Curso
Introducción a los modelos Claude
3 h
10.6K
Los flujos de trabajo agentic han marcado la primera mitad de 2026, sobre todo en programación: modelos que toman un único prompt y llevan la tarea hasta el final. La competición ahora se decide en tres ejes a la vez: capacidad, velocidad y precio. Anthropic y Google han apostado por estrategias claramente distintas.
Este artículo compara dos lanzamientos recientes: Gemini 3.5 Flash de Google, anunciado en Google I/O, y Claude Opus 4.8 de Anthropic, publicado el 28 de mayo. No compiten en la misma liga. Uno es un caballo de batalla rápido y barato; el otro, un buque insignia premium. Ese hueco hace que la comparación merezca la pena, porque obliga a preguntarse cuándo compensa pagar por pura capacidad.
En este artículo compararé ambos en benchmarks, coste y velocidad, y luego te diré cuál encaja mejor en cada tipo de tarea. También puedes leer nuestros análisis en profundidad sobre Gemini 3.5 Flash y nuestro reporte de Claude Opus 4.8.
En pocas palabras
- Opus 4.8 es el modelo más capaz en general. Lidera el Artificial Analysis Intelligence Index (61,4), GDPval-AA (1.890 Elo) y Humanity's Last Exam.
- Gemini 3.5 Flash es mucho más barato y rápido: 1,50/9 $ por millón de tokens frente a los 5/25 $ de Opus 4.8, y 192,2 tokens de salida por segundo frente a 66,8.
- Gemini 3.5 Flash acepta entrada multimodal (vídeo, audio, PDF), mientras que Opus 4.8 maneja solo texto e imagen.
- Elige Opus 4.8 cuando la calidad de la tarea y el riesgo de alucinaciones tengan un coste real. Elige Gemini 3.5 Flash para pipelines multimodales, de alto volumen y sensibles al coste.
Perfeccionamiento en IA para principiantes
Aprende los fundamentos de la IA y ChatGPT desde cero.
¿Qué es Claude Opus 4.8?
Claude Opus 4.8 es el modelo insignia de Anthropic y el sucesor de Opus 4.7, diseñado para razonamiento complejo y programación agentic de largo recorrido. Actualmente encabeza el Artificial Analysis Intelligence Index con 61,4 puntos.
También lidera el ranking GDPval-AA, que evalúa modelos en tareas del mundo real en distintas profesiones, y el nuevo benchmark ITBench-AA, que prueba cómo de bien diagnostican los agentes la causa raíz de incidentes de Kubernetes a partir de instantáneas guardadas.
Funciones y capacidades clave
Sus especificaciones destacadas:
- ventana de contexto de 1M de tokens con hasta 128K tokens de salida
- pensamiento adaptativo como único modo de razonamiento
- un parámetro de esfuerzo que ahora viene por defecto en alto en todas partes, incluido Claude Code
Opus 4.8 también añade un modo rápido, actualmente en vista previa de investigación, que entrega hasta 2,5 veces más tokens de salida por segundo a 10/50 $ por millón de tokens de entrada/salida. Es el doble del precio estándar de Opus 4.8, pero un tercio de lo que cuesta el modo rápido en Opus 4.7.
La Messages API ahora acepta entradas de sistema dentro del array de mensajes, así que puedes actualizar las instrucciones de Claude a mitad de tarea sin reiniciar la conversación. Puedes enviar permisos, presupuestos de tokens o contexto del entorno sin romper la caché del prompt.
La longitud mínima de prompt cacheable también baja a 1.024 tokens, desde 4.096 en Opus 4.7, por lo que ahora se pueden cachear prompts más cortos.
Frente a Opus 4.7, las mejoras se notan en varios benchmarks, según Artificial Analysis:
- Terminal-Bench Hard: +6,6 puntos
- τ²-Bench Telecom, que simula escenarios de soporte técnico: +5,8 puntos
- IFBench, que mide la precisión al seguir instrucciones: +3,6 puntos
También lidera Humanity's Last Exam, con un 49,8% sin herramientas y un 57,9% con herramientas.
Ventajas y desventajas
En trabajo agentic, Opus 4.8 es la opción más sólida en esta comparación. Ocupa el primer puesto en el Agentic Index de Artificial Analysis, que cubre tareas como programación.
El coste es la pega. El precio se mantiene respecto a Opus 4.7 en 5/25 $ por millón de tokens de entrada/salida, lo que es elevado para trabajos de alto volumen. Tampoco hay controles de muestreo: temperature, top_p y top_k devuelven error si los configuras.
Introducción a los modelos Claude
Aprende a trabajar con Claude utilizando la API de Anthropic para resolver tareas del mundo real y crear aplicaciones basadas en inteligencia artificial.
¿Qué es Gemini 3.5 Flash?
Gemini 3.5 Flash es el último modelo de Google, optimizado para velocidad con calidad cercana a la frontera, como contamos en nuestro overview de Gemini 3.5 Flash. Obtuvo un 76,2% en Terminal-Bench 2.1 y alcanzó 1.656 Elo en GDPval-AA.
Funciones y capacidades clave
Flash acepta texto, imágenes, vídeo, audio y PDFs como entrada, con soporte completo de niveles de razonamiento. El conjunto de funciones principal:
- contexto de entrada de ~1M de tokens (1.048.576 tokens) con un límite de salida de 65.536 tokens
- Batch API y caché de prompts
- ejecución de código y function calling
- search grounding y salidas estructuradas
En benchmarks, alcanza el 83,6% en MCP Atlas para coordinación agentic multi-herramienta y el 84,2% en CharXiv Reasoning para comprensión multimodal. Ocupa el 7.º puesto en el Artificial Analysis Intelligence Index, muy fuerte para un modelo de la gama Flash, y el 6.º en el Agentic Index, cerca de Opus 4.7.
Gemini 3.5 Flash también soporta de forma nativa el framework multiagente Antigravity. La interfaz de Antigravity se rediseñó en esta versión para asemejarse a las apps OpenAI Codex y Cursor.
Ventajas y desventajas
La propuesta de Flash es inteligencia por dólar: una puntuación de 55 en el Artificial Analysis Intelligence Index a 1,50 $ por millón de tokens de entrada y 9 $ por millón de salida, una capacidad inusualmente alta para ese precio.
La otra gran baza es la entrada multimodal nativa, con vídeo y audio incluidos. Su sistema de cuatro niveles de razonamiento (mínimo, bajo, medio, alto) también te da un control de coste y rendimiento más fino que el único ajuste de esfuerzo de Opus 4.8.
Aun así, lo que más destaca es el uso de herramientas en modo agentic. Flash logra un 83,6% en MCP Atlas, el mejor resultado de coordinación multi-herramienta en esta comparación e incluso por delante de Opus 4.8 con 82,2%. Que un modelo de la gama Flash supere al nuevo buque insignia de Anthropic en ese benchmark es algo que normalmente no rompe por líneas de gama.
Hay dos advertencias claras. En la ejecución del Intelligence Index, Flash generó 73M de tokens frente a una media de 35M, así que es verboso, y esa verbosidad te cuesta en la facturación de salida. El tiempo hasta el primer token es de 18,88 segundos, alto para su clase, donde los modelos comparables rondan los dos segundos.
Para ver cómo se mide Flash frente al buque insignia de OpenAI, los comparamos en nuestro artículo Gemini 3.5 Flash vs. GPT-5.5.
Claude Opus 4.8 vs Gemini 3.5 Flash: comparación cara a cara
Aquí tienes un resumen rápido antes de ir categoría por categoría.
| Propiedad | Claude Opus 4.8 | Gemini 3.5 Flash |
|---|---|---|
| Lanzamiento | 28 de mayo de 2026 | 19 de mayo de 2026 |
| Ventana de contexto | 1M tokens | 1M tokens |
| Tokens máximos de salida | 128K | 65.536 |
| Intelligence Index (AA) | 61,4 | 55 |
| GDPval-AA Elo | 1.890 | 1.656 |
| Velocidad de salida | 66,8 tokens/seg | 192,2 tokens/seg |
| Modalidades de entrada | Texto, imagen | Texto, imagen, vídeo, audio, PDF |
| Precio de entrada | 5 $ / 1M tokens | 1,50 $ / 1M tokens |
| Precio de salida | 25 $ / 1M tokens | 9 $ / 1M tokens |
| Modos de razonamiento | Solo adaptativo | Mínimo / bajo / medio / alto |
Rendimiento agentic y en programación
Opus 4.8 es el agente más fuerte, pero Flash está más cerca de lo que su gama sugiere. Opus 4.8 lidera GDPval-AA con 1.890 Elo frente a 1.656 de Flash, así que es mejor en trabajo de conocimiento.
MCP Atlas es la sorpresa. Flash logra un 83,6% en este benchmark de coordinación multi-herramienta, superando por poco el 82,2% de Opus 4.8. Que un modelo Flash supere al nuevo buque insignia de Anthropic en uso de herramientas agentic es realmente inesperado, y es el argumento más claro a favor de Flash en esta comparación.
SWE-bench Pro va en sentido contrario. El benchmark evalúa la resolución de tickets reales de ingeniería de software, y Opus 4.8 alcanza el 69,2%, solo por detrás del Mythos Preview interno de Anthropic. Flash llega al 55,0%, por detrás de Opus en la diferencia esperable entre gamas, pero destacable en sí mismo: supera el 54,2% de Gemini 3.1 Pro, así que este Flash ha alcanzado a la gama Pro de la generación anterior.
En Terminal-Bench Hard, Opus 4.8 obtiene un 58,3% frente al 40,9% de Flash, lo que lo convierte en la mejor opción para ingeniería de software basada en terminal, administración de sistemas y trabajos de procesamiento de datos. Flash tiene sentido cuando ejecutas bucles de código en paralelo y la velocidad y el coste pesan más que la precisión máxima.
Razonamiento y tareas científicas
Opus 4.8 está claramente por delante en razonamiento académico. Logra un 57,9% en Humanity's Last Exam frente al 40,25% de Flash, lo que lo favorece para trabajos de matemáticas, ciencia y humanidades.
Soporte de entrada multimodal
Aquí la victoria es clara para Flash. Opus 4.8 lee texto e imágenes; Flash también procesa vídeo, audio y PDFs. Si tu pipeline toca cualquiera de esos formatos, de los dos solo Flash los maneja.
Velocidad y latencia
Flash es aproximadamente tres veces más rápido en salida. Artificial Analysis lo mide en 192,2 tokens de salida por segundo frente a 66,8 de Opus 4.8.
Coste y eficiencia de tokens
La diferencia muerde en los tokens de salida: 25 $ por millón en Opus 4.8 frente a 9 $ en Flash, así que Opus es ~2,8 veces más caro. En pipelines de alto volumen, esa diferencia se acumula muy rápido.
Ventana de contexto y capacidad de salida
Ambos aceptan 1M de tokens de entrada, así que la diferencia está en la salida. Opus 4.8 escribe hasta 128K tokens en una pasada frente a los 65.536 de Flash, casi el doble. Para síntesis de código de largo formato, generación de documentos o bucles agentic que emiten salidas largas de una sola pasada, ese margen importa.
¿Qué modelo deberías elegir?
Todo se reduce a si pagas por capacidad o por rendimiento (throughput). Así lo dividiría.
Elige Claude Opus 4.8 si…
- La calidad al completar tareas tiene consecuencias directas. Su 1.890 Elo en GDPval-AA y su menor tasa de alucinaciones que los modelos de Google y OpenAI en AA-Omniscience lo hacen más seguro para trabajo de alta precisión.
- Necesitas 128K tokens de salida para generación de gran tamaño en una sola pasada, casi el doble que los 65.536 de Flash.
- Ya estás construyendo en el ecosistema Anthropic mediante Claude Code o la API y cambiar te supondría fricción.
- Tus bucles agentic se alargan lo suficiente como para que los mensajes de sistema a mitad de conversación importen, ya que la Messages API ahora actualiza permisos, presupuestos de tokens o contexto a mitad de tarea sin romper la caché del prompt.
Elige Gemini 3.5 Flash si…
- Tu pipeline ingiere vídeo, audio o PDFs.
- Necesitas volumen de salida, donde 9 $ frente a 25 $ por millón de tokens cambia las cuentas.
- Quieres la mejor puntuación en coordinación multi-herramienta, ya que Flash lidera MCP Atlas con 83,6%, por delante incluso de Opus 4.8 con 82,2%.
- Estás construyendo sobre infraestructura de Google con Antigravity o Vertex AI y prefieres un único proveedor.
- Te importa el control fino de costes, donde los cuatro niveles de razonamiento de Flash superan el único ajuste de esfuerzo de Opus 4.8.
Qué viene después para Flash y los modelos insignia
Este modelo Flash es bastante más caro que lanzamientos Flash anteriores, y Google ha recibido críticas por ello. La brecha de inteligencia entre las gamas Flash y Opus sigue siendo importante, lo que debilita el argumento de pagar precios casi de insignia por un modelo Flash. La carrera más interesante es la de un modelo pequeño que sea realmente bueno programando y en trabajo agentic, y que siga siendo tan barato como el Composer 2.5 de Cursor.
El modo rápido de Anthropic es al que hay que seguirle la pista para programación agentic, pero el precio lo frenará. A 10/50 $, es difícil de justificar para desarrolladores que ejecutan bucles largos, y su adopción dependerá de que Anthropic reconsidere esa cifra.
Anthropic se ha mantenido centrada en la programación, así que dudo que persiga a Google en entrada de vídeo y audio a corto plazo. Eso le abre una oportunidad a Google, pero solo si puede lanzar un modelo Flash o insignia que supere a Opus en tareas agentic. De momento no lo ha hecho.
Reflexiones finales
Si la calidad de la tarea y el riesgo de alucinaciones tienen un coste real —en finanzas o medicina, por ejemplo—, Opus 4.8 es el modelo al que acudir. Si optimizas por rendimiento, coste o entrada multimodal, Gemini 3.5 Flash encaja mejor.
Mi impresión: en realidad no compiten por el mismo trabajo, y la mayoría de equipos sabrán de qué lado están con solo describir su carga de trabajo en una frase. La pregunta más difícil es si Google puede cerrar la brecha de capacidad sin renunciar a la ventaja de precio que hace que Flash merezca la pena. Google ya está usando Gemini 3.5 Pro internamente, y ese lanzamiento, más que Flash, es el que probablemente pondrá presión real sobre Opus 4.8.
Si quieres afilar las habilidades que hacen más fiables a los asistentes de IA en tu propio flujo de trabajo, te recomendaría empezar por nuestro curso AI-Assisted Coding for Developers. Y si quieres crear aplicaciones LLM con prompts, cadenas y agentes, nuestro curso Developing LLM Applications with LangChain es un buen siguiente paso.
Preguntas frecuentes sobre Claude Opus 4.8 vs Gemini 3.5 Flash
¿Es Claude Opus 4.8 mejor que Gemini 3.5 Flash en general?
En benchmarks de inteligencia global, sí. Opus 4.8 obtiene 61,4 en el Artificial Analysis Intelligence Index frente a 55 de Flash. Pero mejor depende del caso de uso. Flash es más rápido, más barato y soporta entradas de vídeo, audio y PDF que Opus 4.8 no maneja.
¿Qué formatos de entrada admite Gemini 3.5 Flash?
Gemini 3.5 Flash admite entradas de texto, imagen, vídeo, audio y PDF. Claude Opus 4.8 admite solo texto e imagen.
¿Cómo se comparan los precios entre ambos modelos?
Claude Opus 4.8 tiene un precio de 5 $ por millón de tokens de entrada y 25 $ por millón de tokens de salida. Gemini 3.5 Flash cuesta 1,50 $ por millón de tokens de entrada y 9 $ por millón de tokens de salida. El precio con acierto de caché es de 0,50 $ por millón para Opus 4.8 y 0,15 $ por millón para Flash.
¿Qué es GDPval-AA y por qué importa en relación con Opus 4.8 y Gemini 3.5 Flash?
GDPval-AA es el benchmark principal de Artificial Analysis para rendimiento agentic en tareas reales de trabajo del conocimiento, puntuado en Elo. Opus 4.8 lidera con 1.890 Elo frente a 1.656 de Flash. Es más útil que los benchmarks tradicionales para evaluar modelos en contextos agentic de producción.
¿Qué modelo tiene una ventana de salida mayor?
Claude Opus 4.8 soporta un máximo de 128K tokens de salida, el doble que la ventana de 65.536 tokens de Gemini 3.5 Flash. Para flujos que generan documentos largos, archivos de código grandes o necesitan salidas extensas en una sola pasada, Opus 4.8 es la opción preferida.
¿Gemini 3.5 Flash admite razonamiento (thinking)?
Sí. Flash tiene cuatro niveles de razonamiento: mínimo, bajo, medio y alto. El valor por defecto es medio. Claude Opus 4.8 usa solo razonamiento adaptativo, sin soporte de presupuesto de razonamiento ampliado.
Author
Derrick Mwiti
