Saltar al contenido

Claude vs ChatGPT vs Gemini: los modelos más altos, comparados con datos (noviembre 2026)

Claude Fable 5.2, GPT-6.2 Astra y Gemini 4 Carbon frente a frente: benchmarks independientes, precio por tarea, en qué gana cada uno y cuál conviene según lo que vas a construir.

Alberto Guaman noviembre 19, 2026 11 min de lectura Destacado

Compartir
Claude vs ChatGPT vs Gemini: los modelos más altos, comparados con datos (noviembre 2026)
En este artículo
  1. Los contendientes
  2. Inteligencia frente a costo
  3. Benchmarks independientes, prueba por prueba
  4. Cuánto cuesta un trabajo real
  5. ¿Cuál elegir?
  6. Fuentes

Cada pocas semanas sale un modelo que “supera a todos”. En noviembre de 2026, las tres grandes empresas de IA tienen modelo nuevo en la cima: Anthropic con Claude Fable 5.2, OpenAI con GPT-6.2 Astra y Google con Gemini 4 Carbon.

En este artículo los comparamos con datos que se pueden verificar: benchmarks medidos por evaluadores independientes, precios oficiales de cada API y costo real por tarea. Al final te decimos cuál conviene según lo que vas a construir.

Nota importante: los benchmarks cambian casi cada semana. Todos los datos de este artículo son del 19 de noviembre de 2026. Si lo lees meses después, revisa las fuentes enlazadas al final.


Los contendientes

Claude Fable 5.2GPT-6.2 AstraGemini 4 Carbon
EmpresaAnthropicOpenAIGoogle
Producto de consumoClaudeChatGPTGemini
Ventana de contexto1 M de tokens1,05 M de tokens1 M de tokens
Salida máxima128 K tokens128 K tokens64 K (hasta 1 M en modo largo)
Entrada (por millón)$8$8$2 hasta el 30/11 · $4 desde el 1/12
Salida (por millón)$40$40$10 hasta el 30/11 · $20 desde el 1/12
Lectura desde caché (por millón)$0,20$0,40$0,10 · $0,20 desde el 1/12
Niveles de razonamientolow → maxlow → maxlow, medium, high

Precios estándar de cada API. GPT-6.2 Astra duplica el precio de entrada cuando el prompt pasa de 272 K tokens.

Dos aclaraciones:

  • ChatGPT, Claude y Gemini son las apps; los modelos que comparamos son los más potentes que cada empresa ofrece en su API. Qué modelo ves en la app depende del plan que pagues.
  • Cada empresa tiene además un modelo “un escalón abajo”, mucho más barato: Claude Opus 5.5 ($4 / $20), GPT-6.2 Sol ($2 / $10) y Gemini 4 Argon / Neon. Los mencionamos donde aportan.

Inteligencia frente a costo

El mejor punto de partida independiente es el Intelligence Index de Artificial Analysis: una batería de pruebas de razonamiento, conocimiento, código y agentes que corren ellos mismos con cada modelo, con su configuración más alta. También miden cuánto cuesta en dólares completar una tarea, que es más justo que comparar el precio por token, porque cada modelo “piensa” una cantidad distinta de tokens.

Índice de inteligencia frente a costo por tarea Claude Fable 5.2 en max: índice 65 a 26,54 dólares por tarea. Claude Fable 5.2 en high: 62 a 9,08. GPT-6.2 Astra en max: 62 a 4,00. Gemini 4 Carbon en high: 60 a 7,76. Claude Opus 5.5 en max: 59 a 10,04. 5055606570 $0$10$20$30 Costo por tarea del índice (USD) → Intelligence Index → Fable 5.2 (max) · 65 · $26,54Fable 5.2 (high) · 62 · $9,08GPT-6.2 Astra · 62 · $4,00Gemini 4 Carbon · 60 · $7,76Opus 5.5 · 59 · $10,04
Más arriba es más inteligente; más a la izquierda, más barato. Artificial Analysis Intelligence Index v5.0.1 con la configuración más alta de cada modelo (Gemini 4 Carbon en high, su nivel máximo). Consultado el 19/11/2026.

Qué nos dice la gráfica:

  • Claude Fable 5.2 en modo max es el más inteligente (65 puntos), pero también el más caro por tarea: $26,54, más de 6 veces lo que cuesta GPT-6.2 Astra.
  • Fable 5.2 en high empata con GPT-6.2 Astra (62 puntos), pero cuesta más del doble por tarea ($9,08 frente a $4,00).
  • GPT-6.2 Astra tiene la mejor relación inteligencia/precio de los tres modelos de cima.
  • Gemini 4 Carbon queda a 2 puntos de Astra, con un costo intermedio. Ojo: ese costo se midió con el precio de lanzamiento, que se duplica el 1 de diciembre.

Benchmarks independientes, prueba por prueba

Las empresas publican sus propios resultados, pero suelen elegir las pruebas y configuraciones que más las favorecen. Aquí solo usamos mediciones de terceros: Vals AI y ARC Prize.

Resultados en cuatro benchmarks independientes Vals Index: Fable 71,3; Carbon 70,5; Astra 65,0. Terminal-Bench 4.0: Fable 65,2; Carbon 63,1; Astra 59,6. ARC-AGI-3: Fable 81,2; Carbon 65,1; Astra 62,7. Tax Agent Bench: Fable 32,1; Carbon 51,8; Astra 20,7. 0255075100 71,370,565,065,263,159,681,265,162,732,151,820,7 Vals IndexTerminal-Bench 4.0ARC-AGI-3Tax Agent Bench Claude Fable 5.2Gemini 4 CarbonGPT-6 Astra
Porcentaje de aciertos (más es mejor). Vals Index, Terminal-Bench 4.0 y Tax Agent Bench medidos por Vals AI; ARC-AGI-3 por ARC Prize con su arnés estándar, en la mejor configuración de cada modelo. En estas pruebas OpenAI aparece como GPT-6 Astra: la versión 6.2 todavía no tenía resultados publicados.

Programación y agentes en terminal

En Terminal-Bench 4.0 (tareas reales en una terminal: compilar, depurar, configurar servidores), Claude Fable 5.2 es primero de 63 modelos con 65,2 %. Gemini 4 Carbon queda muy cerca (63,1 %) y GPT-6 Astra algo más atrás (59,6 %).

En pruebas más específicas de Vals, Fable 5.2 también lidera Vibe Code Bench (crear apps completas desde cero: 93,8 %) y Code Migration (migrar código entre versiones: 83,3 %).

Razonamiento abstracto

ARC-AGI-3 mide si el modelo resuelve juegos y acertijos que nunca vio. Con el arnés estándar, Fable 5.2 saca 81,2 %, muy por encima de Gemini 4 Carbon (65,1 %) y GPT-6 Astra (62,7 %). Un matiz: cuando cada empresa usa su propio adaptador, los tres pasan del 97 %, y GPT-6 Astra llega a 99,9 %.

Trabajo de oficina especializado

Aquí Gemini 4 Carbon sorprende. En Tax Agent Bench (declaraciones de impuestos con agentes) es primero con 51,8 %, frente a 32,1 % de Fable 5.2. También queda arriba de Claude en el Legal Index de Vals (75,9 % frente a 69,2 %).

Ciencia

GPT-6 Astra gana en Terminal-Bench-Science de Vals (62,9 % frente a 55,7 % de Fable 5.2): tareas científicas que se resuelven con código en terminal.

El promedio general

En el Vals Index, que combina todas sus pruebas, Fable 5.2 es primero (71,3 %) y Gemini 4 Carbon tercero (70,5 %), con márgenes de error que se superponen. Es decir: en promedio, están prácticamente empatados.


Cuánto cuesta un trabajo real

El precio por token no lo es todo, pero es lo que vas a ver en tu factura. Supongamos 1000 tareas, cada una con 20 000 tokens de entrada y 2000 de salida, a precio de lista y sin caché:

Costo de 1000 tareas a precio de lista Claude Fable 5.2: 240 dólares. GPT-6.2 Astra: 240. Claude Opus 5.5: 120. Gemini 4 Carbon desde el 1 de diciembre: 120. Gemini 4 Carbon hasta el 30 de noviembre: 60. Claude Fable 5.2GPT-6.2 AstraClaude Opus 5.5Gemini 4 Carbondesde el 1/12Gemini 4 Carbonhasta el 30/11 $240$240$120$120$60 $0$100$200
1000 tareas de 20 000 tokens de entrada y 2000 de salida, a precio de lista, sin caché ni descuentos por lote. No incluye los tokens de razonamiento, que cada modelo gasta en cantidad distinta y se cobran como salida.

Tres cosas que esta cuenta simple no muestra:

  1. Los tokens de razonamiento. Los tres modelos “piensan” antes de responder y ese pensamiento se cobra como salida. Por eso el costo por tarea de Artificial Analysis (primera gráfica) es más realista: ahí GPT-6.2 Astra sale bastante más barato que Fable 5.2, aunque el precio por token sea el mismo.
  2. El tokenizador. El mismo texto no ocupa los mismos tokens en cada modelo, y en español la diferencia crece. Lo explicamos en ¿Español o inglés? Cuántos tokens de Claude ahorras según el idioma.
  3. La caché. Si repites contexto (instrucciones, documentos, código), los tres cobran entre $0,10 y $0,40 por millón en relecturas. En aplicaciones reales, esto puede bajar la factura a la mitad o más.

¿Cuál elegir?

No hay un ganador absoluto. Depende de lo que vayas a construir:

Si necesitas…Te convienePor qué
Agentes de programación, terminal y tareas largasClaude Fable 5.21.º en Terminal-Bench 4.0, Vibe Code Bench y Code Migration
La máxima inteligencia sin importar el costoClaude Fable 5.2 (max)Mejor puntaje en el Intelligence Index y en ARC-AGI-3
Mucha inteligencia por cada dólarGPT-6.2 Astra62 puntos a $4 por tarea, el mejor equilibrio de los tres
Tareas científicas con códigoGPT-6 Astra1.º en Terminal-Bench-Science
Legal, impuestos, finanzasGemini 4 Carbon1.º en Tax Agent Bench, 3.º en Legal Index
Analizar video y audioGemini 4 CarbonAcepta texto, imagen, video, audio y PDF como entrada
Buena calidad gastando la mitadClaude Opus 5.5 o GPT-6.2 SolEl escalón de abajo cuesta la mitad o menos

En nuestro trabajo diario en Tinguar, la regla que mejor nos funciona es esta: usa el modelo más alto solo donde la diferencia se nota. Para clasificar, resumir o extraer datos, un modelo intermedio o pequeño da el mismo resultado por una fracción del precio. Para un agente que escribe y prueba código durante horas, el modelo de cima se paga solo.

Y el consejo más importante: prueba con tus propios datos. Un benchmark mide un promedio. Tu caso de uso es uno solo. Toma 20 o 30 ejemplos reales de tu trabajo, pásalos por los tres modelos y compara.


Fuentes

Si quieres integrar alguno de estos modelos en tu negocio y no sabes cuál te conviene, cuéntanos tu proyecto y lo evaluamos con tus datos.

Escribimos sobre lo que construimos.

En Tinguar desarrollamos webs, apps, sistemas e integraciones para negocios. Si un artículo se parece a lo que necesitas, podemos construirlo contigo.

Escríbenos tu caso

Puede ser un producto que ya tenemos o algo que todavía no existe. No hace falta que sepas qué tecnología usar: con tu descripción te proponemos el siguiente paso.

¿Qué necesitas?

Se abre WhatsApp o tu correo con el mensaje listo. Tú decides cuándo enviarlo.

Cotizar proyecto WhatsApp