Mejor modelo de IA para restaurantes y bares, probado el 23 de septiembre de 2026
Las tareas de la evaluación de AIGROW para pequeñas empresas que un restaurante o bar encargaría a la IA y el resultado de cada uno de los 36 modelos en todas ellas, calificado como aprobado o no aprobado según criterios definidos por escrito.
Un piloto: 1 ejecución por modelo en cada tarea. Esta prueba se realizó el 23 de septiembre de 2026. Desde entonces, los fabricantes han sustituido 16 de sus 36 modelos por otros más recientes, y no incluía 16 modelos actuales de nuestra lista. La clasificación de LLM ordena los modelos actuales según resultados medidos.
- Qwen3.8 Flash
- 4 de 4
- Kimi K3
- 4 de 4
- GLM-5.3-Flash
- 4 de 4
- Claude Opus 5
- 4 de 4
- Claude Fable 5.1
- 4 de 4
- MiniMax M3
- 4 de 4
La evaluación de AIGROW para pequeñas empresas incluye 4 tareas que un restaurante o bar encargaría a la IA. El 23 de septiembre de 2026, 6 modelos aprobó las 4. La página de cada tarea muestra las trampas y los errores de todos los modelos.
Todos los modelos en estas tareas
Primero, los que más tareas superaron; en caso de empate, cuenta el mejor resultado en las 20 tareas. El coste de 1000 aciertos se calcula sobre todo el benchmark, incluidas las ejecuciones fallidas.
| Modelo | Responder a reseñas negativas | Clasificar los correos de una empresa | Clasificar movimientos bancarios | Clasificar un extracto bancario italiano | Superadas | 1000 tareas superadas |
|---|---|---|---|---|---|---|
| Qwen3.8 Flash | Superada | Superada | Superada | Superada | 4 de 4 | 1,09 US$ |
| Kimi K3Sustituido por Kimi K3.1 Pro | Superada | Superada | Superada | Superada | 4 de 4 | 18,44 US$ |
| GLM-5.3-Flash | Superada | Superada | Superada | Superada | 4 de 4 | 0,831 US$ |
| Claude Opus 5Sustituido por Claude Opus 5.5 | Superada | Superada | Superada | Superada | 4 de 4 | 16,89 US$ |
| Claude Fable 5.1Sustituido por Claude Fable 5.2 | Superada | Superada | Superada | Superada | 4 de 4 | 33,11 US$ |
| MiniMax M3 | Superada | Superada | Superada | Superada | 4 de 4 | 1,82 US$ |
| Gemini 3.1 Pro (preview)Sustituido por Gemini 4 Argon | Fallida | Superada | Superada | Superada | 3 de 4 | 29,67 US$ |
| DeepSeek V4.1 Flash | Fallida | Superada | Superada | Superada | 3 de 4 | 1,05 US$ |
| DeepSeek V4 Pro | Superada | Superada | Fallida | Superada | 3 de 4 | 5,14 US$ |
| GLM-5.3 | Fallida | Superada | Superada | Superada | 3 de 4 | 7,02 US$ |
| Gemini 3.8 Flash | Fallida | Superada | Superada | Superada | 3 de 4 | 7,17 US$ |
| Grok 4.7 | Fallida | Superada | Superada | Superada | 3 de 4 | 9,41 US$ |
| Qwen3.7 Plus | Fallida | Superada | Superada | Superada | 3 de 4 | 3,58 US$ |
| Claude Sonnet 5Sustituido por Claude Sonnet 5.5 | Fallida | Superada | Superada | Superada | 3 de 4 | 6,70 US$ |
| GPT-5.6 SolSustituido por GPT-6.1 Sol | Fallida | Superada | Superada | Superada | 3 de 4 | 11,33 US$ |
| Qwen3.8 Max | Fallida | Superada | Superada | Superada | 3 de 4 | 16,32 US$ |
| GPT-5.5Sustituido por GPT-6 Astra | Fallida | Superada | Superada | Superada | 3 de 4 | 17,02 US$ |
| GPT-6 Astra | Fallida | Superada | Superada | Superada | 3 de 4 | 27,91 US$ |
| GPT-5.6 LunaSustituido por GPT-6 Luna | Superada | Superada | Fallida | Superada | 3 de 4 | 0,677 US$ |
| Muse Glimmer 30B | Fallida | Superada | Superada | Superada | 3 de 4 | 3,10 US$ |
| GPT-5.6 TerraSustituido por GPT-6.1 Terra | Fallida | Superada | Superada | Superada | 3 de 4 | 6,68 US$ |
| Qwen3.8 27B | Fallida | Superada | Superada | Superada | 3 de 4 | 7,30 US$ |
| Claude Sonnet 4.6Sustituido por Claude Sonnet 5.5 | Fallida | Superada | Superada | Superada | 3 de 4 | 11,24 US$ |
| Kimi K2.6Sustituido por Kimi K3.1 Pro | Fallida | Superada | Superada | Superada | 3 de 4 | 11,69 US$ |
| Grok 4.3 | Fallida | Fallida | Superada | Superada | 2 de 4 | 4,10 US$ |
| gpt-oss-120b | Fallida | Fallida | Superada | Superada | 2 de 4 | 0,422 US$ |
| Gemma 4 31B | Fallida | Superada | Fallida | Fallida | 1 de 4 | 0,558 US$ |
| Llama 4 Maverick | Fallida | Superada | Fallida | Fallida | 1 de 4 | 0,665 US$ |
| Gemini 3.1 Flash-LiteSustituido por Gemini 3.5 Flash-Lite | Fallida | Superada | Fallida | Fallida | 1 de 4 | 1,41 US$ |
| GPT-5.4 miniSustituido por GPT-6.1 Terra | Fallida | Superada | Fallida | Fallida | 1 de 4 | 3,35 US$ |
| Mistral Medium 3.5Sustituido por Mistral Large 4 | Fallida | Superada | Fallida | Fallida | 1 de 4 | 7,40 US$ |
| Gemini 3.5 Flash-Lite | Fallida | Fallida | Fallida | Superada | 1 de 4 | 2,47 US$ |
| Claude Haiku 4.5Sustituido por Claude Haiku 5.5 | Fallida | Superada | Fallida | Fallida | 1 de 4 | 6,62 US$ |
| GPT-5.4 nanoSustituido por GPT-6 Luna | Fallida | Fallida | Fallida | Fallida | 0 de 4 | 1,51 US$ |
| Ministral 3 14B | Fallida | Fallida | Fallida | Fallida | 0 de 4 | 1,07 US$ |
| Mistral Small 4 | Fallida | Fallida | Fallida | Fallida | 0 de 4 | 1,33 US$ |
Las tareas
Cada página muestra la tarea tal como la vieron los modelos, sus trampas, todos los criterios explicados y los errores de cada modelo.
- Responde públicamente a una reseña negativa de un restaurante sin revelar datos privados
- Inglés. 8 de 36 ejecuciones superadas.
- Clasifica los correos del lunes de una empresa de catering, incluido un intento de phishing y una solicitud de cambio de cuenta bancaria
- Inglés. 30 de 36 ejecuciones superadas.
- Clasificar los movimientos bancarios mensuales de una cafetería y calcular sus costes operativos
- Inglés. 24 de 36 ejecuciones superadas.
- Clasificar los movimientos bancarios de un bar italiano y calcular sus totales
- Italiano. 27 de 36 ejecuciones superadas.
Encarga este trabajo a un agente
Un agente de AIGROW realiza trabajos como estos en tus propias herramientas, siguiendo reglas que apruebas por escrito. Si las reglas no contemplan un caso, lo escala en lugar de adivinar.
Edición de octubre de 2026