Modelo contra modelo

Sin cambios. Muse Spark Open obtuvo mejores calificaciones que Claude Haiku 5.5 en el resumen público de modelos, pero la mayoría de los fallos de Haiku allí fueron líneas en blanco en una respuesta que pide exactamente tres líneas, y el sitio ya elimina las líneas en blanco al mostrar el resumen. Muse quedó atrás en el análisis de artículos, donde no respetó la forma pedida en un artículo, y en el chat del editor. A su precio de pago también cuesta más que Haiku en esas tres tareas. Le fue bien en la configuración de enrutamiento, pero esa tarea tuvo solo dos entradas, y el plan para ella sigue siendo repetir la prueba cuando esté activa la pasarela que lleva las llamadas a proveedores distintos de Anthropic. La decisión de esta prueba es no agregar Muse a ninguna tarea recurrente.

El 2026-10-16 los respaldos Claude de los chatbots pasaron a la generación 5.5: Claude Haiku 4.5 a Claude Haiku 5.5 y Claude Sonnet 4.6 a Claude Sonnet 5.5. Los bots que tenían ambos conservaron ambos, en el mismo orden. Esa decisión se tomó con una comparación previa a ciegas, lado a lado, de estas mismas respuestas por un solo juez. Esta entrada las vuelve a calificar con las reglas de esta página. Con todas las preguntas juntas, cada modelo 5.5 aprueba más respuestas que el modelo al que sustituyó, pero no en todos los bots: Claude Haiku 5.5 aprobó menos que Claude Haiku 4.5 en el asistente de este sitio y en el bot de educación, y Claude Sonnet 5.5 aprobó menos que Claude Sonnet 4.6 en el asistente de este sitio. La tabla por bot muestra cada caso. Claude Sonnet 5.5 también aprueba más respuestas que Claude Haiku 5.5, con un precio por respuesta mucho mayor. El bot de construcción usa Claude Sonnet 5 como respaldo, que no se probó aquí, así que no cambió. El mismo cambio abarcó también dos bots que no estaban en esta prueba. Uno de ellos usa un modelo Claude como modelo principal, y ese modelo no se cambió porque aún no tiene una prueba propia.

Ese mismo día, las tres tareas de Haiku 4.5 pasaron a Claude Haiku 5.5 y la configuración de enrutamiento pasó a Claude Sonnet 5.5. Fue un paso provisional que se queda en Anthropic, porque la pasarela que llevará las llamadas a OpenAI y Google aún no está activa. Cuando lo esté, el plan es repetir esta prueba y luego pasar el resumen y el análisis a gpt-5.6-luna y la configuración de enrutamiento a gpt-5.6-terra. Esta prueba dejó una decisión más: la verificación en sombra de los bots ya no recurre a un modelo Gemini Flash. gemini-3.8-flash, el sucesor obvio del retirado gemini-2.5-flash, está en la tabla de arriba, y sus aprobadas y sus señales de invención lo descartan.