Vista previa del contenido del prototipo. Las figuras, los detalles del autor, las afirmaciones del producto y los ejemplos de API están pendientes de verificación; Los ejemplos no son instrucciones de integración confirmadas.
Latencia, costo, duración del contexto, confiabilidad de las llamadas a herramientas: comparamos los tres grandes en escenarios del mundo real 6.
Dirigimos a las tres familias fronterizas líderes a través de seis escenarios en forma de producción con indicaciones idénticas, la misma temperatura, el mismo día, encaminados a través de la misma puerta de entrada. Esto es lo que realmente los separa.
Los escenarios
- Refactorización de código de múltiples archivos con tokens de contexto 180k
- Extracción estructurada de facturas desordenadas en un esquema estricto JSON
- Respuesta de atención al cliente con restricciones de tono y una llamada de herramienta
- Resumen de documentos largos en tokens 600k
- Bucle de agente de cadena de llamadas de herramientas, ocho pasos de profundidad
- Redacción creativa de formato largo con una guía de estilo.
lo que encontramos
La confiabilidad de las llamadas a herramientas es la brecha más amplia. En el ciclo del agente de ocho pasos, el mejor modelo completó el 94% de ejecuciones sin una llamada con formato incorrecto; lo peor fue en 71%. En la generación simple de un solo turno, las tres familias están a unos pocos puntos de distancia entre sí y la elección debería reducirse al precio y la latencia.
Si su carga de trabajo consiste en una pregunta de entrada y una respuesta de salida, elija el costo. Si es agente, opte por la confiabilidad de las llamadas a la herramienta y acepte el precio: los reintentos son más costosos que el mejor modelo.
Una política de enrutamiento predeterminada
{
"routes": [
{ "match": "tools:true", "model": "claude-sonnet-4-5" },
{ "match": "context>400000", "model": "gemini-2.5-pro" },
{ "match": "latency<300ms", "model": "qwen-3.8-flash" },
{ "default": "gpt-5" }
]
}
Comience allí y luego deje que las métricas de calidad por ruta de la puerta de enlace le indiquen dónde desviarse. Reevaluar trimestralmente: el orden cambió dos veces en el último año.