Doce tareas, cinco pasadas cada una, tres modelos. Una llamada cuesta entre 0,0033 y 0,0265 dólares.
El precio por token está en la página de OpenAI.
De dónde viene el problema
Tengo tres modelos en uso para tres cosas distintas: redactar textos cortos, extraer cinco campos de un ticket de soporte y, de vez en cuando, resolver un cálculo.
Cada vez que cambio de modelo repito la misma comprobación, y no para saber si es mejor, sino para saber dónde se rompe.
Una sola llamada no responde a eso. Solo indica que esa muestra concreta pasó, lo que no dice nada de la siguiente.
Así que hice lo contrario de lo habitual: menos modelos y más repeticiones. Doce tareas, cinco pasadas, tres modelos, ciento ochenta llamadas.
Cómo se midió
Doce tareas cortas con respuesta única: un cálculo, una probabilidad, una definición con límite de caracteres y varios casos de salida estructurada.
Ocho se corrigen con código. Cuatro son reescritura de código y de texto, se leyeron a mano y quedan fuera de la tasa de acierto.
| Modelo | Aciertos (auto) | Latencia mediana | Coste por llamada |
|---|---|---|---|
| Claude Sonnet 4.6 | 30/35 | 3,29 s | 0,0033 $ |
| Claude Sonnet 5.5 | 39/40 | 2,81 s | 0,0047 $ |
| GPT-6.1 Sol | 35/37 | 6,19 s | 0,0265 $ |
Los denominadores no coinciden porque trece llamadas de las 180 fallaron por red y se descartaron. Forzar todo a cuarenta sería comparar la conexión, no los modelos.
Las tres diferencias
El límite de sesenta caracteres
La consigna pedía explicar MoE en sesenta caracteres como máximo, sin usar la palabra «experto».
Las respuestas llegaron con 65, 58 y 48 caracteres. Claude Sonnet 4.6 se pasó por cinco, y el exceso eran matices — «mecanismo de compuerta», «selección dinámica» — que mejoran la definición y alargan la frase.
Cuatro pasadas más: 65, 62, 68, 66, 70. Ninguna bajó del límite.
No es un error de conteo. El modelo coloca la completitud por encima de la restricción. En un texto libre eso es una virtud; en un proceso que valida la longitud es una pieza defectuosa, y el tiempo de corregirla cuesta más que la llamada.
El fallo de una vez entre cinco
En una pregunta de probabilidad —tres números distintos del 1 al 5, suma par, respuesta 3/5— Claude Sonnet 5.5 acertó cuatro veces.
La quinta:
Los tres pares: solo hay 2 y 4, no se pueden tomar tres, 0 formas. Un impar y dos pares: C(3,1)×C(2,2)=3 formas. Por tanto la probabilidad es 3/10.
Invirtió el caso: contó «un impar y dos pares» en lugar de «dos impares y un par». Los casos favorables se reducen a la mitad, y la respuesta también.
Visto una vez, el modelo es perfecto o inservible. Visto cinco veces, es 39 de 40 con un tropiezo en una pregunta de respuesta única, y la solución es reintentar.
La misma tarifa, una factura 5,6 veces mayor
Claude Sonnet 5.5 y GPT-6.1 Sol comparten tarifa: 2 dólares por millón de tokens de entrada y 10 por millón de salida.
El coste medido por llamada fue 0,0047 y 0,0265 dólares. Misma tarifa, factura 5,6 veces mayor.
La diferencia está en el consumo por tarea, no en el precio: Sol hace más trabajo entre la pregunta y la respuesta.
Y ese gasto extra no compró precisión. En un problema de tangencia a una elipse cuya respuesta es 16/5, Sol devolvió solo 4/5 dos veces de cinco, mientras los dos modelos Claude acertaron las cinco.
Una prueba con trabajo real
Doce preguntas sintéticas son un filtro, no una carga de trabajo. La segunda pasada usó veinte tickets de soporte con cinco campos cada uno: cien celdas.
Los tres modelos rellenaron las cien correctamente. La precisión no los separó.
El tiempo sí: 7,5 segundos, 29,3 y 37,9. Medio minuto por pasada suena irrelevante hasta que se multiplica por diez mil pasadas al día: más de 84 horas de espera.
Límites de la medición
Todo lo medido es texto de un solo turno con entradas cortas.
Contexto largo, diálogo con varios turnos, llamadas a herramientas e imágenes no se probaron. Las ventanas de contexto difieren —200K, 1M y 922K tokens—, pero eso es una especificación, no una medición.
Cuatro tareas se corrigieron a mano y no entran en la tasa. Trece llamadas se perdieron por la red. Los precios se leyeron del catálogo el 28 de octubre de 2026 y la factura real depende del uso.
Discusión
Para trabajo con un contrato estricto de longitud o formato —generación por lotes, salida estructurada, respuestas para una API—, Claude Sonnet 5.5 es la opción más simple de las tres: ninguna violación del límite, la latencia mediana más corta y el coste por llamada más bajo.
Para un texto que una persona va a editar de todos modos, Claude Sonnet 4.6 sigue siendo razonable: una respuesta más larga y detallada ahí es material, no desperdicio.
GPT-6.1 Sol no es una alternativa barata. La tarifa es la misma, el gasto real 5,6 veces mayor, y falló dos veces en un cálculo simple. Quien lo elija debería tener un motivo distinto de «es más barato».
Lo único que trasladaría a otro equipo no es el ranking, sino el hábito: antes de cambiar de modelo, ejecuta tus tres prompts más comunes cinco veces y anota cuatro números —cuántos pasan, en qué tarea se rompe, la latencia mediana y el coste por llamada—.
Sale más barato que cambiar por intuición y enterarse en producción.