Equivalencias de modelos de IA: el Opus, el Sonnet y el Haiku de cada CLI de código

GPT-6.1 Sol. En la tabla de arriba, Claude Opus y GPT-6.1 Sol están los dos en el nivel Opus: el flagship sobre el que corre la mayor parte del trabajo serio de programación, un escalón por debajo del nivel de frontera. El modelo de frontera de Codex, el equivalente de Fable, es GPT-6 Astra. Para el trabajo de nivel Sonnet, el modelo de Codex es GPT-6 Luna. Y el modelo de nivel Haiku de la lista es Codex Spark.

Gemini 3.1 Pro (High), en Antigravity. Gemini Pro es la línea flagship de Google, así que está en el nivel Opus. Gemini Flash hace el papel de Sonnet: hoy, Gemini 3.8 Flash (High).

GPT-6 Luna, en Codex. La línea equilibrada de OpenAI está en el nivel Sonnet: lo bastante potente para la mayoría de las funcionalidades, más barata que el flagship.

Codex Spark, en Codex: el modelo ligero y rápido de la gama, para renombrados, pequeñas correcciones y preguntas rápidas.

Mismo nivel no significa mismos resultados. GPT-6.1 Sol y Opus 5.5 hacen el mismo papel en la gama de su respectivo fabricante, pero siguen diferenciándose en precio, velocidad, ventana de contexto, límites de uso y las tareas que mejor resuelven, y los rankings de benchmarks entre los dos cambian con cada versión. La respuesta fiable es ejecutar los dos sobre una misma tarea tuya: AgentsRoom lanza un agente en cada uno, lado a lado, en el mismo proyecto.

Hoy, Opus también está en las listas de modelos de Antigravity, OpenCode, Aider, GitHub Copilot, oh-my-pi y Devin, con el nombre que le da cada CLI. Misma familia, mismo nivel: la equivalencia no cambia con el CLI que lo sirve.

Porque la escala sigue el papel que desempeña un modelo, y nunca exagera. Las familias de pesos abiertos suelen tener una relación calidad-precio excelente y varios CLI las incluyen, pero situar una en el nivel Opus sería decirte que puede sustituir a Opus en cualquier tarea, algo que ninguna ha demostrado en todos los frentes. Sus versiones ligeras están en el nivel Haiku.

Porque no son un modelo: GitHub Copilot (Auto), Amp (Amp default), Freebuff (Freebuff default), Devin (Adaptive) y Cursor (Default) dejan que el servicio elija un modelo en cada petición, así que no hay una capacidad fija que comparar. La tabla los deja fuera antes que adivinar.

Se calcula cada vez que se abre la página, a partir del mismo catálogo de modelos que la app AgentsRoom sirve a cada ordenador y a cada teléfono. Cuando AgentsRoom añade un modelo que un CLI acaba de publicar, aparece aquí al instante, en su nivel, y la versión que sustituye se marca como anterior. Las llamas de popularidad se actualizan cada diez minutos a partir de los últimos 30 días de lanzamientos.

Sí, de dos formas, y las dos solo sugieren. AI Suggestion dimensiona la tarea antes de que se abra la sesión (Rápida, Estándar, Compleja o Extrema) y abre el agente en el modelo más barato de su CLI que todavía puede hacerla. Adaptive Mode lee tu borrador una vez que el CLI está en marcha y sugiere un modelo más ligero cuando la tarea no necesita el flagship, o te confirma que el actual es el adecuado.