Comparación de capacidades de modelos de IA
Multimodal
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
SWE-bench MultimodalBenchmark de ingeniería de software multimodal
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| N.º | Modelo | Cost / TestCosto por prueba | Input costPrecio de entrada por millón de tokens | Output costPrecio de salida por millón de tokens | DurationDuración de la prueba reportada | Input / Output TokensUso reportado de tokens de entrada / salida | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 70.21 | $4.92 | $4 | $20 | 18.53 min | 3.18B / 38.08M |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 61.25 | $5.46 | $10 | $50 | 15.2 min | 2.21B / 27.94M |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.33 | $4.53 | $2 | $10 | 24.22 min | 6.21B / 67.48M |
| 4 |  Gemini 4 ArgonGemini 4 Argon | 56.04 | $11.4 | $4 | $20 | 33.63 min | 6.54B / 56.31M |
| 5 | Claude Haiku 5.5Claude Haiku 5.5 | 43.96 | $0.7 | $0.1 | $0.5 | 16.27 min | 4.64B / 62.24M |
| 6 |  GPT-6.1 SolGPT-6.1 Sol | 43.54 | $0.35 | $2 | $10 | 6.93 min | 242.14M / 8.75M |
| 7 | GPT-6 AstraGPT-6 Astra | 43.33 | $1.81 | $10 | $50 | 7.05 min | 222.91M / 7.78M |
| 8 | GPT-6 LunaGPT-6 Luna | 37.5 | $0.03 | $0.1 | $0.5 | 5.27 min | 524.11M / 13.09M |
Benchmarks de Vals.ai
Fuente: Vals.ai ↗ · Actualizado 2026-10-19
SWE-bench Multimodal · Actualizado 2026-10-16
PandaNpc Actualizado 21 oct 2026, 06:01 UTC
Fuente: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guía de columnas
- N.º
- Solo orden de visualización. El ordenamiento cambia este número; no es un ranking de capacidad publicado.
- Modelo
- El nombre del modelo evaluado y el icono de su proveedor. Un guion en una columna de puntuación significa que no hay una puntuación publicada disponible aquí, no un cero.
- Puntuación
- Evalúa tareas de ingeniería de software que requieren información visual además de código, como interpretar capturas de pantalla de una interfaz. Metodología de evaluación ↗
- Cost / Test
- Costo por prueba · USD
- Input cost
- Precio de entrada por millón de tokens · USD / 1M tokens
- Output cost
- Precio de salida por millón de tokens · USD / 1M tokens
- Duration
- Duración de la prueba reportada · s / min
- Input / Output Tokens
- Uso reportado de tokens de entrada / salida · tokens
- Vals.ai
- Los costos y los tiempos son reportados por Vals para este benchmark, no precios ni latencia universales de modelos. El costo de API estimado de CUA-bench cubre el uso de evaluación y es una estimación de límite inferior, no el costo por tarea; el tiempo por acción es un promedio, no una mediana. Un asterisco marca el comportamiento de caché de prompts del día de lanzamiento que aumentó los costos de escritura en caché. Los valores faltantes no están publicados, no son cero.