Tema
#Modelos
20 artículos sobre este tema. Vuelve al índice del blog para verlos todos.
El modelo de voz barato de ElevenLabs suena mejor que el caro y resuelve 60,3 % de las tareas
ElevenLabs lanzó Eleven Realtime el 20 de octubre. El modelo barato gana en turnos de habla y el caro completa 87,1 % de las tareas con herramientas frente a 60,3 %.
DeepSeek vende búsqueda web a 0,75 dólares por mil llamadas, y OpenAI y Anthropic la cobran a 10
DeepSeek abrió su buscador el 17 de octubre a 0,75 dólares por mil llamadas con éxito. La unidad de la factura deja de ser el token, y hay una fecha en el calendario.
Beam publica la misma prueba en tres precisiones: la descarga de 280 GB gana en cuatro de veintitrés
Reflection midió las 23 pruebas de Beam en BF16, FP8 y NVFP4. La versión pequeña pierde 1,7 puntos en Terminal Bench y gana 2,1 en SWE Bench Pro v2-Hard.
Jev acierta 56 de 60 conversaciones, y sus cuatro errores caen donde él mismo dijo que dudaba
60 conversaciones de cobranza etiquetadas a mano, contra reglas de palabras y contra Jev: 42 frente a 56. Los cuatro fallos están entre los seis casos que el modelo marcó dudosos.
El tope de salida de Gemini 4 Argon es un millón de tokens, pero en una petición normal sigue siendo 64.000
El tope de salida de Argon pasó de 64.000 a 1.048.576 tokens, pero solo en peticiones en segundo plano: en una síncrona, pedir más de 65.536 devuelve un error 400.
Meta deja su modelo de 56 puntos fuera de la API: Muse Wonder Full solo se arrienda por suscripción
Meta lanzó dos modelos el 12 de octubre y solo vende el menor por token. Qué cuesta el que sí se puede integrar y por qué el índice no le calcula coste al otro.
Claude Haiku 5.5 cobra 10 centavos el millón, y el agente que mira la pantalla cruza su umbral
Haiku 5.5 cuesta 0,10 dólares el millón hasta 100.000 tokens de prompt y cinco veces más pasado ese punto. Un agente que mira la pantalla llega ahí en unas 60 capturas.
Mistral abre los pesos de un modelo de un billón de parámetros y no dice bajo qué licencia
Mistral Large 4 entró en preview el 6 de octubre y promete pesos el 27. En la tabla del propio Mistral, su casilla de licencia dice «Open» y no dice cuál.
Microsoft pone precio a las tres piezas de un agente de voz, y oír en vivo cuesta cinco veces más
Microsoft lanzó transcripción en vivo a 0,54 dólares la hora y la versión por lotes cuesta 0,10. Las tres piezas de un agente de voz, convertidas a pesos por minuto.
Cloudflare y AWS abren sus modelos de decisión: corren en tu hardware y el tablero se mueve solo
Cloudflare y AWS publicaron sus modelos de decisión con licencia Apache 2.0 el 1 de octubre. El propio repositorio de AWS mide cuánto de su puesto en el tablero es ruido.
La Decisions API de OpenAI cierra el espacio de respuestas: eso arregla el parseo, no el juicio
OpenAI la anunció el 29 de septiembre y no está en el registro de cambios ni en la tabla de precios. Lo que hay que exigirle: un número de confianza.
Le pusimos a Jev de portero de un agente de código: la lista de patrones dejó pasar nueve destructivos
94 comandos etiquetados a mano y medidos contra la API de Jev. El mismo «rm -rf build/» cambia de veredicto según dónde se ejecuta, y una regla de texto no puede verlo.
Claude Sonnet 5.5 cuesta lo mismo por token que GPT-6 Sol y siete veces más por tarea
Anthropic publicó Sonnet 5.5 el 28 de septiembre sin mover el precio: 2 y 10 dólares. En el índice de Artificial Analysis la tarea sale a 7,60 y con GPT-6 Sol a 1,05.
Laya le gana a Jev en los titulares, y los dos bancos que corrieron los dos modelos dicen lo contrario
El 0,766 contra 0,727 sale de la tarjeta de Laya, que avisa que nunca midió a Jev. Los dos bancos que corrieron ambos ponen a Jev adelante.
GPT-6 recortó el precio a la mitad, pero pasar de 272.000 tokens lo vuelve a duplicar
OpenAI bajó 50% el precio de su API el 22 de septiembre. Un token por encima de 272.000 reprecia la petición entera, y Gemini 3.8 Flash sube en enero.
Qwen3.8-Omni-Flash escucha audio por menos que Gemini 3.8 Flash, pero en español la ventaja cambia de lado
Con diagrama: Qwen3.8-Omni-Flash cobra un quinto que Gemini 3.8 Flash por token, pero su ventaja en audio sale de pruebas en mandarín. Qué medir antes de elegir en español.
El mismo agente de código puede costar el doble según el arnés: lo que midieron UC Berkeley y Arena
UC Berkeley y Arena probaron siete modelos en Claude Code, Codex y Pi. El acierto casi no cambia y el coste por tarea llega a duplicarse. Tabla y cuenta en pesos.
GPT-Live-1 cobra 0,05 dólares el minuto de voz: lo que cuesta de verdad frente a Gemini y Grok
OpenAI abrió GPT-Live-1 a 0,05 dólares el minuto. Tabla con Google y xAI: coste medido por hora en pesos, casos de atención resueltos y español documentado.
Sakana Fugu Max reparte tu tarea entre modelos de otros: qué revisar antes de conectarlo
Con diagrama: Sakana lanzó Fugu Max y Fugu Ultra v2, que reparten cada tarea entre modelos de otros laboratorios. Precios, y la lista que no publica.
DeepSeek V4.1 Flash cuesta la mitad en horario colombiano: lo que hay que revisar antes de usarlo
DeepSeek lanzó V4.1 Flash con pesos abiertos y una tarifa de valle que coincide con la jornada colombiana. Tabla frente a Google, OpenAI y Anthropic, y qué revisar.