrededor de 48 en el Intelligence Index, cerca de 100 tokens/s.

El campo Sonnet 5.5 llegó el 28 de septiembre: $2 la entrada, $10 la salida, lecturas de caché a mitad de precio a $0,10. La medición artificialanalysis.ai sitúa a Sonnet 5.5 en 56 del Intelligence Index, dos puntos detrás del insignia Opus 5.5, y anota 70,6 % en Terminal Bench 4.0 por delante de Opus. Para este modelo , con 86,8 en la arena de diseño, la factura por artefacto marca $0,574. Mi lectura: para un equipo que se queda bajo un mismo techo, Sonnet es el puerto seguro y la factura sigue previsible. El recorte de caché aligera las cargas de agentes cerca de 20 %.

La cima es cara, el medio es listo

Las filas del medio son el tramo más sabroso de la tabla: MiMo 2.6 Flash con 83,5 por $0,029, GPT-6 Luna con 83,1 por $0,016, Grok 4.7 con 82,9 por $0,662. La página comparativa openrouter.ai expone la brecha estructural: Grok 4.7 se lista a $2 la entrada y $6 la salida sobre 500K de contexto, mientras MiMo Flash se lista a $0,10 la entrada y $0,28 la salida sobre 1,05M de contexto. O sea, una misma franja de benchmark con más de 20 veces de brecha de precio. Para pruebas de vitrina yo probaría el MiMo abierto o Luna, no Grok. El gasto en tokens decide aquí.

La fila marcada con la flecha en la imagen es Claude Haiku 5.5: 82,2 puntos, $0,018. El anuncio anthropic.com lleva fecha del 7 de octubre: $0,10 la entrada y $0,50 la salida hasta 100K tokens, ambas líneas se quintuplican por encima, contexto 1M. El registro artificialanalysis.ai coloca a Haiku 5.5 segundo de su clase de precio a esfuerzo máximo con 43 en el Intelligence Index, a $0,21 por tarea. El examen beam.ai apunta igual: 34 puntos a esfuerzo medio por $0,05, un papel a medida para tareas de sub agentes . A mi juicio esta fila es la estrella de la tabla: 4,6 puntos bajo Sonnet por un treintavo de la factura. Esa proporción es rara al elegir un LLM .

La fila Astra rompe el patrón: 82,7 puntos, $1,61. El modelo insignia, listado a $10 la entrada y $50 la salida, queda aquí 0,4 detrás de Luna al 100 veces de factura. La fila Fable 5.1 impacta aún más: 80,3 puntos a $3,66, la celda más cara de la tabla. Los registros artificialanalysis.ai muestran a Fable a $10 la entrada y $50 la salida por $2,37 a $3,76 por tarea del Intelligence Index. Mi veredicto es seco: la potencia IA general quizá sea alta, pero en esta arena queda lejos de la línea precio-rendimiento. Miro facturas de trabajos terminados, no precios de lista, para elegir un modelo .

El ala cara y las filas bajas

El pasillo Flash continúa: DeepSeek V4.1 Flash con 81,2 por $0,023, GLM-5.3 Flash-X con 80,1 por $0,098. La comparación yottalabs.ai da la trastienda: DeepSeek con 552B parámetros en una banda de $0,044 la entrada y $0,30 la salida, GLM en una banda de $0,036 la entrada y $0,50 la salida. Los precios en vivo openrouter.ai confirman. Estas dos filas son mi reserva del dúo Haiku-Luna: si uno se atasca, el otro releva. La brecha de benchmark es 1,1 puntos, la de factura 4 veces; aquí también la elección lista vence a la cara. El coste de lectura de caché gobierna el bucle de agentes .

Un peldaño más abajo están GPT-5.6 Sol con 77,6 por $0,544, Hunyuan H4 Preview con 74,6 por $0,418, Qwen 3.8-Max con 72,0 por $0,595. La página open-design.ai entrega su insignia de mejor valor a Luna: 92 % del puntaje máximo por 4 % del coste máximo. Esa proporción sostiene la tesis que defiendo desde el inicio: un modelo de 5 a 13 puntos por detrás cuesta 30 a 40 veces menos. Qwen, listado a $2 la entrada y $6 la salida, queda caro en esta arena. Pagar por token y pagar por trabajo terminado son cosas distintas; la tabla lo enseña.

Las tres últimas filas cierran la tabla: Gemini 3.8 Flash 68,9 a $0,210, Muse Spark 1.3 66,6 a $0,267, Kimi K3 65,7 a $0,614. La brecha con la cima va de 21 a 24 puntos, con facturas de 13 a 38 veces Luna. Leo estas filas como aviso, no como rechazo: nombres que brillan en los rankings LLM generales pueden palidecer en una vitrina de diseño. Cuando cambia el tipo de tarea, el orden del benchmark también cambia. Cada modelo no encaja en cada vitrina.

Mi lógica de elección

Mi regla cabe en tres líneas: pruebo Luna o Haiku 5.5 en tareas cortas verificables, me quedo con Luna más allá de 100K tokens, y llevo Sol o Sonnet a la final de vitrina. El patrón de enrutado del examen beam.ai dice lo mismo: el modelo barato intenta, un juez verifica, el trabajo atascado escala al grande. Lo que la tabla open-design.ai me enseñó: los clientes rara vez ven la brecha entre 90 y 83 puntos, pero cada mes ven la brecha de factura de 24 veces. La destreza en gasto IA es elegir el tramo correcto, no el puntaje máximo.