Review: Claude 4 Sonnet
Claude 4 Sonnet a $3/MTok ofrece calidad frontier para coding y razonamiento. Buena relacion calidad-precio, pero lento y superado por Sonnet 4.6.
#claude#frontier-models#review#llm#benchmark
Evaluaciones
Reviews
Una review completa necesita metodología, benchmarks, pricing y veredicto por caso de uso. Lo que no cumple eso aparece como ficha pendiente, no como recomendación.
Reviews completas
Review: DeepSeek V4 Pro
DeepSeek V4 Pro iguala o supera a GPT-5.5 en coding algoritmico y razonamiento matematico, a 17x menos coste. El mejor modelo open-weight que existe.
#deepseek#open-weights#llm#benchmark#costes
Review: Gemini 3.5 Flash — velocidad frontier, precio Flash, matices reales
Gemini 3.5 Flash supera a 3.1 Pro en benchmarks agentic y cuesta 40% menos. Pero el coste real por tarea puede ser 5x superior a Flash 3.0. Review con datos, no marketing.
#gemini#google#frontier-models#review#agentes
Review: Claude Security Beta — escaneo de vulnerabilidades con IA
Claude Security promete encontrar vulnerabilidades que los SAST tradicionales no ven. En beta pública funciona, pero solo para Enterprise, sin datos de falsos positivos públicos y con preguntas abiertas sobre su validación automática.
#claude#seguridad#review#developer-tools#anthropic
Review: Gemini 2.5 Pro — el modelo con más contexto del mercado
Gemini 2.5 Pro tiene 1M tokens de contexto, excelente multimodal y pricing agresivo. Pero su API es errática y los rate limits hieren su caso de uso principal. Review con datos reales.
#gemini#google#frontier-models#review#multimodal
Review: Llama 4 Maverick — el open-weight que compite con frontier
Llama 4 Maverick es el modelo open-weight más capaz de Meta. MoE eficiente, buen español, y self-hosting real. Pero no llega al nivel de Opus 4.7 ni GPT-5 en razonamiento profundo.
#llama#meta#open-weights#review#moe
Review: Mistral Large 3 — el modelo europeo que mejoró mucho
Mistral Large 3 mejoró en coding y agentes, con Agents API nativo y pricing competitivo. Pero su razonamiento sigue por debajo de frontier y el español es su punto débil.
#mistral#review#open-weights#european-ai#agents
Review: DeepSeek R2
DeepSeek R2 ofrece calidad frontier a precio de commodidad. No es perfecto, pero redefinió lo que esperamos de un modelo open-weight.
#deepseek#open-weights#llm#benchmark#costes
Review: Claude 4 Opus
Claude 4 Opus es el mejor modelo de coding del mercado. Caro, pero si tu trabajo depende de escribir código, merece cada céntimo.
#claude#frontier-models#llm#benchmark#coding-agents
Review: GPT-5
GPT-5 sigue siendo el modelo más versátil del mercado. No es el mejor en nada, pero es excelente en casi todo. Review con datos reales.
#openai#frontier-models#llm#benchmark
Fichas pendientes
Estas URLs existen para organizar el roadmap editorial, pero todavía no son reviews completas.
Grok 3
Ficha editorial pendiente de review completa de Grok 3, modelo frontier de xAI. Todavía no incluye metodología propia, benchmarks verificados ni recomendación final; se mantiene visible como entrada planificada.
#frontier-models#review#grok
Llama 4 Scout
Ficha editorial pendiente de review completa de Llama 4 Scout, modelo open-weight de Meta. Todavía no incluye metodología propia, benchmarks verificados ni recomendación final; se mantiene visible como entrada planificada.
#open-weights#review#llama
Qwen 3 235B
Ficha editorial pendiente de review completa de Qwen 3 235B, modelo open-weight de Alibaba/Qwen. Todavía no incluye metodología propia, benchmarks verificados ni recomendación final; se mantiene visible como entrada planificada.
#open-weights#review#qwen