Modelos de IA en septiembre de 2026: quién lidera, cuánto cuesta, qué elegir

Los laboratorios cerrados y sus modelos insignia

Quién vende qué, desde cuándo y a qué precio de lista.

Anthropic. Claude Fable 5.1 es su modelo más capaz de distribución general; su gemelo, Mythos 5.1, está limitado a organizaciones verificadas de EE. UU. Su documentación recomienda ahora empezar por Opus 5.5 en la mayoría de las cargas, y Sonnet 5.5 y Haiku 5.5 están anunciados para las próximas semanas (ver nuestro análisis de Opus 5.5).

OpenAI. GPT-6 Astra es su primer modelo clasificado como "Critical" en ciberseguridad según su Preparedness Framework, por lo que la versión pública rechaza tareas ofensivas avanzadas. GPT-6 Sol y Luna salieron a la mitad del precio promocional de sus antecesores GPT-5.6; GPT-5.6 Terra (USD 2/12) sigue como opción intermedia y la serie o quedó como heredada.

Google. Gemini 3.5 Pro, esperado para junio, está atrasado: Bloomberg informó el 16 de julio que su rendimiento en código se quedaba corto. Mientras tanto salió un Flash nuevo casi cada mes (3.5 en mayo, 3.6 en julio, 3.7 en agosto, 3.8 en septiembre), y Gemini 3.1 Pro sigue en preview.

SpaceXAI. SpaceX absorbió xAI en febrero de 2026, la rebautizó en julio y compró el editor de código Cursor en agosto. Grok 4.7 es sexto en la tabla oficial de Terminal-Bench 4.0 (37,6 %).

Meta, Microsoft, Amazon. Muse Spark (8 de abril) fue el primer modelo de Meta sin pesos abiertos; su versión 1.3 marca 48 en el índice de Artificial Analysis. Microsoft presentó MAI-Thinking-1, su primer modelo de razonamiento, en junio (precio sin confirmar). Amazon pasó Nova Premier y otros modelos Nova a modo de mantenimiento, según Business Insider (vía eWeek).

Los pesos abiertos, en breve

Los modelos de pesos abiertos crecieron mucho (Kimi K3 tiene 2,8 billones de parámetros, 104.000 millones activos por token), pero siguen detrás de los líderes cerrados: el mejor, MiMo-V2.6-Pro de Xiaomi, marca 46 en el índice de Artificial Analysis frente a 58 de Claude Opus 5.5.

DeepSeek V4.1-Flash (licencia MIT) es la API casi de frontera más barata que encontramos, a USD 0,30/1,20 en horas pico y la mitad fuera de ellas, y las licencias se desplazan hacia términos propios con umbrales de ingresos. Más en nuestra guía open-weight.

Franjas de precio: cuatro niveles, no un solo mercado

El precio de lista te dice la franja; el costo por tarea te dice la factura.

La franja de USD 10/50 es una novedad de 2026 (Claude Fable 5 en junio, luego Fable 5.1 y GPT-6 Astra), mientras la gama media se abarató: GPT-6 Sol cuesta la mitad del precio promocional de su antecesor, Opus 5.5 es un 20 % más barato por token que Opus 5 y Sonnet 5 mantuvo USD 2/10 en lugar de subir a USD 3/15.

Tres detalles mueven la factura real más que el precio de lista: los prompts largos (OpenAI duplica la tarifa de entrada por encima de 272K tokens; Claude no cobra recargo), las lecturas de caché (5 % del precio de entrada en Opus 5.5, 10 % en GPT-6) y las subidas programadas (Gemini 3.6 a 3.8 Flash duplican su precio el 1 de enero de 2027). Método en nuestra guía de costos de IA.

Rankings: qué miden y quién lidera

Cada ranking responde una pregunta más estrecha que "cuál es el mejor modelo".

Las tablas de los fabricantes las elige el propio laboratorio, casi siempre con su esfuerzo más alto y con versiones de benchmarks de pocas semanas. Las tablas independientes aplican el mismo método a todos, pero llegan tarde: el 26 de septiembre, el 66,4 % que Anthropic reporta para Opus 5.5 en Terminal-Bench 4.0 aún no figuraba en la tabla oficial.

Las versiones también rompen las comparaciones: el anuncio de Astra cita valores del índice de Artificial Analysis v4.1.1 de hasta 65,7, mientras la v4.3.2 tiene al líder en 58, porque cambió la escala, no los modelos. Arena, por su parte, ordena por votos de preferencia humana, no por tareas completadas.

Ninguna de estas pruebas usa español o francés de empresa: filtran la lista corta, no deciden. Nuestro método está en la guía de evals.

Cómo elegir según el caso de uso

Una lista corta para probar, no un veredicto.

Incluye en cada lista corta un segundo proveedor y una opción de pesos abiertos. Nuestro método (30 prompts fijos por cliente, cinco motores por corrida, tres idiomas) está en cómo elegimos modelos.

Siete tendencias verificadas de 2026

• Un nivel premium, pero capacidad más barata. En ARC-AGI-2, una nota de entre 61 % y 65 % costaba USD 2,25 por tarea con Claude Opus 4.6 en febrero y USD 0,042 con DeepSeek V4 Flash en julio.
• El esfuerzo de razonamiento es un ajuste. Claude, GPT-5.6, GPT-6 y Gemini 3.x exponen niveles de esfuerzo; en ARC-AGI-2, Opus 5.5 cuesta USD 0,241 por tarea con esfuerzo low y USD 1,85 con max (ver nuestra guía de razonamiento).
• 1M de tokens de contexto es la norma en los modelos insignia; Grok 4.7 se queda en 500K.
• La ciberseguridad ofensiva tiene acceso restringido. Mythos 5.1 está limitado a organizaciones verificadas de EE. UU., Gemini 3.8 Flash Cyber a defensores de confianza del Fairwind Program de Google, y OpenAI planea ampliar el acceso defensivo a Astra con su programa Daybreak.
• Los productos desaparecen rápido. OpenAI cerró la app de Sora en abril, unos siete meses tras su lanzamiento, retiró la API de Sora 2 el 24 de septiembre y cerró su navegador Atlas el 9 de agosto; Nova Premier llegó al fin de vida el 14 de septiembre.
• La política de EE. UU. puede cortar el acceso. Una directiva de control de exportaciones obligó a Anthropic a retirar Fable 5 y Mythos 5 a todos sus usuarios el 12 de junio (Fable 5 volvió el 1 de julio), y la Orden Ejecutiva 14409 (2 de junio) prevé un marco voluntario que da al gobierno hasta 30 días de acceso previo a los "covered frontier models".
• Los laboratorios discuten un ritmo más lento. En We Must Pace the Frontier, Dario Amodei pidió frenar el avance de las capacidades y comprometió a Anthropic con evaluadores externos integrados; Sam Altman asumió el mismo compromiso el 14 de septiembre. Un detonante que cita: el incidente de julio en que agentes de OpenAI en evaluación llegaron a sistemas de Hugging Face (informe de OpenAI).

Qué significa para empresas en Colombia, América Latina y Europa

Ten un respaldo probado. El retiro de Fable 5 duró 19 días y afectó a todos los clientes. Un sistema en producción en Bogotá, Ciudad de México o París necesita un segundo modelo de otro proveedor, probado con los mismos prompts, y una opción de pesos abiertos alojable.

Presupuesta la residencia. OpenAI suma un 10 % por procesamiento regional en los modelos lanzados desde el 5 de marzo de 2026; Claude cuesta un 10 % más en endpoints regionales de Bedrock o Google Cloud.

Pon las fechas de retiro en los contratos. Anthropic garantiza Opus 5.5 al menos hasta el 22 de septiembre de 2027, pero Haiku 4.5 solo hasta el 15 de octubre de 2026. Exige a cada proveedor esas fechas, preaviso y una cláusula de migración.

Prueba tú mismo el español y el francés. En Slash AI Lab cada candidato pasa por 30 prompts fijos por cliente en español, inglés y francés antes de desplegarse; ningún ranking reemplaza ese paso.

Revisa el alcance del AI Act europeo. El artículo 2(1)(c) cubre a proveedores y responsables del despliegue fuera de la UE cuando la salida de su sistema se usa en la UE: una empresa colombiana con clientes franceses puede quedar dentro. En Colombia, revisa cómo aplica la Ley 1581 de 2012 antes de enviar datos personales al exterior. Más en nuestro mapa regulatorio de 2026.