Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @arena→ original

Un modelo de programación que superó al líder de abril se abarató 20 veces para octubre

El mejor modelo para escribir código en abril, Claude Opus 4.7, perdió su ventaja para octubre: lo superó Xiaomi MiMo-V2.6-Flash, que cuesta menos de una veintava parte del precio de Claude. Así lo indica el análisis de la plataforma Arena, donde las personas comparan a ciegas las respuestas de los modelos en tareas de desarrollo web. En respuestas de entre 5 centavos y 1 dólar, el mejor modelo de octubre ganó al líder de abril de ese mismo rango de precio en el 65–80% de las comparaciones. Por eso conviene revisar la elección de un modelo para programar cada par de meses.

Procesado por IA desde X: @arena; editado por Hamidun News
Un modelo de programación que superó al líder de abril se abarató 20 veces para octubre
Fuente: X: @arena. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @arena ↗
Editor jefe
Dato clave #1Se analizaron 105 modelos de 24 laboratorios y 44 clasificaciones semanales
Dato clave #2De julio a octubre entraban en el ranking entre 12 y 14 modelos al mes; en invierno, unos 5
Dato clave #3De mayo a octubre, la mejor puntuación creció tres veces más rápido que en invierno

Imagine que en primavera eligió el modelo más potente para generar código, lo conectó a su producto y se olvidó del asunto. Lo más probable es que ahora esté pagando decenas de veces más de lo necesario. El equipo de Arena, una plataforma donde los usuarios comparan a ciegas las respuestas de redes neuronales, publicó un análisis de su clasificación Code Arena: WebDev. Muestra que, para superar al mejor modelo de abril, en octubre bastaban respuestas que cuestan aproximadamente 20 veces menos.

¿Qué se analizó exactamente?

Arena tomó todos los modelos que aparecieron en la clasificación Code Arena: WebDev desde diciembre de 2025 hasta el 23 de octubre de 2026. Resultaron 105 modelos de 24 laboratorios y 44 tablas de clasificación semanales. Por separado, los autores calcularon cuánto costaba cada respuesta en el periodo de abril a octubre.

Así funciona la clasificación. Al usuario se le muestran dos respuestas a una misma tarea de desarrollo web, por ejemplo, crear una página o corregir una interfaz. Elige la mejor sin saber qué modelo escribió cada una. Con esas elecciones en pareja se acumulan los puntos. Por tanto, «ganar» aquí significa una cosa simple: en la comparación directa, la persona eligió con más frecuencia la respuesta de ese modelo. No es una prueba de laboratorio con un conjunto fijo de tareas, sino un reflejo de las preferencias humanas.

Los lanzamientos llegaron casi a diario

En invierno, la plataforma recibía alrededor de cinco modelos nuevos al mes. De julio a octubre se llegaron a 12–14 al mes, es decir, aparecía un modelo nuevo casi cada dos días. El listón máximo también sube más rápido: de mayo a octubre, la mejor puntuación de la tabla creció tres veces más rápido que en invierno.

Ejemplo de la densidad de lanzamientos: el 19 de octubre de 2026, Code Arena recibió a la vez Muse Wonder Full de Meta, M3.1-Flash de MiniMax y Nemotron 3.5 Super de NVIDIA. Cuatro días después se sumó Kimi K3.1 Pro de Moonshot. Cuatro modelos destacados de cuatro compañías cupieron en una semana.

Qué significa para el precio

El caso más revelador: Xiaomi MiMo-V2.6-Flash sumó en octubre más puntos que Claude Opus 4.7, el mejor modelo de abril, y costaba menos de una veintava parte de su precio. No es un caso aislado. Arena dividió las respuestas por grupos de precio. Para respuestas de entre 5 centavos y 1 dólar, el mejor modelo de octubre, según la estimación de los autores, ganó al mejor modelo de abril de ese mismo rango en el 65–80% de las comparaciones.

El beneficio es doble. Puede obtener un modelo del nivel del líder de abril por una fracción de su coste. O puede pagar la misma cantidad de antes y obtener un resultado notablemente más sólido. Si tiene miles de peticiones al día, una diferencia de 20 veces se convierte en un ahorro real en la factura de la API.

Limitaciones y conclusión práctica

Hay varias salvedades. En primer lugar, se trata de un análisis propio de Arena en su propia plataforma, y el coste por respuesta es una estimación: el gasto real depende de la longitud de la respuesta, de la tarifa y de la forma de conexión. En segundo lugar, la clasificación WebDev refleja tareas web. Para backend, código de bajo nivel o escenarios agénticos largos, el resultado puede ser distinto. En tercer lugar, una puntuación alta en una tabla pública no garantiza que el modelo encaje con su base de código y su stack.

La conclusión práctica es sencilla. No fije un modelo en producción durante medio año. Reúna un pequeño conjunto de tareas propias con el que pueda evaluar rápidamente a nuevos candidatos, y cada par de meses páselo por los modelos baratos más recientes. No ate la arquitectura a un solo proveedor: si el modelo es fácil de reemplazar, podrá aprovechar la siguiente bajada de precios sin reescribir el sistema. Y al planificar el presupuesto para el desarrollo con IA, cuente con que el precio de un mismo nivel de calidad seguirá bajando, y más rápido que antes.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se analizó exactamente?

Arena tomó todos los modelos que aparecieron en la clasificación Code Arena: WebDev desde diciembre de 2025 hasta el 23 de octubre de 2026. Resultaron 105 modelos de 24 laboratorios y 44 tablas de clasificación semanales. Por separado, los autores calcularon cuánto costaba cada respuesta en el periodo de abril a octubre. Así funciona la clasificación. Al usuario se le muestran dos respuestas a una misma tarea de desarrollo web, por ejemplo, crear una página o corregir una interfaz.

¿Qué se sabe sobre Los lanzamientos llegaron casi a diario?

En invierno, la plataforma recibía alrededor de cinco modelos nuevos al mes. De julio a octubre se llegaron a 12–14 al mes, es decir, aparecía un modelo nuevo casi cada dos días. El listón máximo también sube más rápido: de mayo a octubre, la mejor puntuación de la tabla creció tres veces más rápido que en invierno. Ejemplo de la densidad de lanzamientos: el 19 de octubre de 2026, Code Arena recibió a la vez Muse Wonder Full de Meta, M3.1-Flash de MiniMax y Nemotron 3.5 Super de NVIDIA.

¿Qué se sabe sobre Qué significa para el precio?

El caso más revelador: Xiaomi MiMo-V2.6-Flash sumó en octubre más puntos que Claude Opus 4.7, el mejor modelo de abril, y costaba menos de una veintava parte de su precio. No es un caso aislado. Arena dividió las respuestas por grupos de precio. Para respuestas de entre 5 centavos y 1 dólar, el mejor modelo de octubre, según la estimación de los autores, ganó al mejor modelo de abril de ese mismo rango en el 65–80% de las comparaciones. El beneficio es doble.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…