123 modelos con ficha. La clasificación describe capacidades, no un orden de calidad.
Servicio de generación y edición de imágenes incorporado al catálogo internacional de Alibaba Cloud el 2 de octubre de 2026. La familia Qwen Image 2.1 combina creación desde texto, edición localizada y transparencia nativa, con un componente visual de 7.000 millones de parámetros. Esta ficha identifica la variante API Pro, no los pesos descargables del modelo base.
Imagen · Propietario de pago↗ CohereVariante de embeddings orientada a búsquedas interactivas, consultas de agentes y tráfico elevado. Acepta texto, imágenes y documentos mixtos en más de cien idiomas. Comparte el espacio vectorial de Pro para consultar índices existentes con menor coste de texto.
Embeddings · Propietario de pago↗ CohereModelo de embeddings para indexación de máxima calidad con texto, imágenes y documentos mixtos. Admite más de cien idiomas y comparte espacio vectorial con Embed 5 Fast, permitiendo indexar documentos con Pro y consultar con Fast sin reconstruir el índice.
Embeddings · Propietario de pago↗ OpenAIModelo de OpenAI para código complejo, uso de ordenador y trabajo profesional con entrada de texto e imagen. El proveedor lo sitúa cerca de Astra en rendimiento, a menor coste; comprueba ese equilibrio con tus propias tareas.
Texto y razonamiento · Propietario de pago↗ AnthropicNueva generación Opus para código agentivo, uso de ordenador y trabajo profesional prolongado, con contexto de un millón de tokens.
Texto y razonamiento · Propietario de pago↗ ElevenLabsModelo de síntesis de voz expresiva para narración, personajes y diálogo en más de 90 idiomas.
Voz y audio · Propietario de pago↗ ElevenLabsVariante de Eleven v4 optimizada para agentes de voz y respuestas expresivas en tiempo real.
Voz y audio · Propietario de pago↗ GoogleModelo de conversación en directo que integra voz, vídeo y herramientas con baja latencia.
Voz y audio · Propietario de pago↗ GoogleVariante de voz en directo con razonamiento en segundo plano para tareas complejas de varios pasos.
Voz y audio · Propietario de pago↗ Z.AIModelo abierto de Z.AI orientado a ingeniería de software, agentes prolongados y razonamiento técnico.
Código · API y pesos abiertos↗ Z.AIVariante multimodal de 320.000 millones de parámetros totales y 18.000 millones activos, enfocada en eficiencia.
Multimodal · API y pesos abiertos↗ xAIModelo de xAI para código, agentes y trabajo de conocimiento con entrada de texto e imagen.
Texto y razonamiento · Propietario de pago↗ xAISegunda versión del modelo de transcripción de xAI para archivos y audio en directo.
Voz y audio · Propietario de pago↗ Alibaba QwenVariante eficiente de Qwen3.8 para texto y visión con contexto largo y salida extensa.
Texto y razonamiento · Propietario de pago↗ Alibaba QwenFamilia principal Qwen3.8 para ingeniería de software, agentes y comprensión visual con contexto de un millón de tokens.
Texto y razonamiento · Propietario de pago↗ Alibaba QwenModelo de comprensión de texto, imagen, audio y vídeo con respuesta textual y herramientas.
Multimodal · Propietario de pago↗ Alibaba QwenModelo audiovisual para interacción en tiempo real con salida de voz y texto, herramientas y MCP remoto.
Voz y audio · Propietario de pago↗ Alibaba QwenModelo visual para composición compleja, texto pequeño y edición a partir de hasta tres imágenes de referencia.
Imagen · Propietario de pago↗
Análisis técnico del modelo de NVIDIA para convertir controles de simulación en vídeo RGB. Evaluamos su arquitectura, benchmarks publicados, requisitos de hardware y las limitaciones físicas que impiden su uso como simulador certificado.
22 oct. 2026 ↗
Evaluación rigurosa del modelo de síntesis de voz de Mistral: arquitectura híbrida, métricas de evaluación, precio por caracteres y limitaciones prácticas para equipos de ingeniería.
22 oct. 2026 ↗
Evaluación técnica de la variante de transcripción offline de Mistral: arquitectura, métricas del proveedor, requisitos de despliegue y criterios para decidir su uso frente a alternativas.
22 oct. 2026 ↗
Z.AI presenta GLM-5.1 como un modelo para ingeniería agéntica y su ficha aparece en Hugging Face. Pero los datos disponibles no bastan para confirmar licencia, requisitos de ejecución, precio oficial ni resultados de benchmark. Esta guía separa lo documentado de lo pendiente y propone una lista de comprobación para evaluarlo.
03 oct. 2026 ↗
Cohere atribuye a Embed 5 Pro el mejor resultado medio entre los modelos que probó y destaca la recuperación de documentos financieros. La información disponible no permite comprobar la puntuación, la metodología, el precio exacto ni todas las condiciones de uso.
03 oct. 2026 ↗
La documentación aportada identifica Embed 5 Fast como parte de la familia Embed 5, pero no basta para confirmar sus modalidades de entrada, disponibilidad por canal, precio aplicable ni resultados de recuperación. Esto es lo que puede afirmarse y lo que aún debe comprobarse.
03 oct. 2026 ↗
Google describe Gemini 3.8 Live Extended Thinking como un modelo de audio a audio para Live API, recomendado cuando se necesita más razonamiento de fondo. La documentación disponible no demuestra por sí sola que esto reduzca errores o mejore la latencia: esas cuestiones requieren pruebas con tareas y condiciones controladas.
02 oct. 2026 ↗
Google describe Gemini 3.8 Live como un modelo para diálogo en tiempo real, pero las fuentes disponibles no permiten confirmar una tarifa, resultados cuantitativos ni condiciones completas de acceso. Esta guía separa lo que afirma el proveedor de lo que un equipo debe comprobar en su propia integración.
02 oct. 2026 ↗
ElevenLabs presenta v4 Turbo como una variante de baja latencia y publica una mediana de inferencia cercana a 100 ms. Esa cifra no equivale al tiempo de respuesta de un agente completo: faltan detalles de medición, condiciones de acceso, coste aplicable y evidencia de seguridad específica.
02 oct. 2026 ↗