El panorama de modelos en 2026: cuál para construir

El módulo 0 te dio el mapa base de modelos. Aquí lo aterrizamos al presente: qué familias mandan HOY para construir y cuándo elegir cuál. Un aviso honesto antes de empezar: esto envejece rápido. Cuando leas esto quizá haya versiones más nuevas. No memorices los números — memoriza el criterio, que no caduca.

Anthropic (Claude) — mi apuesta para código

A mediados de 2026 la familia Claude va así: Haiku (rápido y barato) para tareas masivas y simples; Sonnet como el caballo de batalla del día a día; Opus para trabajo pesado de razonamiento y código; y por arriba, modelos frontera tipo Fable que empujan el techo de lo posible. Claude sigue siendo mi favorito para construir por lo cuidadoso que es siguiendo instrucciones y por no perderse en tareas largas de código.

OpenAI (GPT) — el más versátil y el mejor ecosistema

La familia GPT-5.6 (julio 2026) viene en tres tiers con nombres propios: Sol (el tope, para lo más difícil: código complejo, investigación, seguridad), Terra (el equilibrado del día a día: soporte, herramientas internas, análisis de documentos) y Luna (el más barato y rápido: resumir, redactar, automatizar). Sol compite cabeza a cabeza con lo mejor de Anthropic en código, y Terra ofrece rendimiento fuerte a mitad de precio. OpenAI también tiene Codex, su línea agéntica de programación. Es la opción más versátil y con más integraciones a su alrededor.

Google (Gemini) — multimodal y contexto gigante

Gemini 3.x pelea en la cima de los benchmarks de código (ronda el 80% en SWE-bench Verified) y brilla especialmente en dos cosas: multimodal de verdad (imagen, video, audio) y ventanas de contexto enormes, lo que ayuda cuando le metes un proyecto entero o documentos largos. Si ya vives en Google Cloud, integra de forma natural.

xAI (Grok) — fuerte en razonamiento duro

Grok (4.x) tiende a lucir en benchmarks de razonamiento puro, matemáticas y ciencia dura, con contexto de hasta un millón de tokens y buen uso de herramientas. Si tu carga es lógica pesada o problemas tipo olimpiada, entra a la conversación; para construir productos web del día a día, no es donde yo empezaría.

Los open-weight (DeepSeek, Kimi, Qwen, GLM, Llama, Mistral)

La historia de 2026 en open-weight la dominan laboratorios chinos: DeepSeek (V4) alcanza a modelos cerrados en código a una fracción del costo; Kimi, Qwen y GLM también compiten fuerte. Del lado occidental, Llama (Meta) y Mistral juegan de alternativas con licencias más cómodas para empresas de EE. UU./Europa. Ventaja de todos: control, privacidad y costo a escala. Desventaja: más trabajo de montaje y, salvo excepciones, van un paso atrás de la frontera cerrada.

Ejemplo trabajado: elegir modelo para 3 tareas de Momentum

Imagina que ya construyes tu diario con IA. Tres tareas, tres elecciones distintas:

• Escribir el código de la app (agente que edita varios archivos) → un tier ALTO de código (Opus/GPT tope/Gemini Pro). Aquí la capacidad vale más que el costo.
• El coach de IA que resume la entrada del día de cada usuario, miles de veces → un tier MEDIO o BAJO (Haiku, o el tier ligero de GPT). Barato y rápido, porque corre muchísimo.
• Analizar datos sensibles de salud de usuarios sin que salgan de tu servidor → un open-weight que corras tú mismo. Aquí la privacidad manda sobre todo lo demás.

Lo que te llevas

• Cada familia tiene un tier ligero, uno medio y uno tope: elige el tier por la tarea, no por moda.
• Claude para código, GPT por versatilidad/ecosistema, Gemini por multimodal y contexto, Grok por razonamiento duro, open-weight por control/costo.
• Las 4 perillas: capacidad vs. velocidad vs. costo vs. privacidad.
• El panorama cambia cada mes — el criterio de elección no.

No aprendas los modelos de memoria. Aprende a elegir. Los nombres cambian; el criterio, no.