¿Qué pasó con la carrera de la IA? Quién programa de verdad con estos modelos

Respuesta corta: en mi opinión, la carrera de la IA para programar hoy la corren dos empresas: OpenAI y Anthropic. Meta y Google fueron pioneras, pero en mi trabajo diario no veo a nadie programando en producción con sus modelos. Sus modelos sí funcionan dentro de sus propios ecosistemas. Los modelos chinos muestran muchos números, pero para producción, en mi experiencia, son humo. Mi regla: usa el modelo de frontera que gane en tus propias pruebas y no te cases con ninguno.

Esto es una opinión. No es un ranking ni un benchmark. Es lo que veo trabajando todos los días con IA en proyectos reales, y lo escribo porque mucha gente me pregunta qué pasó con los que "iban a ganar".

¿Por qué Meta y Google quedaron atrás si fueron pioneros?

Meta y Google estuvieron entre los primeros en esta carrera. Eso nadie se los quita. Pero ser pionero no es lo mismo que ser útil hoy.

Lo que veo en el campo es simple: nadie de mi entorno programa con sus modelos. Ni yo, ni los colegas con los que trabajo, ni la gente que sigo y que muestra su flujo real. Un modelo puede salir muy bien en una tabla de benchmarks, pero la realidad es otra cosa. Programar en producción no es responder una pregunta de examen: es leer un repositorio entero, tocar diez archivos, correr comandos, romper algo, darse cuenta y arreglarlo.

Para eso no alcanza con un buen modelo. Hace falta un arnés.

¿Qué es un "arnés" y por qué importa más que el benchmark?

Llamo arnés a la herramienta que envuelve al modelo y le permite trabajar de verdad: leer tu código, editar archivos, ejecutar comandos y seguir iterando. Los dos ejemplos que uso todos los días son Claude Code y Codex.

No es una impresión mía lo que hacen; está en su documentación oficial:

• Anthropic describe Claude Code como una herramienta de programación agéntica que lee tu código, edita archivos, ejecuta comandos y se integra con tus herramientas de desarrollo, disponible en la terminal, el IDE, una app de escritorio y el navegador.
• OpenAI presenta Codex CLI como una forma de inspeccionar, editar y ejecutar código desde tu terminal.

Lo que sí es opinión mía: Meta y Google no tienen hoy un arnés a esa altura, o al menos no uno que yo vea usar en trabajo real. Y sin arnés, el mejor puntaje del mundo se queda en la tabla.

Hay otro detalle que casi nadie dice. El arnés no solo sirve al usuario: también genera uso real, y el uso real es lo que permite mejorar el modelo para tareas reales. Quien tiene a miles de programadores usando su herramienta todos los días aprende más rápido qué falla en producción.

¿Gemini 4 Argon sirve para programar?

En mi opinión, hoy no. Lo digo desde mi experiencia, no desde una tabla de puntajes. Para mi trabajo de programación, Gemini 4 Argon no es una opción que use ni que recomiende hoy.

Creo que Google está atrás porque no tiene tantos datos de usuarios programando con su modelo que lo ayuden a mejorar. Es el círculo que mencioné antes: menos uso real, menos aprendizaje sobre lo que falla de verdad.

Dicho eso, no doy a nadie por muerto. Mañana Google puede sacar uno bueno. Tiene los recursos para hacerlo. Si eso pasa, lo voy a probar como pruebo todo: en mis propias tareas, no en los gráficos del lanzamiento.

Entonces, ¿para qué sirven los modelos de Meta y Google?

Sirven, y mucho, dentro de sus propios ecosistemas. Esa es la parte que se pierde cuando todo se reduce a "quién gana".

• En Meta: búsqueda e imágenes dentro de sus productos.
• En Google: resúmenes de reuniones, búsqueda dentro de Gmail y de Docs, ese tipo de ayudas integradas en herramientas que millones de personas ya usan.

Son usos reales y útiles. Pero no son la frontera. Una cosa es resumir una reunión y otra es dejar a un agente trabajando solo sobre un sistema en producción.

¿Por qué la programación es el motor de la IA?

Porque es donde la IA hace trabajo que se puede medir: el código compila o no compila, los tests pasan o no pasan, el sistema funciona o se cae. No hay mucho espacio para el humo.

Para mí, los motores de la IA hoy son tres: programación, ciencia y ciberdefensa. Y en esa frontera, según lo que veo, solo están trabajando de verdad OpenAI y Anthropic. El resto compite en otras ligas, que también son legítimas, pero no son esta.

Mi forma de repartir el trabajo hoy refleja eso:

• Claude para programar.
• Codex para automatizar la computadora.
• Grok Bot para todo lo de redes sociales.

¿Qué pasa con los modelos chinos como Kimi?

Kimi, de Moonshot, y otros modelos chinos muestran muchos números. Gráficos, comparaciones, hilos virales. Yo lo probé y no digo que sea malo. Lo que digo es que, en mi experiencia, para producción es humo.

¿Por qué? Porque casi nadie muestra lo que importa: cuánto cuesta y cuánto tarda llegar a ese resultado. En una prueba propia, con el mismo prompt en varios modelos, Kimi tardó varias veces más que el modelo más rápido. Un benchmark que no dice cuánto gastó ni cuánto tardó no me sirve para decidir nada.

Si buscas el precio y el uso por API, los reuní aparte en Kimi K3.1 Pro: qué es, cuánto cuesta y cómo usarlo por API.

Mi regla es esta: usa siempre el modelo de frontera que salga primero en tus propias pruebas. No en las del influencer de turno. En las tuyas, con tus tareas y tu código.

¿Por qué no hay que casarse con un modelo ni con una empresa?

Porque esto cambia todo el tiempo. El modelo que hoy uso para todo puede quedar atrás el mes que viene. Si me caso con una empresa, me quedo con su modelo aunque ya no sea el mejor, solo por costumbre o por fanatismo.

Lo que hago es lo contrario: pruebo cada lanzamiento importante en mis tareas reales, comparo costo, tiempo y calidad, y cambio sin drama cuando algo es mejor. Hoy mis herramientas principales son de OpenAI y Anthropic porque son las que ganan en mis pruebas. Si mañana gana otra, cambio.

Nunca te cases con un modelo ni con una empresa.

¿Las suscripciones están subsidiadas?

En mi opinión, sí, y bastante.

Uso CodexBar, una app que muestra el uso de Codex y Claude Code y que, según su página oficial, puede escanear localmente el costo de ese uso. Según lo que me muestra, mi uso equivale aproximadamente a unos 18 a 30 mil dólares al mes en precio de API. Es una estimación mía, a partir de esa herramienta, no una factura.

Lo que pago de verdad es esto:

• Claude: 200 dólares por mes.
• Codex: 200 dólares por mes.
• Grok Bot: 30 dólares por mes.

La diferencia entre lo que pago y lo que costaría por API es enorme. Por eso creo que hoy las suscripciones están subsidiadas: las empresas de la frontera están pagando para que los programadores usen sus herramientas todos los días. Y tiene lógica, porque ese uso es justamente lo que las hace mejorar.

Un dato que sí es oficial: el plan Max de Claude tiene dos niveles, Max 5x a 100 dólares por mes y Max 20x a 200 dólares por mes, y Claude Code está incluido en los planes pagos, compartiendo los límites de uso del plan. La propia página de precios menciona que, para sesiones intensas de programación, también puedes pasar a créditos de API de pago por uso.

Mi consejo práctico: si programas todos los días, aprovecha el subsidio mientras dure. No sé cuánto va a durar, y nadie lo sabe.

Preguntas frecuentes

¿Dices que Gemini 4 Argon es malo? Digo que, en mi opinión y para mi trabajo de programación, hoy no me sirve. No publico puntajes ni porcentajes sobre él. Y creo que Google puede sacar un modelo bueno en cualquier momento.

¿Los benchmarks no sirven para nada? Sirven como referencia, pero no alcanzan. Si no dicen cuánto costó ni cuánto tardó cada tarea, no me alcanzan para decidir. Lo que decide es cómo rinde el modelo en tus propias pruebas.

¿Cuál es la cifra exacta que muestra CodexBar? No doy una cifra exacta. Es mi estimación: unos 18 a 30 mil dólares al mes en precio de API, según lo que veo en la herramienta. Lo que sí es exacto es lo que pago: 200 en Claude, 200 en Codex y 30 en Grok Bot, en dólares por mes.

¿Qué modelo debería usar yo? El de frontera que gane en tus propias pruebas, con tus tareas reales. Hoy, en mi caso, Claude para programar, Codex para automatizar la computadora y Grok Bot para redes sociales. Mañana puede ser otra combinación.

Fuentes

• Claude Code, documentación oficial (Anthropic): qué es y qué hace Claude Code.
• Codex CLI, documentación oficial (OpenAI): inspeccionar, editar y ejecutar código desde la terminal.
• Precios de Claude (Anthropic): Claude Code incluido en los planes pagos y opción de créditos de API para sesiones intensas.
• ¿Qué es el plan Max? (Centro de ayuda de Claude): Max 5x a 100 USD/mes y Max 20x a 200 USD/mes.
• CodexBar, sitio oficial y repositorio oficial: seguimiento de uso de Codex y Claude Code, con escaneo local de costos.
• Opiniones, experiencia y estimaciones del autor, actualizadas al 24 de octubre de 2026. Las opiniones sobre Gemini 4 Argon, Meta y Kimi son personales y no se basan en benchmarks.