Mapa de la inteligencia artificial

Descubre sistemas, capacidades y quién los construye.

Un catálogo editorial para recorrer la IA por tecnología y por problema, con fichas verificadas y rutas claras.

Modelos verificados

Fichas con versión, acceso, modalidades, precios publicados y fecha de comprobación.

OPENAI

GPT‑6 Astra

Modelo frontera generalista orientado a tareas complejas, uso de herramientas y trabajo profesional de alta exigencia.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Opus 5

Modelo orientado a código y trabajo de conocimiento, con controles que permiten ajustar el esfuerzo a cada tarea.

Texto y razonamiento · Propietario de pago GOOGLE

Gemini 3.8 Flash

Modelo Flash para ingeniería de software de larga duración, agentes autónomos y flujos empresariales complejos.

Texto y razonamiento · Propietario de pago OPENAI

GPT‑5.6 Sol

Trabajo complejo, código y agentes con herramientas.

Texto y razonamiento · Propietario de pago OPENAI

GPT‑5.6 Terra

Tareas equilibradas entre calidad, velocidad y coste.

Texto y razonamiento · Propietario de pago OPENAI

GPT‑5.6 Luna

Alto volumen, subagentes y extracción estructurada.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Fable 5.1

Razonamiento y agentes de larga duración.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Sonnet 5

Código, investigación y flujos profesionales con herramientas.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Haiku 4.5

Alto volumen, subagentes y extracción estructurada.

Texto y razonamiento · Propietario de pago GOOGLE

Gemini 3.1 Pro

Razonamiento multimodal, código y problemas complejos.

Texto y razonamiento · Propietario de pago XAI

Grok 4.6

Código, investigación y flujos profesionales con herramientas.

Texto y razonamiento · Propietario de pago DEEPSEEK

DeepSeek V4.1 Flash

Agentes, código y despliegue abierto con costes bajos.

Texto y razonamiento · Propietario de pago MISTRAL AI

Mistral Medium 3.5

Código multimodal y despliegue bajo control propio.

Texto y razonamiento · Propietario de pago META

Llama 4 Maverick

Multimodalidad abierta y despliegue bajo control propio.

Texto y razonamiento · Propietario de pago COHERE

Command A+

RAG empresarial, multilingüe y despliegue privado.

Texto y razonamiento · Propietario de pago AMAZON

Amazon Nova 2 Lite

Documentos extensos, vídeo y tareas empresariales en AWS.

Texto y razonamiento · Propietario de pago ALIBABA QWEN

Qwen3‑Max Thinking

Razonamiento multimodal, código y problemas complejos.

Texto y razonamiento · Propietario de pago Z.AI

GLM‑5.1

Código, investigación y flujos profesionales con herramientas.

Texto y razonamiento · Propietario de pago MINIMAX

MiniMax M2.7

Agentes, código y despliegue abierto con costes bajos.

Texto y razonamiento · Propietario de pago OPENAI

GPT‑5.5

Generación anterior de OpenAI para código y trabajo profesional, conservada para comparar migraciones y coste.

Texto y razonamiento · Propietario de pago OPENAI

GPT‑4.1

Modelo no razonador de contexto largo, útil como referencia histórica para código, seguimiento de instrucciones y latencia predecible.

Código · Propietario de pago OPENAI

gpt‑oss‑120b

Modelo de razonamiento con pesos abiertos para ejecución local o privada; cabe en una GPU H100 según OpenAI.

Texto y razonamiento · Pesos abiertos OPENAI

GPT‑Image‑2.5 Sunburst

Modelo principal de OpenAI para generar y editar imágenes con instrucciones complejas y producción visual de alta calidad.

Imagen · Propietario de pago OPENAI

Sora 2 Pro

Modelo histórico de vídeo con audio sincronizado, útil para comparar la evolución de la familia Sora.

Vídeo · Retirado OPENAI

GPT‑Live 1

Modelo de voz en tiempo real para conversaciones expresivas, interrupciones naturales y flujos con herramientas.

Voz y audio · Propietario de pago OPENAI

GPT‑Transcribe

Modelo especializado de transcripción de alta precisión para archivos y entradas de audio en tiempo real.

Voz y audio · Propietario de pago OPENAI

text‑embedding‑3‑large

Modelo de embeddings de mayor capacidad de OpenAI para búsqueda semántica, clasificación, clustering y RAG.

Embeddings · Propietario de pago ANTHROPIC

Claude Opus 4.5

Versión anterior de Opus orientada a código, agentes y uso de ordenador, conservada para migración y comparación histórica.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Sonnet 4.5

Generación anterior de Sonnet para código, agentes y automatización de interfaces, con resultados oficiales de computer use.

Código · Propietario de pago GOOGLE

Gemini 3.7 Flash

Generación Flash anterior para código complejo, agentes y ejecución multietapa; útil como punto de comparación con Gemini 3.8.

Texto y razonamiento · Propietario de pago GOOGLE

Nano Banana 2

Modelo de imagen de producción que combina generación, edición y razonamiento visual con equilibrio entre calidad, coste y latencia.

Imagen · Propietario de pago GOOGLE

Veo 3.1

Modelo de vídeo cinematográfico con audio nativo, extensión de escenas y control mediante fotogramas e imágenes de referencia.

Vídeo · Propietario de pago GOOGLE

Lyria 3.5

Modelo de música para canciones completas con voz, letra y control de estructura, estilo, duración e instrumentación.

Música · Propietario de pago GOOGLE

Gemini Embedding 2

Modelo de embeddings que sitúa texto, imágenes, vídeo, audio y PDF en un espacio vectorial común para búsqueda y RAG multimodal.

Embeddings · Propietario de pago GOOGLE

Gemini Robotics ER 2

Modelo especializado en comprensión física, vídeo, razonamiento espacial y orquestación de herramientas para sistemas robóticos.

Robótica · Propietario de pago META

Llama 4 Scout

Modelo multimodal de 17B parámetros activos y 16 expertos, diseñado para contexto de hasta 10 millones de tokens.

Multimodal · Pesos abiertos META

Segment Anything Model 3

Modelo de visión para detectar, segmentar y seguir conceptos abiertos en imágenes y vídeo mediante texto o ejemplos visuales.

Visión y documentos · Pesos abiertos DEEPSEEK

DeepSeek V3.2

Modelo abierto orientado a razonamiento y agentes, con pensamiento integrado en el uso de herramientas.

Texto y razonamiento · API y pesos abiertos DEEPSEEK

DeepSeek R1

Modelo de razonamiento abierto y familia de destilados, relevante para seguir la evolución del razonamiento verificable.

Texto y razonamiento · API y pesos abiertos MISTRAL AI

Mistral Small 4

Modelo híbrido que reúne instrucción, razonamiento y código en una opción eficiente con pesos abiertos.

Texto y razonamiento · API y pesos abiertos MISTRAL AI

Voxtral TTS

Modelo de texto a voz multilingüe con streaming y clonación zero-shot a partir de una referencia de voz.

Voz y audio · API y pesos abiertos MISTRAL AI

Mistral OCR 4.1

Servicio especializado de OCR con cajas por párrafo, etiquetas de bloques estructurales y puntuaciones de confianza.

Visión y documentos · Propietario de pago ALIBABA QWEN

Qwen3 235B A22B

Modelo MoE abierto de 235B parámetros totales y 22B activos, con modos de pensamiento y respuesta directa.

Texto y razonamiento · API y pesos abiertos ALIBABA QWEN

Qwen3‑Coder 480B A35B

Modelo MoE abierto especializado en ingeniería de software, navegación de repositorios y uso prolongado de herramientas.

Código · API y pesos abiertos MICROSOFT

Phi‑4 Multimodal

Modelo compacto de Microsoft que combina lenguaje, visión y audio, incluida transcripción y traducción de voz.

Multimodal · Pesos abiertos COHERE

Cohere Embed 4

Modelo de embeddings multimodales para texto, imágenes y documentos mixtos con dimensiones configurables.

Embeddings · Propietario de pago COHERE

Command R 08‑2024

Modelo comercial anterior optimizado para RAG, citas, herramientas y alto rendimiento en cargas empresariales.

Texto y razonamiento · Propietario de pago STABILITY AI

Stable Diffusion 3.5 Large

Modelo base de imagen de 8B parámetros para generación y edición, disponible por API y para despliegue propio bajo licencia de Stability.

Imagen · API y pesos abiertos STABILITY AI

Stable Audio 3.0

Modelo comercial para generar canciones, instrumentos y efectos desde texto o audio, con inpainting y transformación de estilo.

Música · Propietario de pago ELEVENLABS

Eleven v3

Modelo de texto a voz expresivo con etiquetas emocionales, diálogo entre varios hablantes y soporte para más de 70 idiomas.

Voz y audio · Propietario de pago ELEVENLABS

Scribe v2

Modelo de reconocimiento de voz para más de 90 idiomas, con diarización, tiempos por palabra, entidades y etiquetas de audio.

Voz y audio · Propietario de pago NVIDIA

NVIDIA Nemotron 3 Ultra

Modelo MoE abierto de 550B parámetros para orquestación, investigación, código y agentes de larga duración.

Texto y razonamiento · API y pesos abiertos NVIDIA

Nemotron Labs Dory 1.0 4B

Modelo de texto de NVIDIA publicado el 16 de octubre de 2026, con 4.000 millones de parámetros y arquitectura recurrente. Reutiliza un bloque de capas para ajustar el cómputo por token sin cambiar de checkpoint. Declara inglés y contexto validado de 256K tokens. No genera imágenes, audio ni vídeo.

Texto y razonamiento · Pesos abiertos MISTRAL AI

Timestral 5M

Familia numérica de Mistral publicada el 15 de octubre de 2026 en cuatro tamaños: 5M, 28M, 123M y 209M. Realiza predicción probabilística univariante y multivariante sin ajuste previo. Admite historia, covariables pasadas y covariables futuras conocidas; no conversa ni genera texto.

Series temporales · Pesos con restricciones MISTRAL AI

Timestral 28M

Familia numérica de Mistral publicada el 15 de octubre de 2026 en cuatro tamaños: 5M, 28M, 123M y 209M. Realiza predicción probabilística univariante y multivariante sin ajuste previo. Admite historia, covariables pasadas y covariables futuras conocidas; no conversa ni genera texto.

Series temporales · Pesos con restricciones MISTRAL AI

Timestral 123M

Familia numérica de Mistral publicada el 15 de octubre de 2026 en cuatro tamaños: 5M, 28M, 123M y 209M. Realiza predicción probabilística univariante y multivariante sin ajuste previo. Admite historia, covariables pasadas y covariables futuras conocidas; no conversa ni genera texto.

Series temporales · Pesos con restricciones MISTRAL AI

Timestral 209M

Familia numérica de Mistral publicada el 15 de octubre de 2026 en cuatro tamaños: 5M, 28M, 123M y 209M. Realiza predicción probabilística univariante y multivariante sin ajuste previo. Admite historia, covariables pasadas y covariables futuras conocidas; no conversa ni genera texto.

Series temporales · Pesos con restricciones BLACK FOREST LABS

FLUX 3 Image Klein

Modelo de imagen de 5.600 millones de parámetros publicado el 15 de octubre de 2026. Genera y edita imágenes desde texto y referencias, con control de composición mediante cajas. Distilled y Base son checkpoints distintos; no deben confundirse con FLUX 3 Image completo.

Imagen · Pesos con restricciones BLACK FOREST LABS

FLUX 3 Image Klein Base

Modelo de imagen de 5.600 millones de parámetros publicado el 15 de octubre de 2026. Genera y edita imágenes desde texto y referencias, con control de composición mediante cajas. Distilled y Base son checkpoints distintos; no deben confundirse con FLUX 3 Image completo.

Imagen · Pesos con restricciones META

Muse Spark Open

Modelo multimodal de Meta publicado el 15 de octubre de 2026, con 816.000 millones de parámetros totales y 42.000 millones activos. Recibe texto, imágenes, audio y vídeo y devuelve texto. Dispone de contexto combinado de un millón de tokens y variantes BF16 y NVFP4.

Multimodal · Pesos con restricciones LIQUID AI

d1-ultra

Modelo de decisiones multimodal de Liquid AI publicado el 15 de octubre de 2026. Recibe texto e imágenes y responde con probabilidades para opciones definidas, preguntas binarias o escalas. Utiliza el identificador d1-ultra en la API de decisiones; no genera texto libre.

Decisiones · Propietario de pago AI2

HiRO-ACEv2

Sistema de Ai2 anunciado el 14 de octubre de 2026 que combina el emulador atmosférico ACE2S-X-SHiELD con el modelo de difusión HiROv2. Transforma campos de aproximadamente 100 km en datos a 3 km de precipitación, viento a diez metros y presión al nivel del mar. El repositorio público incluye ambos checkpoints, configuración y datos de ejemplo; su creación el 12 de octubre no se confunde con la fecha del anuncio. No es un asistente conversacional ni genera imágenes convencionales.

Series temporales · Pesos abiertos XAI

Grok Voice 3.0

Modelo propietario de voz disponible desde el 14 de octubre de 2026 para conversaciones bidireccionales de audio y texto. El identificador versionado es grok-voice-3.0; grok-voice-latest es un alias que ya apunta a esta versión y no representa otro modelo. Sustituye a Grok Voice 2.0, declarado obsoleto, sin cambiar el endpoint, los parámetros de sesión ni los eventos. No debe confundirse con Grok Voice Transcribe 2.0 ni con el servicio separado de síntesis de voz.

Voz y audio · Propietario de pago MICROSOFT

UserRepGen-4B

Checkpoint de Microsoft basado en Qwen3.5-4B que convierte conversaciones de texto en una descripción de la tarea y del comportamiento observado. Los pesos se subieron al repositorio oficial el 14 de octubre de 2026. Genera representaciones para alimentar otro simulador: no produce por sí solo turnos de usuario ni ejecuta su tarea. Aunque conserva una arquitectura multimodal del modelo base, esta publicación solo admite texto y se ha evaluado en inglés.

Texto y razonamiento · Pesos abiertos MICROSOFT

AesCode 8B

Familia multimodal de Microsoft para convertir requisitos de contenido y referencias visuales opcionales en documentos HTML/CSS editables. Los checkpoints de 8B y 32B derivan respectivamente de Qwen3-VL-8B-Instruct y Qwen3-VL-32B-Instruct. Producen código, no imágenes rasterizadas ni archivos de vídeo. La referencia aporta composición y estilo, mientras que el prompt debe conservar la verdad de textos, cifras y relaciones. La publicación pública verificada es del 11 de octubre de 2026; la creación previa del repositorio no constituye su fecha de lanzamiento.

Código · Pesos abiertos MICROSOFT

AesCode 32B

Familia multimodal de Microsoft para convertir requisitos de contenido y referencias visuales opcionales en documentos HTML/CSS editables. Los checkpoints de 8B y 32B derivan respectivamente de Qwen3-VL-8B-Instruct y Qwen3-VL-32B-Instruct. Producen código, no imágenes rasterizadas ni archivos de vídeo. La referencia aporta composición y estilo, mientras que el prompt debe conservar la verdad de textos, cifras y relaciones. La publicación pública verificada es del 11 de octubre de 2026; la creación previa del repositorio no constituye su fecha de lanzamiento.

Código · Pesos abiertos ALIBABA QWEN

Qwen Image 2.1 Turbo

Modelo de generación y edición de imágenes publicado el 9 de octubre de 2026. El checkpoint Qwen/Qwen-Image-2.1-Turbo utiliza el componente visual de 7.000 millones de parámetros de Qwen Image 2.1, acelerado a ocho pasos de eliminación de ruido. La API utiliza el identificador qwen-image-2.1-turbo. Registramos ambas vías de acceso en una ficha, sin confundir Turbo con Pro ni crear duplicados por plataforma.

Imagen · Pesos con restricciones y API de pago MISTRAL

LIDstral Arabic

Clasificador de idiomas y dialectos publicado por Mistral en Hugging Face el 9 de octubre de 2026. Recibe texto escrito en alfabeto árabe y distingue árabe estándar, dialectos y otras lenguas que comparten ese sistema de escritura. No es un asistente generativo ni un modelo de transcripción. Combina fastText one-vs-all, un clasificador MLP y calibración isotónica por clase; devuelve una etiqueta y probabilidades calibradas sobre 51 clases.

Clasificación de texto · Pesos abiertos TENCENT

Youtu-Parsing-Omni

Modelo multimodal de Tencent con 5.000 millones de parámetros, publicado en Hugging Face el 9 de octubre de 2026. Analiza páginas, imágenes, gráficos, diagramas, geometría, audio y vídeo, y produce texto estructurado en un sobre OmniSchema JSON. No genera imágenes, música ni vídeo. Un encoder compartido procesa las modalidades antes del decodificador; la tarea solicitada determina el esquema y los elementos extraídos.

Multimodal · Pesos con restricciones AI2

Bwen 8B

Checkpoint de Ai2 incluido en el lanzamiento público del 7 de octubre de 2026, asociado a la publicación de Bolmo en Nature. Es un modelo autoregresivo que procesa texto como bytes UTF-8 mediante componentes locales, agrupación dinámica y un modelo global. La modalidad verificada es texto a texto: la posible extensión futura a imagen o audio no constituye una capacidad disponible. La fecha de creación del repositorio en agosto no se utiliza como fecha de lanzamiento.

Texto y razonamiento · Pesos abiertos AI2

Blama 8B

Checkpoint de Ai2 incluido en el lanzamiento público del 7 de octubre de 2026, asociado a la publicación de Bolmo en Nature. Es un modelo autoregresivo que procesa texto como bytes UTF-8 mediante componentes locales, agrupación dinámica y un modelo global. La modalidad verificada es texto a texto: la posible extensión futura a imagen o audio no constituye una capacidad disponible. La fecha de creación del repositorio en agosto no se utiliza como fecha de lanzamiento.

Texto y razonamiento · Pesos abiertos AI2

Bolmo 1B Stage 1

Checkpoint de Ai2 incluido en el lanzamiento público del 7 de octubre de 2026, asociado a la publicación de Bolmo en Nature. Es un modelo autoregresivo que procesa texto como bytes UTF-8 mediante componentes locales, agrupación dinámica y un modelo global. La modalidad verificada es texto a texto: la posible extensión futura a imagen o audio no constituye una capacidad disponible. La fecha de creación del repositorio en agosto no se utiliza como fecha de lanzamiento.

Texto y razonamiento · Pesos abiertos AI2

Bolmo 7B Stage 1

Checkpoint de Ai2 incluido en el lanzamiento público del 7 de octubre de 2026, asociado a la publicación de Bolmo en Nature. Es un modelo autoregresivo que procesa texto como bytes UTF-8 mediante componentes locales, agrupación dinámica y un modelo global. La modalidad verificada es texto a texto: la posible extensión futura a imagen o audio no constituye una capacidad disponible. La fecha de creación del repositorio en agosto no se utiliza como fecha de lanzamiento.

Texto y razonamiento · Pesos abiertos AI2

Bwen 8B Stage 1

Checkpoint de Ai2 incluido en el lanzamiento público del 7 de octubre de 2026, asociado a la publicación de Bolmo en Nature. Es un modelo autoregresivo que procesa texto como bytes UTF-8 mediante componentes locales, agrupación dinámica y un modelo global. La modalidad verificada es texto a texto: la posible extensión futura a imagen o audio no constituye una capacidad disponible. La fecha de creación del repositorio en agosto no se utiliza como fecha de lanzamiento.

Texto y razonamiento · Pesos abiertos AI2

Blama 8B Stage 1

Checkpoint de Ai2 incluido en el lanzamiento público del 7 de octubre de 2026, asociado a la publicación de Bolmo en Nature. Es un modelo autoregresivo que procesa texto como bytes UTF-8 mediante componentes locales, agrupación dinámica y un modelo global. La modalidad verificada es texto a texto: la posible extensión futura a imagen o audio no constituye una capacidad disponible. La fecha de creación del repositorio en agosto no se utiliza como fecha de lanzamiento.

Texto y razonamiento · Pesos abiertos GOOGLE

Gemini 4 Argon

Modelo de Google disponible de forma general desde el 13 de octubre de 2026. Acepta texto, imágenes, audio y vídeo y genera texto, incluido código; no genera imágenes, audio ni vídeo. Utiliza una arquitectura MoE y una ventana compartida de 1.048.576 tokens. Las aplicaciones a robótica emplean este mismo modelo, no un endpoint independiente.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Haiku 5.5

Modelo de Anthropic lanzado el 7 de octubre de 2026 para tareas frecuentes, sensibles al coste y a la latencia. Acepta texto e imágenes y devuelve texto, incluido código; no genera imágenes, audio ni vídeo. Su ventana de un millón de tokens y su pensamiento adaptativo amplían la familia Haiku, sin convertirlo en un sustituto universal de Sonnet u Opus para trabajos complejos.

Texto y razonamiento · Propietario de pago GOOGLE

Gemini Nano Banana 2.1

Modelo de Google para generación de imágenes y edición conversacional, disponible de forma general desde el 6 de octubre de 2026. Sustituye a Nano Banana 2, sin confundirlo con Nano Banana Pro. Acepta texto, imágenes, vídeo y PDF como contexto; produce imágenes y texto, no vídeo ni audio. Google anuncia mejoras visuales, de seguimiento de instrucciones, texto y consistencia entre ediciones.

Imagen · Propietario de pago IBM

Granite Timeseries Ensemble R1

Ensemble de predicción de series temporales publicado por IBM el 5 de octubre de 2026, según el evento público del repositorio oficial. Combina PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 y TTM-r3. Distribuye recetas reproducibles, no pesos fusionados ni un nuevo checkpoint entrenado: descarga los cuatro miembros desde sus respectivos repositorios al ejecutarse.

Series temporales · Ensemble abierto ALEPH ALPHA

Kolibri 1

Modelo de texto y código de Aleph Alpha, lanzado oficialmente el 3 de octubre de 2026 y centrado en alemán e inglés. Su arquitectura MoE tiene 78.100 millones de parámetros totales y activa unos 3.460 millones por token. Admite razonamiento configurable y llamadas a herramientas. Los pesos FP8 y BF16 se publican bajo Apache 2.0; son dos precisiones de la misma familia, no dos modelos independientes.

Texto y razonamiento · Pesos abiertos ALIBABA QWEN

Qwen Image 2.1 Pro

Servicio de generación y edición de imágenes incorporado al catálogo internacional de Alibaba Cloud el 2 de octubre de 2026. La familia Qwen Image 2.1 combina creación desde texto, edición localizada y transparencia nativa, con un componente visual de 7.000 millones de parámetros. Esta ficha identifica la variante API Pro, no los pesos descargables del modelo base.

Imagen · Propietario de pago COHERE

Cohere Embed 5 Pro

Modelo de embeddings para indexación de máxima calidad con texto, imágenes y documentos mixtos. Admite más de cien idiomas y comparte espacio vectorial con Embed 5 Fast, permitiendo indexar documentos con Pro y consultar con Fast sin reconstruir el índice.

Embeddings · Propietario de pago COHERE

Cohere Embed 5 Fast

Variante de embeddings orientada a búsquedas interactivas, consultas de agentes y tráfico elevado. Acepta texto, imágenes y documentos mixtos en más de cien idiomas. Comparte el espacio vectorial de Pro para consultar índices existentes con menor coste de texto.

Embeddings · Propietario de pago OPENAI

GPT‑6.1 Sol

Modelo de OpenAI para código complejo, uso de ordenador y trabajo profesional con entrada de texto e imagen. El proveedor lo sitúa cerca de Astra en rendimiento, a menor coste; comprueba ese equilibrio con tus propias tareas.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Opus 5.5

Nueva generación Opus para código agentivo, uso de ordenador y trabajo profesional prolongado, con contexto de un millón de tokens.

Texto y razonamiento · Propietario de pago ANTHROPIC

Claude Sonnet 5.5

Actualización de Sonnet para tareas cotidianas, código y documentos con mejor velocidad y un millón de tokens de contexto.

Texto y razonamiento · Propietario de pago XAI

Grok 4.7

Modelo de xAI para código, agentes y trabajo de conocimiento con entrada de texto e imagen.

Texto y razonamiento · Propietario de pago XAI

Grok Voice Transcribe 2.0

Segunda versión del modelo de transcripción de xAI para archivos y audio en directo.

Voz y audio · Propietario de pago GOOGLE

Gemini 3.8 Live

Modelo de conversación en directo que integra voz, vídeo y herramientas con baja latencia.

Voz y audio · Propietario de pago GOOGLE

Gemini 3.8 Live Extended Thinking

Variante de voz en directo con razonamiento en segundo plano para tareas complejas de varios pasos.

Voz y audio · Propietario de pago ALIBABA QWEN

Qwen3.8-Max

Familia principal Qwen3.8 para ingeniería de software, agentes y comprensión visual con contexto de un millón de tokens.

Texto y razonamiento · Propietario de pago ALIBABA QWEN

Qwen3.8-Flash

Variante eficiente de Qwen3.8 para texto y visión con contexto largo y salida extensa.

Texto y razonamiento · Propietario de pago ALIBABA QWEN

Qwen3.8-Omni-Flash

Modelo de comprensión de texto, imagen, audio y vídeo con respuesta textual y herramientas.

Multimodal · Propietario de pago ALIBABA QWEN

Qwen3.8-Omni-Flash-Realtime

Modelo audiovisual para interacción en tiempo real con salida de voz y texto, herramientas y MCP remoto.

Voz y audio · Propietario de pago ELEVENLABS

Eleven v4

Modelo de síntesis de voz expresiva para narración, personajes y diálogo en más de 90 idiomas.

Voz y audio · Propietario de pago ELEVENLABS

Eleven v4 Turbo

Variante de Eleven v4 optimizada para agentes de voz y respuestas expresivas en tiempo real.

Voz y audio · Propietario de pago Z.AI

GLM‑5.3

Modelo abierto de Z.AI orientado a ingeniería de software, agentes prolongados y razonamiento técnico.

Código · API y pesos abiertos Z.AI

GLM‑5.3‑Flash

Variante multimodal de 320.000 millones de parámetros totales y 18.000 millones activos, enfocada en eficiencia.

Multimodal · API y pesos abiertos ALIBABA QWEN

Qwen Image 3.0 Pro

Modelo visual para composición compleja, texto pequeño y edición a partir de hasta tres imágenes de referencia.

Imagen · Propietario de pago ALIBABA QWEN

Wan 3.0 Video Prime

Versión acelerada de Wan 3.0 para crear vídeos con referencias de texto, imagen, vídeo y audio.

Vídeo · Propietario de pago

Herramientas por problema

La utilidad antes que el directorio infinito.

DESARROLLO

Asistentes de código

Comprender repositorios, revisar cambios y automatizar pruebas.

Código INVESTIGACIÓN

Búsqueda con fuentes

Sintetizar evidencia conservando procedencia y límites.

Evidencia CREACIÓN

Imagen, vídeo, voz y audio

Generación y edición multimodal con criterios de control y coste.

Multimedia

Agentes y automatización

Sistemas que combinan modelos, herramientas, memoria y reglas de control.

PATRÓN

Agente con herramientas

Selecciona acciones, consulta servicios y verifica el resultado.

Herramientas PATRÓN

Flujo supervisado

Reserva las decisiones sensibles para una revisión humana explícita.

Control PATRÓN

Recuperación con fuentes

Conecta respuestas con documentos y referencias trazables.

RAG

Explorar por capacidad

Cada capacidad exige métricas y riesgos distintos.

TEXTO

Texto y razonamiento

Contexto, planificación, síntesis y resolución de problemas.

Comparar SOFTWARE

Programación

Generación, comprensión y mantenimiento de código.

Evaluar MULTIMODAL

Imagen, vídeo, voz y audio

Entradas y salidas que necesitan evaluar fidelidad, coste y derechos.

Modalidades
ANÁLISIS

Análisis relacionados

Del dato a la decisión: guía para elegir entre IA, BI y código en el análisis de datos
GUIA

Del dato a la decisión: guía para elegir entre IA, BI y código en el análisis de datos

Cómo distinguir entre exploración, informes recurrentes y decisiones operativas para seleccionar la herramienta adecuada, verificar resultados y gestionar riesgos de privacidad y coste.

17 oct. 2026
Automatizar flujos operativos con IA: cuándo el modelo es el cuello de botella
ANALISIS

Automatizar flujos operativos con IA: cuándo el modelo es el cuello de botella

Un marco práctico para decidir cuándo usar reglas, modelos predictivos o IA generativa en tareas operativas, y qué medir antes de automatizar.

17 oct. 2026
Cómo elegir una herramienta RAG según tus documentos y el riesgo de error
GUIA

Cómo elegir una herramienta RAG según tus documentos y el riesgo de error

Una guía para decidir entre búsqueda por palabras clave, búsqueda semántica y RAG, y para evaluar la estructura documental, la trazabilidad, la actualización, la latencia y el coste sin confundir relevancia con veracidad.

15 oct. 2026
GLM-5.1: qué verificar antes de desplegarlo como agente de programación
ANALISIS

GLM-5.1: qué verificar antes de desplegarlo como agente de programación

Z.AI presenta GLM-5.1 como un modelo para ingeniería agéntica y su ficha aparece en Hugging Face. Pero los datos disponibles no bastan para confirmar licencia, requisitos de ejecución, precio oficial ni resultados de benchmark. Esta guía separa lo documentado de lo pendiente y propone una lista de comprobación para evaluarlo.

03 oct. 2026
Cohere Embed 5 Pro: qué demuestra su ventaja en recuperación y qué falta para elegirlo
ANALISIS

Cohere Embed 5 Pro: qué demuestra su ventaja en recuperación y qué falta para elegirlo

Cohere atribuye a Embed 5 Pro el mejor resultado medio entre los modelos que probó y destaca la recuperación de documentos financieros. La información disponible no permite comprobar la puntuación, la metodología, el precio exacto ni todas las condiciones de uso.

03 oct. 2026
Cohere Embed 5 Fast: qué se sabe de sus capacidades, acceso y precio
ANALISIS

Cohere Embed 5 Fast: qué se sabe de sus capacidades, acceso y precio

La documentación aportada identifica Embed 5 Fast como parte de la familia Embed 5, pero no basta para confirmar sus modalidades de entrada, disponibilidad por canal, precio aplicable ni resultados de recuperación. Esto es lo que puede afirmarse y lo que aún debe comprobarse.

03 oct. 2026