Qué m*ldito modelo uso

2 benchmarks · 121 variantes puntuadas · hace 16 h

qué modelos

Solo GPT Solo Claude Solo Gemini Solo Grok Solo Open Weight

cuánto gastar por tarea

hasta $1 hasta $3 hasta $8 sin tope

filtrar modelos

Desmarca los que no puedes usar, o los que no quieres, para sacarlos de las tres respuestas y del gráfico.

más ajustes · 1 cambiado

evidencia mínima para ser respuesta

al menos 2 benchmarks al menos 1 benchmark

Casi todo lo open weight lo ha medido un solo benchmark. Bajar el mínimo a uno los deja competir, con el precio de que su nota sale de una única medición, la del benchmark que les tocó: entran marcados como confianza baja.

CursorBench 4.0

cuenta no cuenta

CursorBench ya no puede medir los modelos de OpenAI, así que pon «no cuenta» si quieres evitar ese sesgo.

Puntúa con DeepSWE v1.1 y Terminal-Bench 4.0 · Solo GPT

quitar filtros

respuestamodelocalidad$/tareaLo que costó resolver las tareas de los benchmarks, con las tres fuentes puestas en la misma escala. Sirve para comparar modelos entre sí; no es lo que vas a pagar tú, que depende de tu repo, de tu prompt y de tu harness.

01 barato
bajo riesgo

GPT-6 Astralow

2× más barato que el líder, con el 87% de su calidad.

80/100$2.55/tarea

02 día a día
recomendado

GPT-6 Astralowtambién es el barato

Hoy el barato es también el que dejarías puesto: nada en medio compensa.

›3 alternativas