La carrera de las IAs — Claude vs ChatGPT vs Gemini vs el resto

Imaginate la escena: un amigo te para en un asado. Tiene un vaso en la mano y escuchó en el trabajo que "tiene que empezar a usar la IA". Te pregunta cuál le conviene. Tenés treinta segundos antes de que la conversación vuelva al fútbol.

Este es el mapa mental que te conviene tener listo.

No hay una ganadora, hay cuatro buenas en cosas distintas

La pregunta "cuál IA es la mejor" está mal hecha. En 2026 ninguna gana en todo. Cada una rinde mejor en un terreno distinto, y el trabajo serio es saber cuál usás para qué.

Pensalo como herramientas. El martillo no es mejor que el destornillador — son para cosas diferentes. La IA funciona igual hoy.

Las cuatro grandes, en una línea cada una

Claude (de Anthropic). La mejor para trabajo profesional donde te jugás la reputación. Escritura cuidada, análisis de documentos largos, código que va a producción, instrucciones complejas que se respetan al pie de la letra. Su virtud más rara: cuando no sabe algo, te lo dice. No inventa.

ChatGPT (de OpenAI). La mejor si querés generar imágenes o hablar por voz. DALL-E produce ilustraciones muy buenas adentro del mismo chat. Voice mode te deja conversar con latencia baja, como si hablaras por teléfono. Y tiene una tienda enorme de "GPTs personalizados" que otra gente ya configuró para tareas puntuales.

Gemini (de Google). La mejor si vivís adentro de Gmail, Docs y Sheets. Está pegada al correo, al calendario, a tus archivos de Drive. Lo que otras IAs tienen que adivinar, Gemini lo lee directamente de tu cuenta de Google. Para equipos que ya usan Workspace, la diferencia se siente el primer día.

Grok (de xAI, la empresa de Elon Musk). La mejor si necesitás saber qué se está diciendo en X ahora mismo. Tiene acceso directo a la plataforma y menos filtros que las otras. Para monitoreo de tendencias en vivo, no hay competidor.

Los abiertos — Llama, DeepSeek, Qwen

Existe un segundo grupo que no tiene caja de chat gratis para el público general, pero importa. Llama (de Meta), DeepSeek (chino) y Qwen (chino también) son modelos "abiertos": los podés descargar, hospedar vos, y la IA corre adentro de tu propia infraestructura. Nadie afuera ve los datos.

Eso sirve en dos casos. Uno, si trabajás con datos muy sensibles (contratos de clientes, historias clínicas, secretos industriales) y no podés mandarlos a una nube de terceros. Dos, si tu volumen es tan grande que pagar por cada pregunta se vuelve caro y te sale más barato pagar servidor propio.

Para uso cotidiano no son la primera opción. Para casos profesionales específicos, son la única.

Cómo lo traduzco a decisión práctica

Si me preguntás cuál usar, mi respuesta es una matriz simple:

• Te jugás la reputación en lo que entregás: Claude.
• Necesitás generar una imagen o hablar por voz: ChatGPT.
• Tu día es Gmail + Docs + Sheets: Gemini.
• Querés saber qué se dice en X en este momento: Grok.
• Tus datos no pueden salir de la empresa: un modelo abierto con hosting propio.

La mayoría de profesionales no necesita las cinco. Necesita una como default, y tal vez una segunda para cuando la primera no alcanza.

Lo que tenés que llevarte

Tres ideas para cuando tu amigo del asado te vuelva a preguntar:

1. No hay una ganadora, hay mapa. La pregunta buena no es "cuál IA" sino "cuál IA para qué tarea". Si alguien te vende una IA como la mejor para todo, desconfiá.

1. Arrancá por la tarea que más hacés. Si escribís propuestas todo el día, empezá por Claude. Si generás posts con imagen, empezá por ChatGPT. La IA que te da el primer resultado bueno sin esfuerzo es la que te conviene conocer a fondo primero.

1. Probar cuesta poco. Todas tienen versión gratis o prueba de uno a siete días. Antes de pagar una suscripción, hacé la misma tarea real en dos o tres de ellas y compará el resultado. En diez minutos vas a saber cuál es la tuya.

En 2024 la pregunta del mercado todavía era competitiva: "¿quién va a ganar la carrera de las IAs?". Se hacían rankings globales, se peleaba por el primer puesto en benchmarks, se hablaba de monopolio inminente. Dos años después la pregunta mutó. En 2026 ya nadie seria pregunta quién gana — se pregunta cada uno en qué gana.

La conversación dejó de ser competitiva y pasó a ser arquitectónica.

Por qué se fragmentó

Hay una razón técnica y una razón de mercado.

La técnica es que los modelos de frontera convergieron. Claude Opus 4.7, GPT-5o, Gemini 2.0 Ultra y Llama 4 están todos en el mismo rango de rendimiento en benchmarks generales como MMLU — dentro de tres puntos porcentuales. Cuando la diferencia bruta de capacidad es marginal, el diferenciador pasa a ser otra cosa: velocidad, contexto, integración, tono, honestidad, herramientas incluidas, precio. Y ahí cada uno eligió un eje distinto.

La de mercado es que cada proveedor descubrió que pelear en todos los frentes no paga. Es mejor ser el dueño claro de un nicho profesional que el segundo o tercero en todos. Eso produjo una especialización visible en el último año — cada IA es cada vez más reconocible por la "forma" que le dio su dueño.

Los cuatro grandes, uno por uno

Claude, de Anthropic. La que yo uso como default profesional. Las fortalezas reales, sin adornos: calidad de escritura superior en español y en inglés para trabajo profesional; seguimiento literal de instrucciones complejas; código largo que mantiene coherencia a lo largo de cientos de líneas; honestidad cuando no sabe (dice "no tengo ese dato" en lugar de inventar); Constitutional AI hace que los rechazos sean predecibles y explicables. Donde no es la primera opción: no genera imágenes, no tiene modo de voz competitivo, integración con suites ofimáticas es limitada.

ChatGPT, de OpenAI. La más versátil como experiencia de consumidor. Donde gana claramente: imagen con DALL-E 3 directamente en el chat; Voice mode avanzado con latencia baja; ecosistema gigante de GPTs personalizados que otros ya configuraron; integración profunda con Microsoft Office vía Copilot; comunidad y ejemplos públicos son los más abundantes de la industria. Donde cede terreno: alucinaciones siguen siendo materialmente más frecuentes que Claude en tareas factuales; gobierno interno turbulento después del episodio Altman y la salida de Sutskever-Leike; menos predecible en trabajo profesional con stakes altos.

Gemini, de Google. La mejor integrada en el ecosistema Google. Donde gana claramente: integración nativa con Gmail, Docs, Sheets, Drive y Calendar — lee tu correo, edita tu documento en vivo, busca en tus archivos; búsqueda en web en tiempo real sin hack; ventana de contexto extendida hasta un millón de tokens en Gemini 2.0, lo que permite cargar libros enteros; precio competitivo, con acceso a muchas features en tier gratuito. Donde cede: la calidad de texto en escritura profesional queda un escalón debajo de Claude y ChatGPT; la API cambia con frecuencia, lo que complica integraciones estables.

Grok, de xAI. La más nicho pero dueña clara de su nicho. Donde gana: acceso nativo y en tiempo real a X (Twitter), lo que permite monitoreo de tendencias y conversación pública en vivo; menos filtros de contenido que las otras, lo que la hace popular entre usuarios que sienten las restricciones del resto como sobreactuadas; integración visible con la plataforma de X. Donde pierde: calidad de razonamiento y escritura por debajo de los otros tres grandes; comportamiento menos predecible; la asociación con Elon Musk es un tema de marca que divide aguas fuerte.

Los abiertos — Llama, DeepSeek, Qwen

El segundo pelotón merece mención separada porque compite en una lógica distinta.

Llama, de Meta. Modelo abierto con pesos públicos. La versión 405B compite en benchmarks con modelos cerrados de frontera. Su razón de ser es arquitectónica: podés descargar los pesos, desplegarlo en infraestructura propia, y los datos nunca salen. Para empresas en sectores regulados —salud, banca, gobierno— es la única opción viable técnicamente. El costo: requiere equipo de infraestructura con competencia real en ML ops.

DeepSeek, de China. DeepSeek V3 es abierto y su pricing comercial en API es 25 a 35 veces más barato que los competidores estadounidenses. Su modelo de razonamiento R1 es competitivo en matemática y código. Los tradeoffs: los datos en la API comercial van a servidores chinos; ciertos temas políticamente sensibles son filtrados; la fuerza en español es muy inferior a la de los modelos occidentales. Para análisis masivo de texto en inglés con presupuesto apretado, es imbatible.

Qwen, de Alibaba. Similar a DeepSeek en filosofía — abierto, de origen chino, fuerte en benchmarks. Menos penetración internacional pero creciendo rápido, sobre todo en la comunidad open source que hace fine-tunes propios sobre estos modelos.

La matriz de casos de uso

Para aterrizarlo en decisiones reales, una matriz simple:

La tabla no agota los casos. Da el reflejo. Lo importante es internalizar que ninguna primera opción es la misma para todos los casos.

Por qué la rotación de líderes es evidencia, no ruido

La tabla de Chatbot Arena en lmarena.ai —el ranking público de modelos votado por usuarios en comparaciones ciegas— muestra un dato interesante: en el último año ningún modelo aguantó el primer puesto por más de seis a ocho semanas. La rotación es constante. Claude sube, Gemini sale adelante, GPT saca una versión nueva y recupera, alguien abierto aparece.

Eso no es inestabilidad. Es evidencia de fragmentación real. Si la carrera fuera sobre un podio único, veríamos un líder sostenido. Lo que vemos es un campo donde varios modelos son "lo suficientemente buenos" y el orden depende de qué se mide esa semana. Esa es la característica definitoria del mercado en 2026.

Mi default y por qué

Escribo esta nota desde una posición declarada: mi herramienta principal es Claude. Vale explicar por qué —con argumentos, no fanatismo.

En consultoría aplicada, el riesgo más caro no es pagar un plan premium. Es entregarle a un cliente una respuesta inventada que suena convincente. Las propiedades que evitan ese error son honestidad, seguimiento literal de instrucciones y consistencia en rechazos — y en esas tres Claude está medibamente adelante en evaluaciones humanas.

Pero esa es mi tarea principal. Si mi trabajo fuera generar contenido visual diario, usaría ChatGPT como default y Claude como secundario. Si trabajara full-time dentro de Google Workspace, empezaría por Gemini. La elección no es sobre qué modelo es mejor en abstracto; es sobre qué combinación mapea mejor a tu flujo de trabajo.

¿Cuál es tu tarea principal y cuál es la herramienta que te la resuelve mejor? Si querés profundizar en cómo se comparan objetivamente los modelos, Cómo se miden las IAs desarma los benchmarks y cómo leerlos sin caer en marketing. Si querés entender la apuesta específica de los modelos abiertos, Modelos abiertos vs cerrados es el siguiente eslabón.

La tabla pública de Chatbot Arena en lmarena.ai —el ranking global de modelos votado en comparaciones ciegas por usuarios reales— registra un patrón que en 2024 habría parecido imposible: en el último año calendario ningún modelo se mantuvo en el primer puesto por más de seis a ocho semanas consecutivas. Claude Opus 4.7 llegó arriba en abril, GPT-5o lo desplazó en noviembre del año pasado, Gemini 2.0 Ultra tuvo su ventana en febrero, y los open source de frontera (Llama 4 Maverick, DeepSeek V3-R2) aparecieron intermitentemente en el top 5.

Esa rotación no es ruido estadístico. Es evidencia estructural de que la carrera de las IAs dejó de ser una competencia por "el mejor modelo" y se volvió una competencia por especialización. Vale desarmar qué significa eso técnica y estratégicamente.

Fragmentación como estado estable

La hipótesis dominante en 2022-2023 era convergencia hacia un ganador. La lógica: los retornos a escala (cómputo + datos + capital) iban a producir un efecto winner-take-all, donde el líder consolidaría ventaja insalvable. Esa hipótesis no se cumplió, y hay tres razones técnicas discretas.

Convergencia de capacidad en frontera. Los modelos de frontera cerrados y abiertos están dentro de tres puntos porcentuales en MMLU, dentro de cuatro puntos en GSM8K, y dentro de cinco en HumanEval. Cuando las diferencias son marginales en benchmarks brutos, el diferenciador se desplaza a ejes no capturados por benchmarks — tono, integración, latencia, costo, honestidad, predictibilidad. Cada vendor optimizó un eje distinto.

Retornos decrecientes de escala pura. Los resultados de escaling laws de Chinchilla (Hoffmann et al., 2022) y trabajos posteriores sugieren que a partir de cierto tamaño los retornos marginales por parámetro adicional caen fuerte. La industria respondió moviendo la innovación a técnicas no-escalares: RLAIF en Anthropic, reasoning-time compute en o1/o3 de OpenAI, contexto extendido en Gemini, Mixture-of-Experts eficiente en DeepSeek. Eso expandió la superficie donde se puede ganar.

Especialización como estrategia racional. Dado el costo fijo enorme de entrenar un modelo de frontera (estimado en 100 a 500 millones USD por ciclo), ningún vendor puede permitirse perder en todos los frentes. La respuesta económica racional es elegir un eje defendible y dominarlo. Anthropic eligió confiabilidad profesional. OpenAI eligió ecosistema consumidor y distribución. Google eligió integración vertical con sus productos. xAI eligió tiempo real + X. Los open eligieron costo y control.

El estado estable del mercado a 2026 es fragmentación especializada, no consolidación. Es probable que ese estado persista hasta que alguna de las restricciones técnicas cambie fundamentalmente (nueva arquitectura que supere transformers, salto en costo de cómputo, etc.).

Análisis vendor por vendor, con honestidad editorial

Vale explicitar la posición de cada vendor de frontera con precisión técnica y sin fanatismo.

Anthropic / Claude. Fortaleza central: confiabilidad en trabajo delegable. Constitutional AI produce refusals explicables y consistentes; la literalidad de instrucciones en Opus 4.7 hace al modelo especialmente útil para agentes y pipelines multi-turn; honestidad sobre incertidumbre (admite "no sé") reduce falsos positivos en tareas factuales. Limitaciones honestas: no genera imágenes, voice mode es tardío y débil, ecosistema de integraciones es mucho más chico que el de OpenAI. Ventaja competitiva sostenible: la cultura interna (fundadores técnicos, foco en alineamiento como propiedad arquitectural) produce un modelo que requiere menos verificación externa, lo cual es económicamente valioso para usuarios profesionales con stakes reales.

OpenAI / ChatGPT. Fortaleza central: distribución. ChatGPT tiene cien millones de usuarios activos y es la primera IA que prueba cualquier persona no técnica. El ecosistema de custom GPTs convirtió a la plataforma en un agregador donde terceros agregan valor sin fricción. DALL-E 3 y Voice mode avanzado siguen siendo best-in-class en sus categorías. La integración con Microsoft 365 via Copilot le garantiza presencia corporativa masiva. Limitaciones: alucinación persiste en rangos 5-8% en QA factual (vs 2-3% de Claude en evaluaciones internas); la estabilidad institucional post-Altman/Sutskever sigue siendo una incógnita; los modelos o1/o3 son poderosos pero caros por request, lo que limita su uso generalizado. Ventaja sostenible: network effects — mientras más usuarios y desarrolladores en el ecosistema, más valioso el ecosistema, y es difícil de desplazar.

Google / Gemini. Fortaleza central: integración vertical con productos propios. Gemini 2.0 dentro de Workspace tiene acceso privilegiado a datos del usuario (correo, docs, drive, calendario) que ningún competidor puede replicar sin que el usuario haga un opt-in explícito; ventana de contexto de un millón de tokens (Gemini 2.0 Pro) es la más larga del mercado y habilita casos de uso —análisis de repositorios completos, libros enteros— que los otros no sirven bien. Limitaciones: la calidad de texto para escritura profesional larga queda por debajo de Claude y ChatGPT; la API histórica tiene reputación de inestabilidad; tensión interna entre equipos de IA (DeepMind + Google Brain fusionados recientemente) produce ocasional inconsistencia de producto. Ventaja sostenible: Google posee la distribución vía Android y Workspace, y puede poner Gemini como default en miles de millones de dispositivos sin pedir permiso explícito.

xAI / Grok. Fortaleza central: nicho claro en tiempo real y menos filtros. El acceso nativo a X le da a Grok un tipo de input (conversación pública en vivo) que el resto no tiene estructuralmente. La política de filtros más permisiva captura una audiencia que percibe a los competidores como sobreactuados. Limitaciones severas: calidad de reasoning y escritura medibamente por debajo; comportamiento menos predecible en edge cases; la dependencia con la marca personal de Musk introduce volatilidad reputacional. Es el vendor más nicho de los cuatro grandes, y probablemente así se quede.

Modelos abiertos (Llama, DeepSeek, Qwen). Fortaleza central: control y costo. La apuesta es que para clientes con requisitos duros de privacidad o presupuesto agresivo, los abiertos son no-negociables. Llama 405B compite en benchmarks con modelos cerrados a un fracción del costo marginal (asumiendo que el cliente absorbe costo de infraestructura). DeepSeek V3 ofrece API comercial a 25-35x menos precio que OpenAI/Anthropic. Limitaciones: calidad de experiencia conversacional es un escalón más abajo; requerir equipo técnico limita la adopción a empresas con competencia ML ops; los modelos chinos (DeepSeek, Qwen) cargan con riesgo regulatorio en Occidente.

La jerarquía de capas

Propongo una taxonomía de tres capas para ordenar el mercado. Es la misma que uso en mi consultoría para decidir arquitectura de clientes.

Capa 1 — Capacidad bruta. Modelos de frontera que compiten en benchmarks académicos (MMLU, GSM8K, HumanEval, ARC). Acá hay empate técnico entre Claude, GPT, Gemini, Llama y DeepSeek. Ningún vendor domina sostenidamente. La capa es relevante para investigación y para casos donde un cinco por ciento más de accuracy mueve resultados materialmente. Para la mayoría de uso profesional, esta capa ya no es el diferenciador.

Capa 2 — Integración y distribución. Quién llega al usuario final con menor fricción. ChatGPT vía Microsoft Copilot y su propia app; Gemini vía Workspace y Android; Grok vía X; Claude vía Anthropic directa + partners como Databricks y Vertex AI. Acá OpenAI y Google tienen ventajas estructurales difíciles de desplazar. Anthropic elige no competir directamente en esta capa — se especializa en ser la mejor opción para quien ya llegó a buscar calidad profesional.

Capa 3 — Confiabilidad profesional. Modelos a los que un profesional puede delegar trabajo con responsabilidad y revisar de forma spot, no línea por línea. Acá Claude tiene ventaja medible. La diferencia no se ve en benchmarks — se ve en tasa de reescrituras necesarias, frecuencia de alucinaciones detectadas en producción, y confiabilidad en seguimiento de instrucciones complejas. Es el segmento con mayor willingness-to-pay por calidad y menor sensibilidad al precio.

Un cliente maduro no elige por capa 1 (todos empatan). Elige considerando capa 2 (qué integraciones ya tiene) y capa 3 (qué nivel de riesgo tolera). Ese cálculo explica por qué la arquitectura óptima en 2026 es casi siempre multi-modelo.

Mi arquitectura personal, expuesta

Cierro con la arquitectura que uso yo en producción para consultoría aplicada. No es prescriptiva — es ilustrativa.

Default profesional: Claude Opus 4.7. Todo lo que implica delegar trabajo con responsabilidad — propuestas, análisis de contratos, código para clientes, redacción de reportes, curaduría de contenido para el blog, trabajo sobre documentos largos. Aproximadamente 70% de mi uso diario.

Consumidor multimedia: ChatGPT Plus. Generación de imágenes para blog y materiales, voice mode para preparar respuestas habladas, experimentación con GPTs personalizados de terceros. Aproximadamente 15% de uso, pero saturación durante sprints de creación de contenido visual.

Google-context: Gemini 2.0 Pro vía Workspace. Trabajo dentro de documentos de clientes que viven en sus Drives, análisis sobre Gmail específico, casos de contexto extendido cuando una sola inferencia necesita cargar más de 500K tokens. Aproximadamente 10% de uso, crítico en ciertos proyectos.

Open source self-hosted: Llama 3.3 70B vía servidor propio. Clientes en sectores regulados (legal, salud, financiero) que no pueden permitir que datos crucen a nubes de terceros. Aproximadamente 5% de uso, pero representa un porcentaje mayor de ingresos porque los proyectos son más largos y especializados.

Notá algo en la arquitectura: ningún modelo está en cero. Cada uno cubre un nicho donde rinde claramente mejor, y la decisión de qué usar cuándo es parte del trabajo profesional. El cambio mental más importante que hice en los últimos dos años fue pasar de "buscar la mejor IA" a "construir la mejor combinación".

Tesis editorial

La carrera de las IAs dejó de ser un podio y pasó a ser un mapa.

Ganar en 2026 no es tener el mejor modelo ni fanatismo por una marca. Ganar es elegir bien cuál herramienta para qué tarea — y saber cuándo cambiás de herramienta sin sentirlo como traición. El trabajo de un consultor maduro, un profesional serio, una persona que usa IA para producir, ya no es "cuál IA sigue ganando" sino "cuál combinación uso y cuándo la cambio".

Esta es una tesis que tiene consecuencias prácticas. Significa que el benchmarking compulsivo no escala — hay que elegir ejes relevantes a tu flujo y ignorar el resto. Significa que la lealtad a una marca de IA es cara — te hace ceder valor en nichos donde esa marca no es la mejor. Significa que la alfabetización verdadera en IA ya no es "saber usar ChatGPT"; es saber mapear tareas a herramientas y mantener esa arquitectura viva a medida que el mercado se mueve.

Esa es la tesis que sostiene el resto del blog. Si querés profundizar en la lectura crítica de benchmarks y por qué hay que dejar de creerles literalmente, Cómo se miden las IAs desarma la epistemología del campo. Si querés entender la apuesta específica que hacen los modelos abiertos y cuándo te conviene elegirlos por sobre los cerrados, Modelos abiertos vs cerrados analiza el trade-off con detalle.

¿Cuál es hoy tu arquitectura personal de IA — la combinación que usás y el criterio con el que cambiás entre herramientas?