Mejor modelo de IA para tiendas, probado el 23 de septiembre de 2026

Las tareas de la evaluación de AIGROW para pequeñas empresas que una tienda 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 18 de sus 36 modelos por otros más recientes, y no incluía 26 modelos actuales de nuestra lista. La clasificación de LLM ordena los modelos actuales según resultados medidos.

4/4Superó la mayoría de las 4 tareas12 modelos
Qwen3.8 Flash
4 de 4
Gemini 3.1 Pro (preview)
4 de 4
DeepSeek V4.1 Flash
4 de 4
DeepSeek V4 Pro
4 de 4
Gemini 3.8 Flash
4 de 4
Claude Sonnet 5
4 de 4
En caso de empate, cuenta el mejor resultado en las 20 tareas.

La evaluación de AIGROW para pequeñas empresas incluye 4 tareas que una tienda encargaría a la IA. El 23 de septiembre de 2026, 12 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.

El resultado de cada modelo en las tareas que una tienda encargaría
ModeloResponder a solicitudes de reembolsoResponder a reclamaciones de garantía en italianoRedactar descripciones de productos en italianoRedactar actas de reunionesSuperadas1000 tareas superadas
Qwen3.8 FlashSuperadaSuperadaSuperadaSuperada4 de 41,09 US$
Gemini 3.1 Pro (preview)Sustituido por Gemini 4 ArgonSuperadaSuperadaSuperadaSuperada4 de 429,67 US$
DeepSeek V4.1 FlashSuperadaSuperadaSuperadaSuperada4 de 41,05 US$
DeepSeek V4 ProSuperadaSuperadaSuperadaSuperada4 de 45,14 US$
Gemini 3.8 FlashSuperadaSuperadaSuperadaSuperada4 de 47,17 US$
Claude Sonnet 5Sustituido por Claude Sonnet 5.5SuperadaSuperadaSuperadaSuperada4 de 46,70 US$
Qwen3.8 MaxSustituido por Qwen4-MaxSuperadaSuperadaSuperadaSuperada4 de 416,32 US$
Claude Opus 5Sustituido por Claude Opus 5.5SuperadaSuperadaSuperadaSuperada4 de 416,89 US$
GPT-5.5Sustituido por GPT-6.2 AstraSuperadaSuperadaSuperadaSuperada4 de 417,02 US$
GPT-6 AstraSustituido por GPT-6.2 AstraSuperadaSuperadaSuperadaSuperada4 de 427,91 US$
GPT-5.6 TerraSustituido por GPT-6.1 TerraSuperadaSuperadaSuperadaSuperada4 de 46,68 US$
Kimi K2.6Sustituido por Kimi K3.1 ProSuperadaSuperadaSuperadaSuperada4 de 411,69 US$
Kimi K3Sustituido por Kimi K3.1 ProSuperadaSuperadaFallidaSuperada3 de 418,44 US$
GLM-5.3-FlashSuperadaSuperadaFallidaSuperada3 de 40,831 US$
GLM-5.3SuperadaSuperadaFallidaSuperada3 de 47,02 US$
Grok 4.7SuperadaSuperadaFallidaSuperada3 de 49,41 US$
Qwen3.7 PlusFallidaSuperadaSuperadaSuperada3 de 43,58 US$
GPT-5.6 SolSustituido por GPT-6.2 SolFallidaSuperadaSuperadaSuperada3 de 411,33 US$
Claude Fable 5.1Sustituido por Claude Fable 5.2FallidaSuperadaSuperadaSuperada3 de 433,11 US$
GPT-5.6 LunaSustituido por GPT-6 LunaFallidaSuperadaSuperadaSuperada3 de 40,677 US$
MiniMax M3SuperadaSuperadaFallidaSuperada3 de 41,82 US$
Claude Sonnet 4.6Sustituido por Claude Sonnet 5.5FallidaSuperadaSuperadaSuperada3 de 411,24 US$
Gemma 4 31BFallidaSuperadaSuperadaSuperada3 de 40,558 US$
Muse Glimmer 30BFallidaSuperadaSuperadaFallida2 de 43,10 US$
Grok 4.3FallidaSuperadaFallidaSuperada2 de 44,10 US$
Qwen3.8 27BFallidaSuperadaFallidaSuperada2 de 47,30 US$
gpt-oss-120bFallidaSuperadaFallidaSuperada2 de 40,422 US$
Llama 4 MaverickFallidaFallidaSuperadaSuperada2 de 40,665 US$
GPT-5.4 miniSustituido por GPT-6.1 TerraFallidaSuperadaFallidaSuperada2 de 43,35 US$
Mistral Medium 3.5Sustituido por Mistral Large 4FallidaSuperadaFallidaSuperada2 de 47,40 US$
Gemini 3.1 Flash-LiteSustituido por Gemini 3.5 Flash-LiteFallidaFallidaSuperadaFallida1 de 41,41 US$
Claude Haiku 4.5Sustituido por Claude Haiku 5.5FallidaSuperadaFallidaFallida1 de 46,62 US$
GPT-5.4 nanoSustituido por GPT-6 LunaFallidaFallidaFallidaSuperada1 de 41,51 US$
Ministral 3 14BFallidaSuperadaFallidaFallida1 de 41,07 US$
Gemini 3.5 Flash-LiteFallidaFallidaFallidaFallida0 de 42,47 US$
Mistral Small 4FallidaFallidaFallidaFallida0 de 41,33 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.

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