Comparativa de modelos de IA — texto, imagen y vídeo
Los principales modelos de IA de EE.UU., Europa y China — generación de texto, imagen y vídeo — comparados por calidad (benchmarks de mercado), coste y si son open source, separando siempre modelos remotos (API) y locales (en tu hardware).
Datos a 2026-09-04 · investigación automática (Artificial Analysis, LMArena, precios oficiales) — verificar antes de decidir.
📊 Cómo se mide la calidad — tres índices
Mostramos la calidad de tres formas complementarias. Así se compone cada índice antes de ver las gráficas:
① Calidad de Zendoric (0-100) = media a tercios de SWE-bench-Pro (33% · desarrollo de software real, cotejado con el fabricante) + LMArena (33% · preferencia humana, Elo normalizado) + Terminal-Bench (33% · capacidad agéntica en terminal). Si a un modelo le falta una de las tres, su peso se reparte entre las presentes (se exigen al menos dos).
② AA Index (Artificial Analysis Intelligence Index, 0-100) = índice compuesto y más amplio (razonamiento, ciencia, código, matemáticas). Ofrece una segunda lectura: según cómo se mida, el orden de los fabricantes cambia.
③ Ciberseguridad (0-100) = capacidad en tareas cyber expert (protocolo duro «unguided pass@1»: vuln-research y explotación realista). Usamos una métrica no saturada (el top ronda 71, no 100, y deja ver el recorrido), no el Cybench «pass@k» que la frontera ya satura. Fuentes: UK AISI, NIST-CAISI, CVE-Bench. La encuadramos como capacidad y riesgo, no como ranking ofensivo; donde no hay eval directa se estima «est.».
📈 Evolución de la Calidad de Zendoric (fabricantes frontera)
Índice de calidad (0-100) de los fabricantes punteros (su mejor modelo), últimos 24 meses. Línea punteada = calidad estimada por AA Index (labs sin SWE-bench-Pro). Se actualiza cada día.
📈 Evolución del AA Index (fabricantes frontera)
AA Index (Artificial Analysis Intelligence Index, 0-100) de los fabricantes punteros (su mejor modelo), últimos 24 meses. Es un índice compuesto y más amplio (razonamiento, ciencia, código, matemáticas) que nuestro índice. La serie histórica está reconstruida anclando la trayectoria de cada fabricante a su AA actual. Se actualiza cada día.
🛡️ Evolución en ciberseguridad (fabricantes frontera)
Índice de ciberseguridad (0-100) del mejor modelo de cada fabricante, últimos 24 meses. Métrica: tareas cyber EXPERT en protocolo duro «unguided pass@1» (sin pistas, un intento; vuln-research y explotación realista). La elegimos porque NO está saturada — el top ronda 71, no 100, así que discrimina y deja ver el recorrido (descartamos el Cybench «pass@k», donde la frontera ya hace ~100%). Fuentes: UK AISI (GPT-5.5 71,4 % vs Anthropic preview 68,6 %), NIST-CAISI, CVE-Bench. Confianza alta solo en OpenAI/Anthropic (medidos por AISI); el resto, imputado por proximidad → toda la serie va marcada «est.». Lo encuadramos como capacidad y RIESGO a gobernar, no como ranking ofensivo. Se actualiza cada día.
💰 Calidad de Zendoric frente a coste
Modelos punteros de los fabricantes con mejor calidad (un fabricante puede tener varios, p.ej. Anthropic: Opus 5, Opus 4.8 y Fable 5). Más ARRIBA = más calidad; más a la IZQUIERDA = más barato (eje log). Lo ideal, arriba-izquierda. Punto hueco = calidad estimada (AA Index). Color por fabricante.
💰 AA Index frente a coste
Mismo formato que el de calidad/coste, pero el eje vertical es el AA Index. Más ARRIBA = más capacidad; más a la IZQUIERDA = más barato (eje log). Punto hueco = AA estimado (Terminal-Bench/SWE-Pro). Color por fabricante.
🏁 Frontera eficiente — calidad frente a coste
Todos los modelos cloud con datos. Eje Y = AA Index; eje X = coste de salida, log e INVERTIDO: cuanto más a la DERECHA, más barato — la esquina superior derecha es la ideal. La línea verde une la frontera eficiente: modelos para los que no existe otro mejor y más barato a la vez; elegir fuera de esa línea solo se justifica por factores ajenos al precio (ecosistema, contexto, open source). Punto hueco = AA estimado. Pasa el ratón por un punto para ver el detalle.
🏆 Calidad de Zendoric (desarrollo SW + arena + agéntica)
| Modelo | Calidad Zendoric | SWE-bench-Pro | DeepSWE | LMArena | Terminal-Bench | LiveCodeBench | GPQA | ARC-AGI-2 |
|---|---|---|---|---|---|---|---|---|
| 🇨🇳 Kimi K3Moonshot AI · China | 91.4 | — | 68.5 | 1489 | 88.3 | 68.0 | 93.5 | — |
| 🆕 🇺🇸 Claude Fable 5.1Anthropic · USA | 90.6 | 81.2 | — | 1504 | — | — | — | — |
| 🇺🇸 Claude Fable 5Anthropic · USA | 90.1 | 80.3 | 69.7 | 1515 | — | 91.7 | 92.6 | — |
| 🇺🇸 Claude Mythos 5Anthropic · USA | 89.3 | 80.0 | — | 1507 | 88.0 | 91.7 | 94.1 | — |
| 🇺🇸 Claude Opus 5Anthropic · USA | 86.8 | 79.2 | 73.6 | 1493 | 84.6 | — | — | — |
| 🇺🇸 GPT-5.6 SolOpenAI · USA | 82.7 | 64.6 | 72.7 | 1483 | 91.9 | — | 94.6 | — |
| 🇺🇸 GPT-5.6 TerraOpenAI · USA | 77.9 | 63.4 | 69.6 | 1466 | 87.4 | — | 92.9 | — |
| 🇺🇸 Grok 4.5xAI · USA | 77.8 | 64.7 | 53.8 | 1471 | 83.3 | — | 93.1 | — |
| 🇨🇳 GLM-5.2Zhipu AI · China | 76.9 | 62.1 | 69.0 | 1475 | 81.0 | 80.2 | 78 | 7 |
| 🇺🇸 Claude Opus 4.8Anthropic · USA | 76.5 | 69.2 | 59.0 | 1455 | 82.7 | 88.8 | 84 | 14 |
| 🇺🇸 GPT-5.5OpenAI · USA | 76.3 | 58.6 | 67.0 | 1475 | 82.7 | — | 85 | 16 |
| 🇺🇸 Claude Sonnet 5Anthropic · USA | 74.7 | 63.2 | 53.8 | 1461 | 80.4 | — | 83 | 12 |
| 🇺🇸 Grok 4xAI · USA | 74.2 | — | 66.7 | 1430 | 83.3 | 79.4 | 84 | 16 |
| 🇺🇸 GPT-5.6 LunaOpenAI · USA | 73.7 | 62.7 | 67.2 | — | 84.7 | — | 92.3 | — |
| 🇨🇳 Qwen3.7-MaxAlibaba · China | 72.6 | 60.6 | 57.5 | 1475 | 69.7 | 91.6 | 81 | 7 |
| 🇨🇳 Kimi K2.6Moonshot AI · China | 68.4 | 58.6 | — | 1460 | 66.7 | 89.6 | 78 | 9 |
| 🇨🇳 DeepSeek V4-ProDeepSeek · China | 66.1 | 55.4 | 62.8 | 1450 | 67.9 | 93.5 | 82 | 9 |
| 🇺🇸 Gemini 3 ProGoogle · USA | 65.8 | 43.3 | 11.7 | 1501 | 54.2 | 91.7 | 84 | 15 |
| 🇺🇸 Claude Sonnet 4.6Anthropic · USA | 63.4 | 58.1 | 29.9 | 1430 | 67.0 | — | 80 | 9 |
| 🇺🇸 MAI-Thinking-1Microsoft · USA | 49.4 | 52.8 | — | — | 46.0 | 87.7 | 84.2 | — |
| 🇺🇸 Gemini 3.7 FlashGoogle · USA | — | — | 65.3 | 1491 | — | — | — | — |
| 🇺🇸 Llama 4 MaverickMeta · USA | — | — | — | 1288 | — | 43.4 | 70 | 5 |
| 🇪🇺 Mistral Large 3Mistral AI · Europa | — | — | — | 1418 | — | 74 | 72 | 6 |
| 🇪🇺 MagistralMistral AI · Europa | — | — | — | — | — | 70.88 | 70.07 | 4 |
| 🇨🇳 GLM-5.3-FlashZhipu AI · China | — | — | 63.4 | 1474 | — | — | — | — |
| 🆕 🇺🇸 GPT-6 AstraOpenAI · USA | — | — | — | — | — | — | 96.0 | — |
| 🆕 🇺🇸 Gemini 3.8 FlashGoogle · USA | — | — | 73.8 | 1494 | — | — | — | — |
| 🆕 🇺🇸 Grok 4.6xAI · USA | — | — | 66.7 | — | — | — | — | — |
Calidad de Zendoric = media a tercios de SWE-bench-Pro (desarrollo de SW) + LMArena (preferencia humana) + Terminal-Bench (capacidad agéntica), las tres con fuente fiable; si falta alguna se reparte su peso entre las presentes (mínimo dos; si no, «—»). LiveCodeBench y GPQA se muestran como referencia (orientativas, pueden estar incompletas) pero NO entran en el índice; ARC-AGI-2 (arcprize.org) mide progreso hacia AGI: los modelos puntúan MUY bajo → aún lejos de AGI. %, salvo LMArena (Elo).
💵 Economía (USD / 1M tokens)
| Modelo | Input | Cache | Output |
|---|---|---|---|
| 🇨🇳 Kimi K3Moonshot AI · China | $3.0 | $0.3 | $15.0 |
| 🆕 🇺🇸 Claude Fable 5.1Anthropic · USA | $10.0 | $0.25 | $50.0 |
| 🇺🇸 Claude Fable 5Anthropic · USA | $10.0 | $1.0 | $50.0 |
| 🇺🇸 Claude Mythos 5Anthropic · USA | $10.0 | $1.0 | $50.0 |
| 🇺🇸 Claude Opus 5Anthropic · USA | $5.0 | $0.5 | $25.0 |
| 🇺🇸 GPT-5.6 SolOpenAI · USA | $5.0 | $0.5 | $30.0 |
| 🇺🇸 GPT-5.6 TerraOpenAI · USA | $2.0 | $0.2 | $12.0 |
| 🇺🇸 Grok 4.5xAI · USA | $2.0 | $0.3 | $6.0 |
| 🇨🇳 GLM-5.2Zhipu AI · China | $0.6 | $0.26 | $2.2 |
| 🇺🇸 Claude Opus 4.8Anthropic · USA | $5.0 | $0.5 | $25.0 |
| 🇺🇸 GPT-5.5OpenAI · USA | $5.0 | $0.5 | $30.0 |
| 🇺🇸 Claude Sonnet 5Anthropic · USA | hasta 31 ago 2026 $2.0 desde 1 sep 2026 $3.0 | hasta 31 ago 2026 $0.2 desde 1 sep 2026 $0.3 | hasta 31 ago 2026 $10.0 desde 1 sep 2026 $15.0 |
| 🇺🇸 Grok 4xAI · USA | $3.0 | $0.75 | $15.0 |
| 🇺🇸 GPT-5.6 LunaOpenAI · USA | $0.2 | $0.02 | $1.2 |
| 🇨🇳 Qwen3.7-MaxAlibaba · China | $1.2 | $0.25 | $6.0 |
| 🇨🇳 Kimi K2.6Moonshot AI · China | $0.6 | $0.16 | $2.5 |
| 🇨🇳 DeepSeek V4-ProDeepSeek · China | $0.28 | $0.03 | $0.87 |
| 🇺🇸 Gemini 3 ProGoogle · USA | $1.25 | $0.31 | $10.0 |
| 🇺🇸 Claude Sonnet 4.6Anthropic · USA | $3.0 | $0.3 | $15.0 |
| 🇺🇸 MAI-Thinking-1Microsoft · USA | $2.0 | — | $8.0 |
| 🇺🇸 Gemini 3.7 FlashGoogle · USA | $0.75 | $0.07 | $3.75 |
| 🇺🇸 Llama 4 MaverickMeta · USA | $0.2 | — | $0.6 |
| 🇪🇺 Mistral Large 3Mistral AI · Europa | $2.0 | $0.05 | $6.0 |
| 🇪🇺 MagistralMistral AI · Europa | $0.5 | $0.01 | $1.5 |
| 🇨🇳 GLM-5.3-FlashZhipu AI · China | $0.07 | $0.01 | $0.25 |
| 🆕 🇺🇸 GPT-6 AstraOpenAI · USA | $10.0 | $1.0 | $50.0 |
| 🆕 🇺🇸 Gemini 3.8 FlashGoogle · USA | $0.75 | — | $3.75 |
| 🆕 🇺🇸 Grok 4.6xAI · USA | $2.0 | $0.5 | $6.0 |
Claude Sonnet 5: subida de tarifas programada (mismo modelo) — precio reducido hasta el 31 ago 2026 y tarifa estándar desde el 1 sep 2026.
🔓 Open source y variedad
| Modelo | Open source | Licencia | Variedad |
|---|---|---|---|
| 🇨🇳 Kimi K3Moonshot AI · China | Sí | Modified MIT | Open-weight (pesos abiertos) |
| 🆕 🇺🇸 Claude Fable 5.1Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Claude Fable 5Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Claude Mythos 5Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Claude Opus 5Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 GPT-5.6 SolOpenAI · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 GPT-5.6 TerraOpenAI · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Grok 4.5xAI · USA | No | Propietario | Propietario (solo API) |
| 🇨🇳 GLM-5.2Zhipu AI · China | Sí | MIT | Open-weight (pesos abiertos) |
| 🇺🇸 Claude Opus 4.8Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 GPT-5.5OpenAI · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Claude Sonnet 5Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Grok 4xAI · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 GPT-5.6 LunaOpenAI · USA | No | Propietario | Propietario (solo API) |
| 🇨🇳 Qwen3.7-MaxAlibaba · China | No | Propietario | Propietario (solo API) |
| 🇨🇳 Kimi K2.6Moonshot AI · China | Sí | Modified MIT | Open-weight (pesos abiertos) |
| 🇨🇳 DeepSeek V4-ProDeepSeek · China | Sí | MIT | Open-weight (pesos abiertos) |
| 🇺🇸 Gemini 3 ProGoogle · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Claude Sonnet 4.6Anthropic · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 MAI-Thinking-1Microsoft · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Gemini 3.7 FlashGoogle · USA | No | Propietario | Propietario (solo API) |
| 🇺🇸 Llama 4 MaverickMeta · USA | Sí | Llama 4 Community | Open-weight (pesos abiertos) |
| 🇪🇺 Mistral Large 3Mistral AI · Europa | Sí | Apache-2.0 | Open-weight (pesos abiertos) |
| 🇪🇺 MagistralMistral AI · Europa | Sí | Apache-2.0 | Open-weight (pesos abiertos) |
| 🇨🇳 GLM-5.3-FlashZhipu AI · China | Sí | MIT | Open-weight (pesos abiertos) |
| 🆕 🇺🇸 GPT-6 AstraOpenAI · USA | No | Propietario | Propietario (solo API) |
| 🆕 🇺🇸 Gemini 3.8 FlashGoogle · USA | No | Propietario | Propietario (solo API) |
| 🆕 🇺🇸 Grok 4.6xAI · USA | No | Propietario | Propietario (solo API) |
🖥️ Open source para tu hardware
Pequeños/medianos que corren en un equipo propio (portátil/PC/Mac). Calidad = Artificial Analysis Intelligence Index (0-100; calidad del output), la medida con mejor cobertura en modelos open pequeños (LMArena no lista los sub-32B). Memoria estimada en cuantización 4-bit (Q4) y 8-bit (Q8); en Apple Silicon es memoria UNIFICADA (RAM=VRAM).
| Modelo | Calidad (AA Index) | GPQA | Params | RAM Q4 | RAM Q8 | GPU | CPU / Mac | Licencia |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 27BAlibaba | 42 | 85.5 | 27B | 16 GB | 31 GB | ≥16 GB | Limitado (mejor GPU/Mac ≥32 GB) | Apache-2.0 |
| Gemma 4 31BGoogle | 39 | 84.3 | 31B | 19 GB | 36 GB | ≥24 GB | Limitado (mejor GPU/Mac ≥32 GB) | Gemma |
| Qwen3.5 35B A3BAlibaba | 37 | 84.2 | 35B | 21 GB | 40 GB | ≥24 GB | Limitado (mejor GPU/Mac ≥32 GB) | Apache-2.0 |
| Gemma 4 26B A4BGoogle | 31 | 82.3 | 26B | 16 GB | 30 GB | ≥16 GB | Limitado (mejor GPU/Mac ≥32 GB) | Gemma |
| Nemotron-Cascade-2-30B-A3BNVIDIA | 28 | 76.1 | 30B | 18 GB | 34 GB | ≥24 GB | Limitado (mejor GPU/Mac ≥32 GB) | NVIDIA Open Model |
| gpt-oss-20bOpenAI | 24 | 71.5 | 20B | 13 GB | 25 GB | ≥16 GB | Limitado (mejor GPU/Mac ≥32 GB) | Apache-2.0 |
| Gemma 4 12BGoogle | 22 | 78.8 | 12B | 8 GB | 15 GB | ≥8 GB | Sí (CPU lento · Mac 16 GB) | Gemma |
| Gemma 4 E4BGoogle | 19 | 58.6 | 4B | 4 GB | 6 GB | ≥8 GB | Sí (CPU/Mac, fluido) | Gemma |
| Gemma 4 E2BGoogle | 15 | 43.4 | 2B | 3 GB | 4 GB | ≥8 GB | Sí (CPU/Mac, fluido) | Gemma |
🗄️ Open source grande (servidor / multi-GPU)
Modelos open potentes pero que necesitan servidor o varias GPU. Calidad = LMArena Elo (preferencia humana sobre el output, fuente lmarena.ai), que sí cubre los modelos grandes. En MoE la memoria cuenta el total de parámetros (todos los expertos se cargan). Memoria estimada en cuantización 4-bit (Q4) y 8-bit (Q8); en Apple Silicon es memoria UNIFICADA (RAM=VRAM).
| Modelo | Calidad (LMArena) | GPQA | Params | RAM Q4 | RAM Q8 | GPU | CPU / Mac | Licencia |
|---|---|---|---|---|---|---|---|---|
| GLM-5.2Zhipu AI | 1472 | 91.2 | 400B | 222 GB | 442 GB | 3× 80 GB (servidor) | No (servidor GPU) | MIT |
| DeepSeek-V4-Pro-0813DeepSeek | 1465 | 90.1 | 1600B | 882 GB | 1762 GB | 12× 80 GB (servidor) | No (servidor GPU) | MIT |
| Kimi K2.6Moonshot AI | 1460 | 90.5 | 1100B | 606 GB | 1212 GB | 8× 80 GB (servidor) | No (servidor GPU) | Modified MIT |
| Qwen3.5-397B-A17BAlibaba | 1450 | 88.4 | 397B | 220 GB | 438 GB | 3× 80 GB (servidor) | No (servidor GPU) | Apache-2.0 |
| Llama 4 MaverickMeta | 1420 | 69.8 | 400B | 222 GB | 442 GB | 3× 80 GB (servidor) | No (servidor GPU) | Llama 4 Community |
| Mistral Large 3Mistral AI | 1416 | 68.0 | 675B | 373 GB | 744 GB | 5× 80 GB (servidor) | No (servidor GPU) | Apache-2.0 |
| gpt-oss-120bOpenAI | 1352 | 80.1 | 117B | 66 GB | 130 GB | ≥80 GB | No (servidor GPU) | Apache-2.0 |
🎨 Generación de imagen
Los principales modelos de generación de IMAGEN, separados entre servicios remotos (pagas por imagen vía API) y modelos abiertos que puedes ejecutar en tu propio hardware.
☁️ Remotos (API / cloud)
| Modelo | Calidad (arena) | Precio (por imagen) | Notas |
|---|---|---|---|
| GPT Image 2OpenAI · USA | 1369 AA nº1 (era 1338); 2º MAI-Image-2.6-Prev 1350, gap 19; Reve 2.1 3º 1323. arena.ai 1382 nº1 | $0,211/img high 1024² (=$211/1K API OpenAI); fal.ai $0,005 low a $0,401 high 4K — CONFIRMADO al detalle | Nº1 t2i confirmado (AA y arena.ai). Lanzado abr-2026. Modelo con razonamiento; texto y prompt adherence líder |
| MAI-Image-2.5Microsoft · USA | 1303 AA (era 1269), nº6 t2i (era nº3); superada por MAI-Image-2.6-Preview 1350 nº2 y 2.5-Pro 1292 nº8 | Azure Foundry $47/M img out confirmado; $0,048/img confirmado (AA $48,1/1K) | Microsoft. Nueva gen MAI-Image-2.6-Preview (ago-2026) nº2 t2i y nº1 editing. Variantes Pro $108,5/1K y Flash $20/1K |
| Nano Banana Pro (Gemini 3 Pro Image)Google · USA | 1296 AA t2i (era 1222), nº7 de 155 (era nº9 de 81); superada por Nano Banana 2 (1320, nº4) | $0,134/img 1-2K · $0,24/img 4K Gemini API (Batch 50% → 4K ~$0,12) confirmado | = Gemini 3 Pro Image. Salida hasta 4096×4096. GA jun-2026, SynthID; activo, sin deprecación |
| Nano Banana 2 Lite (Gemini 3.1 Flash Lite)Google · USA | 1287 AA t2i (era 1262), nº9 de 155 (era nº4) | $0,034/img (1K) Gemini API confirmado (Batch $0,017) | = Gemini 3.1 Flash Lite Image. Rápida/barata ~4s (no verif.), solo 1K |
| GPT Image 1.5OpenAI · USA | 1304 AA (era 1260), nº5 t2i (sube, era nº6) | $0,009 low · $0,034 medio · $0,133 high (1024² OpenAI/fal.ai) — CONFIRMADO al detalle | Gen. anterior OpenAI (dic-2025), aún muy competitiva: nº5 AA, por encima de MAI-2.5. Sin deprecación |
| Grok ImaginexAI · USA | 1234 AA image-quality nº13 (era 1203/nº12); base 1216 nº24. Nuevo Imagine 2.0 nº3 arena.ai 1316 | $0,02/img base; quality $0,05 (1K)/$0,07 (2K); nuevo grok-imagine-image-2.0 $0,04/img (docs x.ai) | xAI. CORREGIDO: i2v NO es nº1; grok-imagine-video-1.5 nº5 AA (1109). Nº1 i2v es Minimax H3 Max (1203) |
| Cosmos 3 SuperNVIDIA · USA | AA t2i 1184 agentic (r46) y 1176 base; ya NO nº1 open (FLUX.2 [dev] 1197 delante). Debutó 1219 nº1 open | Open weights OpenMDW-1.1 (self-host gratis, uso comercial); API $0,04/img en fal (+$0,02 prompt expansion) | NVIDIA, omnimodal MoT dual-tower 64B desde Qwen3-VL 32B. Superado en open por FLUX.2 [dev] |
💻 Locales (open-weight, en tu hardware)
| Modelo | Licencia | Hardware | Notas |
|---|---|---|---|
| FLUX.2Black Forest Labs | open-weight + API | GPU dedicada (variantes dev/FP8) | Lanz. 25-nov-2025; max dic-2025; klein 15-ene-2026 (4B Apache 2.0; 9B disputada). FLUX.3 ya salió (jul-2026, cerrado) |
| Qwen-Image 2.0Alibaba | Apache-2.0 | 7B — GPU 16GB+ | Lanz. 10-feb-2026, decoder 7B + enc. Qwen3-VL 8B, 2K nativo. Sucedido por Qwen-Image-3.0 (GA 5-ago-2026, cerrado) |
| Z-Image TurboAlibaba (Tongyi) | open-weight | ~1 s/imagen en H100; corre en Mac (MLX) | Alibaba Tongyi-MAI, 6B S3-DiT, 8 NFE, sub-segundo en H100. Familia: Base, Edit, Omni-Base |
| Stable Diffusion 3.5Stability AI | Stability Community | GPU 8-16GB | Vigente ago-2026, no retirado, sigue flagship de Stability. Mayor ecosistema (Civitai, ComfyUI, LoRAs) |
| HiDream-O1-Image-1.5HiDream | open-weight | GPU dedicada | v1.5 cerrada (hosted), hasta 2K, pixel-native UiT sin VAE. Dev abierto (MIT). Debutó #3 AA, hoy #16 |
Datos a 2026-09-04 · fuentes: Artificial Analysis Image/Video Arena · arena.ai · llm-stats.com · Pixazo · documentación de fabricantes · el Elo de arena es preferencia humana a ciegas sobre el resultado; precios orientativos — verificar antes de decidir.
🎬 Generación de vídeo
Los principales modelos de generación de VÍDEO, separados entre servicios remotos (pagas por segundo generado vía API) y modelos abiertos para tu propio hardware.
☁️ Remotos (API / cloud)
| Modelo | Calidad (arena) | Precio (por segundo) | Notas |
|---|---|---|---|
| Kling 3.0 / TurboKuaishou · China | AA t2v c/audio 1108 #9 (Pro 1080p) · sin audio ~1246 · i2v 1071 #14. llm-stats 1934 #1; ausente de arena.ai | fal Turbo Pro 1080p $0,14/s; Turbo Std 720p $0,112/s. AA Kling 3.0 Pro 1080p $20,16/min (~$0,34/s) | Kuaishou 5-feb-2026 (3.0/Omni); Turbo 17-jun-2026. Hasta 15s, audio nativo, multi-shot 6 clips. Sin Kling 3.5 |
| Veo 3.1Google · USA | AA c/audio: 3.1 = 1092 #13, Lite 1089 #14, Fast 1086 #17. i2v 1086 #9. arena.ai Veo 3.1 Audio 1364 #10 | Gemini API: Lite $0,05/s 720p · Fast $0,10/s ($0,12 1080p) · Std $0,40/s 720p/1080p, $0,60/s 4K (audio incl.) | Tres niveles + audio nativo (Vertex/Gemini API). Superado por Gemini Omni Flash/1.1 en AA y arena.ai |
| Gemini Omni FlashGoogle · USA | AA t2v c/audio 1237 #2 (lidera Wan 3.0 1242); sin audio 1325 #1. i2v 1179 #4 c/audio, 1365 #1 sin audio | VERIFICADO ~$0,10/s (720p) Gemini API. Omni 1.1: $0,03/s 360p · $0,10/s 720p · $0,15/s 1080p · $0,30/s 4K | Google I/O may-2026. NUEVA VERSIÓN Gemini Omni 1.1 Flash (29-ago-2026): 40s, 4K upscale, #1 arena.ai 1515 |
| Seedance 2.0 (Dreamina)ByteDance · China | AA t2v 720p 1221 #5 c/audio · 1267 #4 sin audio. i2v 1190 #2 c/audio, 1336 #3 sin audio. arena.ai 1479 #4 | AA $9,07/min 720p (~$0,15/s). EvoLink 720p Std $0,199/s, Fast $0,161/s; 480p $0,092/$0,074. Audio incluido | ByteDance 12-feb-2026, 15s + audio. SUPERADO: Seedance 2.5 (31-jul-2026, API 7-ago): 30s, 50 refs, 4K |
| Sora 2OpenAI · USA | Ausente de AA. arena.ai t2v: Sora 2 Pro 1365 #9, Sora 2 1341 #17 (46 modelos, datos 25-ago-2026) | Sigue listado: sora-2 $0,10/s 720p; Pro $0,30/$0,50/$0,70 (720p/1024p/1080p). Batch -50% | RETIRADA: app 26-abr-2026; API 24-sep-2026 → 410 Gone. Aviso 24-mar-2026. Sin sucesor anunciado |
💻 Locales (open-weight, en tu hardware)
| Modelo | Licencia | Hardware | Notas |
|---|---|---|---|
| Wan 2.7Alibaba | open-weight | 16-24GB VRAM (14B) | Alibaba, abr-2026 (7-abr según Alibaba Cloud). T2V/I2V/ref-to-video + edición, audio nativo, 15s. Sucesor Wan 3.0 (1242 #1) |
| LTX-2.3Lightricks | open-weight | desde 12GB VRAM (FP8: flujos de 32GB) | Lightricks, 22B DiT, audio+vídeo en una pasada; ~18x más rápido que Wan 2.2 (NO VERIF); sucesor LTX-2.5 ya publicado |
| HunyuanVideoTencent | open-weight | 16-24GB VRAM | Tencent 13B, open dic-2024. CORREGIDO: sucesor HunyuanVideo 1.5 (8.3B, ~14GB VRAM, 20-nov-2025) NO es Apache 2.0 |
| Mochi 1Genmo | open-weight | fine-tune en 1×H100/A100 80GB | Genmo, 10B AsymmDiT, oct-2024, Apache 2.0; 480p preview. Repo sin novedades desde nov-2024; sin sucesor ni cierre |
| SkyReels V1Skywork | open-weight | GPU dedicada | Skywork, 18-feb-2025, primer open human-centric (fine-tune HunyuanVideo), T2V+I2V; sucesores V2 abr-2025, V3 ene-2026, V4 feb-2026 |
Datos a 2026-09-04 · fuentes: Artificial Analysis Image/Video Arena · arena.ai · llm-stats.com · Pixazo · documentación de fabricantes · el Elo de arena es preferencia humana a ciegas sobre el resultado; precios orientativos — verificar antes de decidir.