Servicios
Contáctanos

Modelos de IA

Explore los principales modelos LLM en cuanto a referencias de rendimiento, latencia y precios.

Model
Puntuación
Precio de entrada
Precio de salida
Anthropic
Anthropic
Jul/24/2026

Claude Opus 5

Puntuación86
Ventana de contexto1M
Precio de entrada ($/M)$5.00
Precio de salida ($/M)$25.00
Máx. tokens de salida128k

Rendimiento de referencia

Código abierto
Resistente
AIMultiple
Rango
Categoría
Puntos de referencia
Puntaje
3rd
AGI
ARC-AGI-1
98
2nd
AGI
ARC-AGI-2
90
1st
Coding
Frontier-Bench
44
3rd
Coding
Terminal-Bench 2.1
89
4th
Finance
FinanceReasoning
90
1st
Healthcare
BioMysteryBench
79
1st
Intelligence
ArxivMath
91
7th
Intelligence
CritPt
29
6th
Intelligence
FrontierMath
73
2nd
Intelligence
MMMU-Pro
85
7th
Legal
LegalBench
87

Análisis de costos

Costo de entrada más bajo
$5.00
De Anthropic
Costo de salida más bajo
$25.00
De Anthropic
Latencia mínima
3.83s
De Microsoft Azure

FAQ

Considere sus necesidades principales: Creación de contenido: Concéntrese en el razonamiento de la IA y las puntuaciones de memoria. Desarrollo de software: Priorice el rendimiento del código de IA. Análisis de datos: Analice las puntuaciones de texto a SQL y finanzas de IA. Automatización empresarial: Considere Agentic RAG y el rendimiento de los agentes de IA. Precisión fáctica: Enfatice las bajas tasas de alucinaciones.

Estos representan diferentes niveles de la familia GPT-5 de OpenAI: GPT-5: Modelo insignia con todas las funciones. GPT-5 Mini: Optimizado para velocidad y costo manteniendo un alto rendimiento. GPT-5 Nano: Versión ultrarrápida y ligera para aplicaciones de alto volumen.

Los sufijos de fecha indican fechas límite específicas para la capacitación o versiones de lanzamiento. Por ejemplo, "claude-3-7-sonnet-20250219" se lanzó el 19 de febrero de 2025, lo que ayuda a los usuarios a saber qué versión exacta están evaluando.

El "32b" en modelos como "exaone-4.0-32b" se refiere a 32 mil millones de parámetros. Generalmente, un mayor número de parámetros permite un mejor rendimiento, pero también requiere más recursos computacionales y, por lo tanto, su ejecución es más costosa.

Variantes mini: Optimizadas para velocidad y coste, con un rendimiento típico del 65-80% de los modelos completos. Variantes altas: Configuraciones de máximo rendimiento, a menudo con mayores requisitos computacionales.