Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

GPT 5.6

¿Es GPT 5.6 mejor que Claude Fable? Cursor ayuda a Grok a volver con fuerza, y Meta lo intenta de nuevo

Nota: Este artículo fue traducido automáticamente con OpenAI GPT-5.5 mediante Codex CLI; la calidad puede verse degradada, especialmente en la terminología técnica.

Lanzamientos

GPT 5.6

GPT 5.6 ha sido autorizado por el gobierno de EE. UU. y ya está disponible para todo el mundo. El modelo viene en 3 tamaños, llamados Luna, Terra y Sol (en orden de menor a mayor).

Benchmarks de ArtificialAnlys

Benchmarks de Artificial Analysis, ya que OpenAI no proporcionó una buena imagen de benchmarks para usar.

Según mi uso esta semana y también el sentimiento público, pondría a GPT 5.6 Sol en el mismo nivel que Claude Fable 5. Es extremadamente capaz en tareas agénticas, de programación y de otro tipo. También tiene el beneficio añadido de costar un tercio, debido a su menor costo y menor uso de tokens frente a Fable.

Fable todavía parece tener la mejor inferencia de intención y criterio (olor a modelo grande), pero para la mayoría de las tareas esto no es necesario. Si realmente necesitas la potencia extra de la planificación de Fable, usaría Fable como planificador y haría que use GPT 5.6 como implementador. GPT 5.6 tampoco parece tener tantas salvaguardas, ni tan opresivas, en comparación con Fable.

Históricamente, los modelos GPT han sido flojos en diseño frontend, como lo demuestran Design Arena y Frontend Code Arena. GPT 5.6 cambia esto, ya que ahora está empatado en primer lugar con Fable en Frontend Code Arena. Antes solo usaba Claude para tareas frontend, ya que GPT 5.x era mejor en ingeniería de software según mi experiencia, y ahora ya no necesito recurrir a Claude para nada en la programación del día a día.

Puntuaciones de programación de AA por nivel

De rasbt en Twitter

Tenemos que hablar de los niveles de esfuerzo de razonamiento y de los modelos más pequeños Terra y Luna.

Hay 6 niveles de razonamiento para elegir: light, medium, high, extra high, max y ultra. Los primeros 5 usan cantidades crecientes de esfuerzo de razonamiento para obtener mejores resultados, y el nivel ultra usa una gran cantidad de subagentes para trabajar en paralelo.

Normalmente, para la serie GPT diría simplemente que uses el mejor modelo para todas las tareas y no te preocupes por los modelos más pequeños. Por los benchmarks y algunas pruebas iniciales de la comunidad, parece que esto ya no es así.

Por ejemplo, mirando el índice AA Coding Agent que se muestra arriba, GPT 5.6 Terra Ultra debería ser más barato y mejor que usar Sol con razonamiento high. Por supuesto, esto es en benchmarks, que quizá no sean indicativos del rendimiento en el mundo real. Los miembros de la comunidad todavía están probando qué combinación de modelo y nivel de razonamiento es la mejor para el uso diario. Cubriremos cualquier avance o aprendizaje sobre esto en AI Tools Club, nuestra reunión comunitaria semanal sobre cómo y qué herramientas de IA estamos usando (transmitida en vivo los martes a las 5 p. m. en el canal de YouTube de Vector Lab).

Por ahora, los creadores de Codex recomiendan usar Sol con razonamiento medium, así que lo usaría como valor predeterminado por ahora. Ten en cuenta también que los límites de uso de Codex se consumen más rápido con 5.6 Sol que con 5.5, así que tenlo presente al usarlo.

Modelo$ por millón (entrada)$ por millón (salida)Tokens por segundo
GPT 5.6 Sol$5$3045
GPT 5.6 Terra$2.50$1563
GPT 5.6 Luna$1$684
GPT 5.5$5$3051
Claude Fable 5$10$5040
Claude Opus 4.8$5$2560
GLM 5.2$1.40$4.4047
Grok 4.5$2$688
Muse Spark 1.1$1.25$4.25sin datos
Datos de OpenRouter, excepto Muse Spark, que viene de AA

Grok 4.5 Fast

xAI ha lanzado su primer modelo como parte de SpaceX, y es una verdadera sorpresa. Los modelos Grok anteriores eran todos bastante mediocres y tuvieron poco uso fuera de @Grok en Twitter.

Su nuevo modelo Grok 4.5 parece realmente competitivo con la frontera china (GLM 5.2) y la gama media estadounidense (Sonnet 5). Esto probablemente se debe a la nueva colaboración que tienen con el equipo de Cursor, ya que Cursor fue comprado por SpaceX poco después de salir a bolsa.

Benchmarks de programación de Grok 4.5

Para uso en el mundo real parece muy utilizable, similar a GLM 5.2. Lo más notable es su velocidad, que, junto con la baja cantidad de razonamiento que usa, hace que se sienta mucho más rápido que muchos de los modelos frontera.

Este bajo uso de tokens también hace que esté alrededor del mismo costo que GLM 5.2 con razonamiento max, aunque su precio nominal sea ~1.5 veces mayor.

En general, un lanzamiento inesperadamente sólido de xAI; veremos si podrán mantener este impulso en el futuro y convertirse en un contendiente como uno de los principales laboratorios de EE. UU.

Notas rápidas

Meta Muse Spark 1.1

Meta también lanzó un modelo esta semana, pero por desgracia para ellos no pudo eclipsar a GPT 5.6 ni a Grok 4.5.

Muse Spark 1.1 parece situarse alrededor del mismo nivel de usabilidad que Grok 4.5 y GLM 5.2, pero es el peor de los 3, con alrededor de un 5-10% peor rendimiento en la mayoría de los benchmarks. Lo único que tiene a su favor es que sí parece ser 25-50% más barato que los otros dos.

Parece ser bueno en algunos campos aleatorios como trabajo administrativo legal y médico, pero mi sospecha es que esto es sobreajuste a los benchmarks.

Cierre

Espero que hayas disfrutado las noticias de esta semana. Si quieres recibir las noticias cada semana, asegúrate de unirte a nuestra lista de correo abajo.

Vibes del día
Arte computacional temprano de Joseph Alessio en Twitter

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS