¿Cuál es la mejor IA para programar? Lo que 1.200 desarrolladores lanzan realmente

La mayoría de las respuestas a esta pregunta parten de un benchmark o del gusto de alguien. Nosotros tenemos otro punto de partida: un registro de qué modelo elige la gente cuando tiene trabajo que hacer.

AgentsRoom es una app de escritorio que ejecuta agentes de código uno junto a otro. Cuando alguien lanza un agente, la app anota el CLI y el modelo, y nada sobre el trabajo en sí. Este artículo lee 28 días de esos registros, del 9 de octubre al 5 de noviembre de 2026: 205.366 lanzamientos y 1.194 cuentas con sesión iniciada.

La respuesta corta. Si quieres un solo nombre, es Opus en Claude Code: queda primero se cuente como se cuente. GPT-6.1 Sol en Codex queda segundo. Pero buena parte de esa ventaja es un valor por defecto que pusimos nosotros mismos, y las cifras dicen más sobre cómo elige la gente que sobre qué modelo escribe mejor código.

La clasificación, contada de tres formas

Los lanzamientos están repartidos de forma muy desigual. La cuenta mediana lanzó 10 agentes en 28 días, y diez cuentas hicieron el 35 % de todos los lanzamientos. Una sola cuenta con unas pocas tareas programadas puede mover un modelo varios puntos, así que aquí está la misma clasificación contada de tres formas: todos los lanzamientos, los lanzamientos sin las diez cuentas más activas, y una cuenta, un voto (el modelo que cada cuenta lanzó más).

Tres cosas que leer en esa tabla.

Las dos primeras líneas de Opus son un solo modelo. El alias opus sigue a la última versión, y Claude Code lo resuelve a Opus 5.5 desde la versión 2.1.280. Sumadas, Opus 5.5 supone el 37 % de los lanzamientos y es el modelo principal de algo más de la mitad de las cuentas.

Sonnet es un segundo modelo. Hace el 13 % de los lanzamientos, pero es el modelo principal de solo el 6 % de las cuentas: la gente lo usa junto a otra cosa.

Contar personas cambia el panorama. Gemini 3.8 Flash pasa del 1,3 % de los lanzamientos al 4,6 % de las cuentas. A nivel de CLI, la diferencia es mayor:

Nuestro propio valor por defecto está en esta clasificación

Esta es la parte que un benchmark de fabricante nunca tendría que admitir. En AgentsRoom, cada rol integrado llega con un modelo sugerido: Opus para fullstack, frontend, backend, arquitecto, seguridad y móvil, Sonnet para QA, PM, DevOps y git, Haiku para marketing y traducción. Crea un agente fullstack y el selector ya está en Opus.

Se ve en los datos. En Claude Code, el modelo más lanzado para agentes DevOps, PM y QA es Sonnet, y para agentes fullstack, backend y arquitecto es Opus. Es nuestra tabla de valores por defecto, casi línea por línea. Así que no te diremos que los desarrolladores prefieren Sonnet para QA. En su mayoría, se quedaron con lo que sugerimos.

La inercia hace el resto: para el 70 % de las cuentas, el primer modelo lanzado en el periodo es también el que más lanzaron.

La señal más honesta está en las elecciones que nadie hace por accidente. 198 cuentas fijaron Opus 5.5 a mano aunque el alias les daba el mismo modelo. 116 lanzaron Fable y 121 fijaron Sonnet 5.5, y ninguno de los dos es el valor por defecto de ningún rol. Estos grupos son más pequeños, y son las personas que miraron la lista y decidieron.

Lo que la gente delega en la automatización

Sin las diez cuentas más activas, el 28 % de los lanzamientos viene de un ticket del backlog, un run de equipo o un disparador, y el resto sobre todo de alguien que abre o reanuda un agente. Las diez más activas son otro mundo: el 68 % de sus lanzamientos parte de la automatización. Esas cuentas han dejado en gran medida de lanzar agentes a mano.

Proporción de los lanzamientos de cada modelo que parten de la automatización, sin esas diez cuentas:

En Claude Code, los niveles se separan como cabría esperar: alrededor del 20 % para Opus, alrededor del 40 % para Sonnet y Haiku. Nuestro valor por defecto infla la cifra de Sonnet, ya que los puestos de QA y PM de un run de equipo arrancan con él, y Sonnet 5.5 fijado se queda en el 18 %. En Codex no existe ese patrón, y GPT-6 Astra, el modelo de frontera de la lista, está en el 40 %. Así que no convertiríamos esto en una ley. Lo más parecido a una regla que podemos defender: en Claude Code, la gente reserva el nivel más potente para el trabajo que vigila, y delega más rutina en los más baratos.

El esfuerzo sigue la misma lógica. Entre los lanzamientos donde se definió uno, high domina en Opus (48 %) y en GPT-6.1 Sol (59 %), y medium domina en Sonnet (61 %). El esfuerzo de razonamiento es un ajuste aparte, y quienes fijan Opus 5.5 lo llevan más lejos: xhigh o max en el 25 % de sus lanzamientos, frente al 20 % con el alias.

Pocos se quedan en uno

El 30 % de las cuentas lanzó un solo modelo en 28 días, y el 21 % lanzó seis o más. Los valores por defecto por rol inflan eso, ya que pueden poner Opus y Sonnet en la misma cuenta sin que nadie lo decida. El recuento por CLI es más limpio, porque un segundo CLI supone una instalación y un inicio de sesión: el 45 % de las cuentas lanzó al menos dos.

El solapamiento está desequilibrado. Más de ocho de cada diez cuentas de Codex también lanzaron Claude. Menos de tres de cada diez cuentas de Claude lanzaron Codex. Para buena parte de estos desarrolladores, la respuesta a «qué modelo es el mejor» es una pareja, y es un resultado razonable.

Un pequeño detalle, sobre una muestra pequeña: 6 de las 34 cuentas en GitHub Copilot lanzaron algo en fin de semana, frente al 47 % de las cuentas de Claude y el 52 % de las de Codex. Encajaría con una herramienta que paga un empleador, aunque no podemos demostrarlo.

Un modelo nuevo toma el relevo en una semana más o menos, si es el modelo por defecto

GPT-6.1 Sol aparece por primera vez en nuestros registros el 29 de septiembre, y el 1 de octubre pasó a ser el modelo que recibe un nuevo agente de Codex salvo que elijas otro. Entre los principales modelos de Codex, su cuota de lanzamientos evolucionó así, semana a semana: 19 %, 50 %, 53 %, 61 %, 68 %, 65 %. En esas mismas seis semanas, GPT-5.6 Sol pasó de 82 cuentas a 24.

Esas 24 son interesantes. También lo son las 17 cuentas que siguen lanzando Opus 5 en la semana del 2 de noviembre, que aún estaba en curso cuando extrajimos estas cifras. Algunas se quedan por elección, y otras porque un plan no ofrece el modelo más reciente. Nuestros datos no permiten separarlas.

En Claude Code, una versión nueva apenas se nota. Todos los que están en el alias cambian sin hacer nada, y por eso Opus 5.5 fijado subestima el modelo.

También hay una trampa en leer los lanzamientos como popularidad. Sin las diez cuentas más activas, Codex cayó del 26 % de los lanzamientos en la semana del 21 de septiembre al 16 % en la semana del 2 de noviembre. Sin embargo, la proporción de cuentas activas que lanzan Codex fue del 36 % en ambos extremos, y se mantuvo entre el 33 % y el 38 % entre medias. Más o menos la misma proporción de personas, que lanzan en él una parte menor de sus agentes. Si solo tuvieras la primera cifra, escribirías el titular equivocado.

Modelos gratuitos y locales

Mucha gente busca el mejor modelo gratuito, o el mejor para ejecutar en local. Estos datos no pueden responder a eso. Freebuff, gratuito y financiado con publicidad, hace el 0,3 % de los lanzamientos. Los modelos locales a través de Ollama hacen el 0,2 %, en 47 cuentas. Nuestros usuarios en su mayoría ya pagan una suscripción, así que una cuota baja aquí no es un veredicto. Si lo que buscas es lo local, empieza por cómo ejecutamos Ollama junto a agentes en la nube.

Lo que estas cifras no pueden decirte

• Un lanzamiento no es una nota de calidad. Nada aquí mide si el código funcionó o se fusionó.
• Un lanzamiento no es un volumen de trabajo. Una corrección de cinco minutos y un run de toda la noche cuentan igual, y una sesión reanudada cuenta como lanzamiento (el 20 % del total).
• La muestra no son todos los desarrolladores. Son personas que ya manejan varios agentes desde una app de escritorio que nació en torno a Claude Code, así que Claude está sobrerrepresentado, y solo se cuentan las cuentas que siguen compartiendo sus datos de uso.
• Nuestros valores por defecto están en las cifras, como se describe arriba.

Cómo elegir sobre tu propio código

Como ninguna clasificación conoce tu repositorio, esta es la prueba que haríamos:

1. Toma una tarea real cuyo resultado sepas juzgar, idealmente una que ya hayas resuelto.
2. Da exactamente el mismo prompt a dos o tres modelos, cada uno en su propio worktree de git para que no puedan tocar los archivos de los otros.
3. Compara los diffs, el tiempo y el coste.
4. Hazlo tres veces con tareas distintas. Un solo intento no demuestra nada.

Comparar agentes hace los pasos 2 y 3 desde un solo lanzador, y esa página también da el método a mano con comandos git normales, si prefieres no instalar nada. Para encontrar el mismo nivel entre CLI, usa la tabla de equivalencias de modelos. Para elegir la herramienta en lugar del modelo, mira cómo elegir según tu forma de trabajar. La versión en directo de estas cifras, en 7, 30 o 90 días o 12 meses, está en la página de uso.

Preguntas frecuentes

¿Cuál es la mejor IA para programar ahora mismo?

Ninguna medición puede señalar una para tu código. Lo que sí podemos decir es qué se usa: en los 28 días que terminan el 5 de noviembre de 2026, Opus en Claude Code fue el modelo más lanzado, con el 37 % de los lanzamientos al sumar el alias y Opus 5.5 fijado, y el modelo principal de algo más de la mitad de las cuentas. GPT-6.1 Sol en Codex quedó segundo con el 13 %. Parte de la ventaja de Opus viene de nuestro propio valor por defecto, y un lanzamiento no dice nada sobre la calidad del resultado.

¿Cuál es la mejor IA gratis para programar?

Estas cifras no pueden responder a eso. Las personas de esta muestra pagan sobre todo una suscripción: Freebuff, gratuito y financiado con publicidad, hace el 0,3 % de los lanzamientos, y los modelos locales a través de Ollama el 0,2 %. Una cuota baja aquí no es un veredicto sobre esas herramientas. Haz la misma prueba descrita arriba con una tarea tuya, con las opciones gratuitas que de verdad puedas usar.

¿Es Opus mejor que GPT-6.1 Sol para programar?

No lo sabemos, y estos datos no pueden decirlo. Muestran que más cuentas lanzan Opus, no que Opus escriba mejor código. Más de ocho de cada diez cuentas de Codex también lanzaron Claude en el periodo, lo que sugiere que muchos desarrolladores conservan ambos en lugar de zanjar la cuestión. La prueba honesta es la misma tarea en ambos, sobre tu repositorio, repetida unas cuantas veces.

¿Debo fijar una versión del modelo o usar el alias?

Un alias como opus sigue a la última versión, así que recibes los modelos nuevos sin hacer nada, y tus resultados pueden cambiar sin aviso. Una versión fijada como Opus 5.5 se queda donde está hasta que la cambies, lo que es útil para tareas programadas y para comparar runs. 198 cuentas fijaron Opus 5.5 en el periodo aunque el alias ya apuntaba a él.

¿Qué esfuerzo de razonamiento usan los desarrolladores?

Entre los lanzamientos donde se definió un esfuerzo, high domina en Opus (48 %) y en GPT-6.1 Sol (59 %), y medium domina en Sonnet (61 %). Las cuentas que fijan Opus 5.5 van más lejos que el alias: xhigh o max en el 25 % de los lanzamientos frente al 20 %.

¿Cómo se recogieron estas cifras?

Cuando un agente arranca, la app de escritorio AgentsRoom registra el CLI, el modelo, el esfuerzo de razonamiento, el rol del agente y cómo se lanzó el agente, y nada más: ni prompt, ni proyecto, ni archivo, ni nombre. Solo contribuyen los usuarios que mantienen activado «Compartir datos de uso». La versión en directo, actualizada cada diez minutos, está en la página pública de uso.