Google contra Meta: los números independientes dicen empate

Hace una semana, Google y Meta lanzaron sus nuevos modelos con horas de diferencia: Gemini 3.8 Flash y Muse Spark 1.3. Ya están los números de Artificial Analysis, el evaluador independiente de referencia, y el resultado es el más incómodo posible para los departamentos de marketing: un empate técnico donde cada uno gana los benchmarks que le convienen. Que es, precisamente, lo que lo hace interesante.

Qué dice cada número

Los resultados dibujan dos modelos con personalidades distintas. Muse Spark 1.3 es el modelo de agentes: lidera las pruebas que simulan trabajo profesional de verdad (GDPval) y la de un agente de banca gestionando clientes, y sus ingenieros presumen de que hace un 20% menos de llamadas a herramientas que la versión anterior, lo que en un agente se traduce directo en velocidad y factura. Gemini 3.8 Flash es el modelo de taller: el mejor en la terminal, el mejor recordando datos y el mejor en preguntas científicas de nivel doctorado, a 0,75 dólares el millón de tokens de entrada, un precio de gama media para resultados que hace seis meses eran de gama alta. En el examen general (Humanity's Last Exam) acaban a menos de un punto.

Es el mismo cuadro que vimos cuando los números independientes bajaron a Astra del pedestal: la frontera está apelotonada. Entre el mejor y el quinto modelo del mundo hay hoy menos distancia que la que había entre el primero y el segundo hace un año.

Las dos letras pequeñas

La primera es la del modo fantasma, y conviene aprendérsela porque es el truco de temporada. Meta anunció que había alcanzado a OpenAI y Anthropic con los números de Muse Spark 1.3 en modo "max"; ese modo sigue sin poder usarse (Meta lo retiene "por pruebas de seguridad adicionales"). Lo que puedes usar hoy puntúa 61, por debajo de los Claude. Publicitar el benchmark de un producto que no vendes es hacerse la foto con el coche de otro; nuestra guía de benchmarks le dedica un capítulo a esta jugada.

La segunda es que Google acompañó el lanzamiento con Gemini 3.8 Flash Cyber, una variante de ciberseguridad (86,2% en CyberGym, un benchmark de encontrar vulnerabilidades) que solo distribuye a "defensores de confianza". Es la primera vez que Google trocea un lanzamiento así, y dice algo del momento: los modelos empiezan a ser lo bastante buenos encontrando agujeros como para no repartirlos a cualquiera.

La lectura sin humo

Si lees "Meta arrasa" y "Google lidera" el mismo día, los dos titulares salen de esta misma tabla: basta elegir la fila. La conclusión útil no es quién gana, es que ya no hay un modelo mejor, hay un modelo mejor para cada tarea: agentes y trabajo de oficina, Muse; terminal, datos y precio, Flash; y los Claude siguen arriba en el índice general con lo que de verdad se puede comprar hoy. Elegir por titular es como elegir coche por el anuncio; elegir por precio y tarea, que para eso están las tablas, sale bastante más barato.

Fuentes: Yahoo Tech · Artificial Analysis · 9-13 septiembre 2026