Un año después, Qwen3 mantiene el trono en precio/calidad en nuestro test de modelos

Reuní cuatro modelos de lenguaje en un mismo lote para comprobar si la pequeña Gemma superó realmente a la grande en las pruebas entre sesiones. Los resultados fueron mucho más interesantes de lo esperado.

Cara a cara: las dos Gemma no se separaron

En un cara a cara justo, el sorprendente resultado de la prueba entre sesiones se desvaneció: ambas Gemma quedaron igualadas, sin diferencia. Pero eso fue solo el principio. DeepSeek V4 Flash, que yo había valorado en 83 puntos, obtuvo esta vez 89, exactamente 6 puntos más. El modelo estaba infravalorado, y ese fue el hallazgo principal del lote.

Sobrevalorar un modelo puede llevar a infravalorar toda la jerarquía. Por eso los cara a cara justos en un mismo contexto siguen siendo la referencia.

Qwen mantiene el trono desde hace un año

Qwen3-235B-A22B-2507 (lanzado el 21 de julio de 2025) volvió a ocupar el primer puesto en precio/calidad. Era el checkpoint de julio, de hace casi exactamente un año. Y sigue sin ser desplazado por sus competidores.

En este año pasaron muchas cosas. Gemini saltó de 57 a 97 puntos, una mejora de 40. Volví a probar DeepSeek tres veces, cada una con resultados nuevos. Aparecieron nuevos aspirantes. ¿Y Qwen? Simplemente mantiene el trono.

• Gemini: +40 puntos en un año
• DeepSeek V4 Flash: infravalorado en 6 puntos
• Qwen3: sigue siendo el mejor en precio/calidad
• MiniMax: recibió mucho bombo; sólido en las pruebas, pero no revolucionario
• Ocho modelos nuevos de junio: no movieron al líder

Nuevos criterios y el bombo de MiniMax

La actualización del ranking añade un criterio nuevo: la velocidad de generación. Resulta que rapidez y calidad no siempre van de la mano. Un modelo puede ser rápido pero más lento aprendiendo con los datos actuales, o al revés.

MiniMax merece mención aparte. Es cierto que todos lo elogian y que en capacidades se acerca a Opus. Pero a su alrededor hubo una promoción muy activa. En una prueba justa muestra resultados dignos de atención, aunque no tan revolucionarios como para reescribir la jerarquía.

Qué significa

Si eliges entre calidad y precio, Qwen3-235B sigue siendo la mejor opción para la mayoría de las tareas. Los demás modelos están más especializados: Gemini para multimodalidad, DeepSeek para experimentar, MiniMax para quienes estén dispuestos a pagar más.