ModelRank: niveles de modelos IA para programar
Compare capacidades de programación por niveles y consulte pruebas y precios API cuando los necesite.
Niveles de capacidad de programación
Los niveles son evaluaciones editoriales. Dentro de cada nivel, los modelos se ordenan por nombre, sin jerarquía de capacidad.
DeepSeek V4 Flash 0731 = 100. El índice refleja dos pruebas compartidas, no múltiplos de capacidad ni diferencias estadísticamente demostradas.
| Nivel de programación | Modelo | Coding IndexDiferencia respecto a la base | Evidencia | Precio (1M tokens) | Contexto | Detalles |
|---|---|---|---|---|---|---|
| S+Candidato al nivel superior · 1 | ||||||
| S+ | Claude Fable 5.1 anthropic | 120.65 +20.65 | Fuentes contrastadas | 1.000.000 | Detalles → | |
| SGrupo de vanguardia · 5 | ||||||
| S | Claude Fable 5 anthropic | 114.18 +14.18 | Fuentes contrastadas | 1.000.000 | Detalles → | |
| S | Kimi K3 moonshotai | 113.02 +13.02 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| S | Claude Opus 5 anthropic | 112.64 +12.64 | Fuentes contrastadas | 1.000.000 | Detalles → | |
| S | GPT-5.6 Sol openai | 112.62 +12.62 | Fuentes contrastadas | 1.050.000 | Detalles → | |
| S | GPT-6 Astra openai | 112.28 +12.28 | Fuentes contrastadas | 1.050.000 | Detalles → | |
| A+Cercanos a la vanguardia · 9 | ||||||
| A+ | Gemini 3.8 Flash google | 111.92 +11.92 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| A+ | GLM-5.3 z-ai | 111.83 +11.83 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| A+ | Gemini 3.7 Flash google | 111.28 +11.28 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| A+ | GPT-5.6 Terra openai | 110.54 +10.54 | Fuentes contrastadas | 1.050.000 | Detalles → | |
| A+ | Grok 4.6 x-ai | 108.55 +8.55 | Fuentes contrastadas | 500.000 | Detalles → | |
| A+ | Claude Opus 4.8 anthropic | 107.83 +7.83 | Fuentes contrastadas | 1.000.000 | Detalles → | |
| A+ | Grok 4.5 x-ai | 106.47 +6.47 | Fuentes contrastadas | 500.000 | Detalles → | |
| A+? | DeepSeek V4.1 Flash deepseek | — | Provisional · pendiente de verificar | 1.048.576 | Detalles → | |
| A+? | Qwen3.8 Max 0902 qwen | — | Provisional · pendiente de verificar | 1.000.000 | Detalles → | |
| ACapacidad elevada · 4 | ||||||
| A | Claude Sonnet 5 anthropic | 105.06 +5.06 | Fuentes contrastadas | 1.000.000 | Detalles → | |
| A | Qwen3.8-Next-Flash qwen | 104.89 +4.89 | Fuentes contrastadas | 1.000.000 | Detalles → | |
| A | GLM-5.3-Flash z-ai | 104.81 +4.81 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| A | GPT-5.6 Luna openai | 104.63 +4.63 | Fuentes contrastadas | 1.050.000 | Detalles → | |
| B+Referencias consolidadas · 3 | ||||||
| B+ | DeepSeek V4 Pro 0813 deepseek | 100.69 +0.69 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| B+ | GLM-5.2 z-ai | 100.32 +0.32 | Fuentes contrastadas | 1.048.576 | Detalles → | |
| B+ | DeepSeek V4 Flash 0731 deepseek Base de referencia = 100 | 100.00 0.00 | Fuentes contrastadas | 1.310.720 | Detalles → | |
| BOtros candidatos capaces · 2 | ||||||
| B | MiMo V2.5 Pro xiaomi | 91.23 -8.77 | Mediciones de una fuente | 1.050.000 | Detalles → | |
| B | HY3 tencent | 88.93 -11.07 | Mediciones de una fuente | 262.144 | Detalles → | |
| B-Más básicos dentro de esta selección · 1 | ||||||
| B- | MiMo V2.5 xiaomi | 83.98 -16.02 | Mediciones de una fuente | 1.050.000 | Detalles → | |
No hay modelos coincidentes.
Los resultados corresponden a configuraciones concretas. Agentes, razonamiento, herramientas, presupuestos y tareas pueden variar. Índices cercanos no prueban superioridad. B indica una posición relativa entre estos candidatos, no incapacidad para programar.
Evaluación comparable pendiente (20)
Los modelos pendientes de evaluación permanecen en el catálogo. No tener nivel no implica menor capacidad.
Comparar modelos actuales
USD / API
Estimación de coste API
Coste estimado de tokens
Estimación según canal y franja indicados; DeepSeek usa tarifas punta. No incluye descuentos de caché, herramientas, tramos de contexto largo ni tokens adicionales no contabilizados.
Método y fuentes
Solo se evalúa evidencia de programación. Las notas desplegables conservan mediciones, configuraciones conocidas y fechas; los precios son información de compra separada.
ModelRank asigna niveles editoriales según evidencia pública de programación. No son umbrales automáticos del índice ni categorías demostradas estadísticamente. Precio, velocidad, contexto y patrocinio no influyen.
Se muestran las configuraciones conocidas con sus fuentes. Fechas de evaluación, presupuestos, muestras e incertidumbre no publicados permanecen desconocidos. Una publicación reciente no descarta contaminación.
Coding Index = 100 × media geométrica de las razones modelo/base en AA Terminal-Bench 2.1 y SciCode, con igual peso. Base fija e índices enteros. LiveBench y Terminal-Bench 4.0 sirven de comprobación adicional; su cobertura común incompleta los excluye del índice.
100 × √[(TB / TB₀) × (SciCode / SciCode₀)]
Los resultados corresponden a configuraciones concretas. Agentes, razonamiento, herramientas, presupuestos y tareas pueden variar. Índices cercanos no prueban superioridad. B indica una posición relativa entre estos candidatos, no incapacidad para programar.
ModelRank asigna niveles editoriales según evidencia pública de programación. No son umbrales automáticos del índice ni categorías demostradas estadísticamente. Precio, velocidad, contexto y patrocinio no influyen.
Qwen3.8 Max 0902 tiene nivel A+ provisional, pendiente de revisar la fuente original, sin puesto numérico ni índice comparable. Una transcripción del índice AA no es verificación independiente.
DeepSeek V4.1 Flash recibe A+ provisional por criterio editorial, con baja confianza. Las primeras opiniones son mixtas; la comparación concreta de programación es con GLM-5.3 Flash, no con GLM-5.3. No hay un índice independiente comparable.
Preferimos tareas recogidas tras fijar la versión del modelo o conjuntos privados bien gestionados. Un nombre nuevo o una descarga reciente no demuestra que las tareas sean nuevas. Revisamos fuentes originales, muestras y configuración. Las fechas desconocidas se indican como tales. La novedad no garantiza ausencia de contaminación.