En un período de tan solo 30 días, Anthropic, OpenAI y Google DeepMind han lanzado al mercado cuatro modelos de inteligencia artificial de frontera, redefiniendo el panorama de las capacidades de los grandes modelos de lenguaje (LLM). Claude Fable 5.1 fue el primero en llegar el 1 de septiembre, seguido de GPT-6 Astra el 3 de septiembre. Hacia finales de mes, se unieron GPT-6.1 Sol y Gemini 4 Argon, presentando un desafío a los desarrolladores y empresas para discernir cuál de estas potentes herramientas se ajusta mejor a sus necesidades específicas.

Aunque los puntajes de referencia de estos modelos a menudo se superponen, sus estructuras de precios, reglas de acceso y el coste por tarea presentan diferencias significativas que son cruciales considerar. Es importante destacar que OpenAI canceló el lanzamiento de GPT-6.1 Astra el 28 de septiembre, tras no superar pruebas internas, manteniendo a GPT-6 Astra como su modelo principal por el momento.

Especificaciones, Precios y Acceso

Al analizar las especificaciones, los precios y la disponibilidad, emerge un panorama complejo. GPT-6 Astra y Claude Fable 5.1 comparten un precio de lista de $10 por millón de tokens de entrada y $50 por millón de tokens de salida. Por otro lado, Sol y Argon se listan a una quinta parte de ese coste, aunque el precio de Argon es introductorio y se duplicará más adelante.

CaracterísticaGPT-6 AstraGPT-6.1 SolGemini 4 ArgonClaude Fable 5.1DesarrolladorOpenAIOpenAIGoogle DeepMindAnthropicLanzamiento3 de septiembre de 202629 de septiembre de 2026Anunciado el 30 de septiembre de 20261 de septiembre de 2026AccesoAPI de OpenAI, ChatGPT, CodexAPI de OpenAI, ChatGPT Work, CodexSolo programa FairwindAPI de Claude, Bedrock, Google Cloud, Microsoft FoundryEntrada / salida por 1M$10 / $50$2 / $10$2 / $10 introductorio, luego $4 / $20$10 / $50Entrada en caché por 1M$1.00$0.10$0.10 introductorio$0.25Ventana de contexto1,05M1,05MNo divulgado1MSalida máxima por respuesta128K128K1M128K

La fila de 'entrada en caché' es particularmente relevante para los agentes de IA, que frecuentemente reenvían prompts del sistema, esquemas de herramientas e historial. Aquí, el coste de lectura en caché de Astra ($1.00) es significativamente más alto que el de Fable 5.1 ($0.25) y Sol ($0.10), lo que puede influir drásticamente en el coste total para aplicaciones con uso intensivo de caché. Argon destaca por su capacidad de salida de 1 millón de tokens, superando a los otros tres modelos que se limitan a 128K tokens por respuesta.

Benchmarks: Dónde Lidera Cada Modelo

Ningún modelo domina en todos los aspectos. Gemini 4 Argon lidera en tareas de conocimiento y codificación de largo alcance. GPT-6 Astra sobresale en ingeniería de software de frontera y uso de ordenadores. Es importante notar que GPT-6.1 Sol no está incluido en la tabla de Google, pero los datos de OpenAI lo sitúan cerca de Astra en rendimiento, pero con un coste considerablemente menor.

BenchmarkLo que evalúaGemini 4 ArgonGPT-6 AstraClaude Fable 5.1DeepSWE v1.1Ingeniería de software de largo alcance77,9%74,1%67,4%Vals IndexFinanzas, codificación, trabajo legal y fiscal68,9%63,1%65,8%FrontierSWE v2Ingeniería de software de frontera55,0%65,5%56,3%OSWorld-2.0Uso de ordenadores69,2%72,6%No disponible

Datos independientes de Artificial Analysis Intelligence Index sugieren que Fable 5.1 y Argon pueden igualar o superar la 'inteligencia' de Astra en ciertos aspectos, a pesar de las diferencias en los benchmarks reportados por los propios proveedores.

Costo por Tarea: Precios de Lista Similares, Facturas Diferentes

El coste por tarea revela diferencias importantes. Claude Fable 5.1 puede costar hasta $9.18 por tarea, en contraste con los $4.72 de GPT-6 Astra, incluso con precios de lista idénticos. Esta disparidad se explica por el volumen de tokens consumidos: Fable 5.1 tiende a usar más tokens por tarea. Los modelos más económicos, Gemini 4 Argon y GPT-6.1 Sol, alteran aún más este panorama. Argon iguala el rendimiento de Astra en el Intelligence Index con un 60% menos de coste por tarea (con precios introductorios), mientras que Sol ofrece un rendimiento cercano a Astra por una fracción del coste.

Para agentes de IA que reutilizan mucho el contexto, el precio de la entrada en caché es un factor determinante. Un bucle de 100 pasos con un contexto de 200K tokens puede costar $20.00 con Astra, pero solo $5.00 con Fable 5.1 y $2.00 con Sol o Argon. Esto demuestra que la elección del modelo debe basarse en la carga de trabajo específica y no solo en el ranking general.

Elegir el Modelo Adecuado para Cada Trabajo

La selección del modelo ideal depende de la tarea específica. GPT-6.1 Sol emerge como una opción predeterminada para la mayoría de los equipos debido a su equilibrio entre rendimiento y coste. Los otros modelos justifican su precio en trabajos más especializados:

  • Agentes de codificación de alto volumen, bots de CI, revisión de PR: GPT-6.1 Sol, por su rendimiento similar a Astra a un coste significativamente menor.
  • Ingeniería de software abierta y compleja: GPT-6 Astra, liderando en FrontierSWE v2.
  • Uso de ordenadores y agentes de navegador: GPT-6 Astra, por su liderazgo en OSWorld-2.0.
  • Sesiones de codificación extensas: Claude Fable 5.1, con su alto puntaje en el índice de agentes de codificación y costes de caché competitivos.
  • Ciencia e investigación de alta dificultad: GPT-6 Astra, por su liderazgo en Terminal-Bench Science.
  • Automatización legal, financiera y de negocios: Gemini 4 Argon, destacando en Vals Index y AutomationBench.
  • Salidas únicas muy largas (refactorizaciones, informes completos): Gemini 4 Argon, por ser el único con capacidad de 1M de tokens de salida.
  • Detección y parcheo de vulnerabilidades: Gemini 4 Argon o GPT-6 Astra, empatados en CWE-bench v1.
  • Presupuesto ajustado con calidad de frontera: GPT-6.1 Sol, por su precio público más bajo.

El acceso también juega un papel crucial. Argon está actualmente limitado al programa Fairwind para ciberdefensores, y las capacidades ofensivas de seguridad de Astra están restringidas al programa Daybreak de OpenAI.