Claude y GPT-6 superaron a Gemini 4 Argon en una prueba de programación

Con el tiempo, la compañía incorporó el costo promedio como otro criterio para facilitar la elección según las necesidades de cada desarrollador. En la actualización del 26 de octubre, sumó resultados de GPT-6 Sol, GPT-6.1 Sol, Claude Sonnet 5, Claude Sonnet 5.5 y Gemini 4 Argon.

Los primeros puestos quedaron en manos de modelos de Anthropic. Claude Sonnet 5.5 encabeza la tabla con una tasa de aprobación del 40% y una tasa de finalización del 80,9%. En segundo lugar aparece Claude Opus 5.5, que había sido incorporado al listado a comienzos de octubre.

GPT-6.1 Sol se destaca por su relación entre rendimiento y costo

Uno de los resultados más llamativos corresponde a GPT-6.1 Sol, de OpenAI. El modelo registra una tasa de aprobación del 29,3% y una tasa de finalización del 82,8%, con un costo promedio de US$ 99,50.

Gemini 4 Argon, el modelo de inteligencia artificial de Google, debutó en el ranking Android Bench en el quinto puesto, por detrás de las alternativas más recientes de Claude y GPT-6. La evaluación mide el desempeño de distintos modelos en tareas de programación para Android y también considera el costo promedio de uso.

La actualización del 26 de octubre incorporó nuevos resultados y el nivel de razonamiento utilizado por cada modelo. Mientras Claude Sonnet 5.5 lidera la clasificación, GPT-6.1 Sol se destaca por combinar una tasa de finalización elevada con un costo considerablemente menor.

Android Bench: cómo quedó el ranking de modelos de IA

Google presentó Android Bench a comienzos de 2026 como una herramienta para que los desarrolladores puedan comparar qué modelos ofrecen mejores resultados al programar aplicaciones para Android. Las pruebas contemplan tareas específicas de ese entorno y las buenas prácticas de desarrollo de la plataforma.

La cifra contrasta con los US$ 1.574,90 atribuidos a Claude Sonnet 5.5, el modelo que ocupa el primer puesto. Aunque las tasas de aprobación son diferentes, los resultados muestran una brecha importante en los costos promedio de ambos sistemas.

Gemini 4 Argon quedó quinto en la evaluación de Google

El desempeño de Gemini 4 Argon fue menos destacado que el de otros modelos avanzados incluidos en la prueba. La herramienta lo ubicó en el quinto lugar, por detrás de alternativas de Anthropic y OpenAI.

También quedó debajo de Claude Fable 5.1, que registró una tasa de aprobación del 21,3%, una tasa de finalización del 81,8% y un costo promedio de US$ 267,70.

El resultado llega después de que un informe publicado poco después del anuncio de Gemini 4 Argon recogiera comentarios de fuentes internas que señalaban dificultades del modelo para resolver determinadas tareas de programación. Google, sin embargo, defendió las capacidades de su sistema.