OpenDesignArena
Encuentra el modelo de IA adecuado para diseñar.
Compara calidad, velocidad y costo con evaluaciones reales.
Compatible con 21 agentes e incluye todos los modelos del ranking Descarga y empieza a diseñar con Claude Haiku 5.5
Mejor relación calidad-precio
Claude Haiku 5.5El mejor equilibrio entre calidad, costo y velocidad.
En esta evaluación, Claude Haiku 5.5 alcanzó el 91% de la puntuación media del líder, GPT-6.1 Sol, con aproximadamente el 5% de su costo medio.
- Costo por resultado
- $0.018frente a $0.382
- Puntuación media / 100
- 82.2frente a 90.1
Mayor puntuación
Entrega más rápida
Comparar modelos
Elige dos o tres modelos y compara las cinco dimensiones en un solo gráfico. Las distintas formas muestran sus diferentes fortalezas.
Perfil en cinco dimensiones
Cuanto más lejos del centro en cada eje, mejor: mayor calidad, menos tiempo y menor costo.
Promedio de cada eje entre los 20 modelos
Elige según tus prioridades
Equilibra la calidad evaluada, el costo y la velocidad para encontrar el modelo que se ajuste a tus necesidades.
- Calidad
- 50%
- Costo
- 30%
- Velocidad
- 20%
- 1 Claude Haiku 5.5 84.2 Puntuación media: 82.2/100; Costo medio: $0.018; Tiempo medio: 2.5 min
- 2
GPT-6 Luna 82.5 Puntuación media: 83.1/100; Costo medio: $0.016; Tiempo medio: 4.2 min - 3
DeepSeek V4.1 Flash 78.8 Puntuación media: 81.2/100; Costo medio: $0.023; Tiempo medio: 5.3 min - 4
MiMo 2.6 Flash 73.6 Puntuación media: 83.5/100; Costo medio: $0.029; Tiempo medio: 16.0 min - 5 GPT-6 Sol 72.6 Puntuación media: 89.9/100; Costo medio: $0.297; Tiempo medio: 4.7 min
- 6 GPT-6.1 Sol 70.3 Puntuación media: 90.1/100; Costo medio: $0.382; Tiempo medio: 6.2 min
- 7
GLM-5.3 Flash-X 70.0 Puntuación media: 80.1/100; Costo medio: $0.098; Tiempo medio: 8.0 min - 8 Claude Sonnet 5.5 68.9 Puntuación media: 86.8/100; Costo medio: $0.574; Tiempo medio: 4.1 min
- 9 GPT-5.6 Sol 65.7 Puntuación media: 77.6/100; Costo medio: $0.544; Tiempo medio: 3.2 min
- 10
Gemini 3.8 Flash 64.7 Puntuación media: 68.9/100; Costo medio: $0.210; Tiempo medio: 3.8 min - 11 Gemini 4 Argon 63.3 Puntuación media: 81.2/100; Costo medio: $0.667; Tiempo medio: 6.4 min
- 12
Muse Spark 1.3 63.2 Puntuación media: 66.6/100; Costo medio: $0.267; Tiempo medio: 3.3 min - 13
MiniMax M3.1 Flash 62.9 Puntuación media: 81.7/100; Costo medio: $0.247; Tiempo medio: 17.5 min - 14 Muse Wonder 61.3 Puntuación media: 76.2/100; Costo medio: $1.25; Tiempo medio: 3.3 min
- 15
Grok 4.7 59.6 Puntuación media: 82.9/100; Costo medio: $0.662; Tiempo medio: 16.3 min - 16 GPT-6 Astra 57.5 Puntuación media: 82.7/100; Costo medio: $1.61; Tiempo medio: 11.1 min
- 17
Hunyuan H4 Preview 54.6 Puntuación media: 74.6/100; Costo medio: $0.418; Tiempo medio: 29.2 min - 18
Qwen 3.8-Max 52.3 Puntuación media: 72.0/100; Costo medio: $0.595; Tiempo medio: 26.4 min - 19 Claude Fable 5.1 52.1 Puntuación media: 80.3/100; Costo medio: $3.66; Tiempo medio: 12.8 min
- 20
Kimi K3 52.1 Puntuación media: 65.7/100; Costo medio: $0.614; Tiempo medio: 14.0 min
Elige según el uso
Selecciona un tipo de proyecto; cada uno de los cinco criterios siguientes recomienda un modelo.
GPT-6.1 Sol
- Puntuación media Puntuación mediaCuanto mayor, mejor La puntuación media de todos los resultados evaluados, sobre 100.
- 90.1/100
- Requisitos: promedio Cumplimiento de requisitosCuanto mayor, mejor Comprueba la presencia de las páginas, contenidos, estados e interacciones requeridos, sobre 30 puntos.
- 28.0/30
- Diseño: promedio Calidad del diseñoCuanto mayor, mejor Evalúa la composición, la jerarquía, el estilo, el color y la adecuación de las imágenes, sobre 70 puntos.
- 62.2/70
- Tasa media de entregables Tasa de entregablesCuanto mayor, mejor La proporción de resultados evaluados que obtiene 80 puntos o más.
- 90.0%
- Tiempo medio Tiempo medio de ejecuciónCuanto menor, mejor El tiempo total de ejecución de los resultados puntuados dividido entre su número.
- 6.2 min
- Costo medio / resultado Costo por resultadoCuanto menor, mejor Estimado a partir de los precios oficiales y del uso medido de tokens.
- $0.382/ejecución
GPT-6.1 Sol
- Diseño: promedio
- 62.2/70
- Puntuación media
- 90.1/100
- Tasa media de entregables
- 90.0%
- Requisitos: promedio
- 28.0/30
- Tiempo medio
- 6.2 min
- Costo medio / resultado
- $0.382/ejecución
DeepSeek V4.1 Flash
- Requisitos: promedio
- 28.4/30
- Puntuación media
- 81.2/100
- Tasa media de entregables
- 57.7%
- Diseño: promedio
- 52.8/70
- Tiempo medio
- 5.3 min
- Costo medio / resultado
- $0.023/ejecución
Claude Haiku 5.5
- Tiempo medio
- 2.5 min
- Puntuación media
- 82.2/100
- Tasa media de entregables
- 62.2%
- Requisitos: promedio
- 26.5/30
- Diseño: promedio
- 55.7/70
- Costo medio / resultado
- $0.018/ejecución
GPT-6 Luna
- Costo medio / resultado
- $0.016/ejecución
- Puntuación media
- 83.1/100
- Tasa media de entregables
- 70.5%
- Requisitos: promedio
- 25.2/30
- Diseño: promedio
- 57.9/70
- Tiempo medio
- 4.2 min
Calidad y costo
Compara el rendimiento de los modelos y el costo de conseguirlo.
Clasificación: Calidad
GPT-6.1 Sol GPT-6 Sol Claude Sonnet 5.5 MiMo 2.6 Flash GPT-6 Luna Grok 4.7 GPT-6 Astra Claude Haiku 5.5 MiniMax M3.1 Flash DeepSeek V4.1 Flash Gemini 4 Argon Claude Fable 5.1 GLM-5.3 Flash-X GPT-5.6 Sol Muse Wonder Hunyuan H4 Preview Qwen 3.8-Max Gemini 3.8 Flash Muse Spark 1.3 Kimi K3 Umbral de costo y calidad
9 modelos en la zona rosa cuestan más y puntúan menos que DeepSeek V4.1 Flash.
Rendimiento por uso
Mostrando Aplicación web (Estructura de varias páginas y flujos); MiMo 2.6 Flash lidera con 93.9, una tasa de entregables del 100.0% y un costo de $0.043 por ejecución.
Mostrando Aplicación móvil (Experiencia táctil y diseño adaptable); Hunyuan H4 Preview lidera con 89.5, una tasa de entregables del 83.3% y un costo de $0.404 por ejecución.
Mostrando Aplicación de escritorio (Flujos de trabajo e interacciones complejas); GPT-6.1 Sol lidera con 93.0, una tasa de entregables del 100.0% y un costo de $0.340 por ejecución.
Mostrando Panel de datos (Densidad y jerarquía de la información); GPT-6.1 Sol lidera con 95.6, una tasa de entregables del 100.0% y un costo de $0.365 por ejecución.
Mostrando Página de destino (Expresión de marca y conversión); GPT-6.1 Sol lidera con 89.8, una tasa de entregables del 88.9% y un costo de $0.349 por ejecución.
Clasificación: Aplicación web
MiMo 2.6 Flash GPT-6.1 Sol GPT-6 Sol Grok 4.7 Claude Sonnet 5.5 GPT-5.6 Sol Claude Fable 5.1 DeepSeek V4.1 Flash MiniMax M3.1 Flash Gemini 4 Argon GPT-6 Luna GLM-5.3 Flash-X Claude Haiku 5.5 GPT-6 Astra Muse Wonder Gemini 3.8 Flash Muse Spark 1.3 Hunyuan H4 Preview Qwen 3.8-Max Kimi K3 Aplicación web · Umbral de costo y calidad
10 modelos en la zona rosa cuestan más y puntúan menos que DeepSeek V4.1 Flash.
Clasificación: Aplicación móvil
Hunyuan H4 Preview GPT-6 Astra GPT-6 Sol GPT-5.6 Sol Claude Sonnet 5.5 Grok 4.7 MiniMax M3.1 Flash Gemini 4 Argon GPT-6 Luna DeepSeek V4.1 Flash Claude Haiku 5.5 Kimi K3 Gemini 3.8 Flash Claude Fable 5.1 GPT-6.1 Sol MiMo 2.6 Flash GLM-5.3 Flash-X Muse Wonder Muse Spark 1.3 Qwen 3.8-Max Aplicación móvil · Umbral de costo y calidad
9 modelos en la zona rosa cuestan más y puntúan menos que DeepSeek V4.1 Flash.
Clasificación: Aplicación de escritorio
GPT-6.1 Sol Claude Sonnet 5.5 GPT-6 Sol Claude Haiku 5.5 GPT-6 Astra Gemini 4 Argon DeepSeek V4.1 Flash Kimi K3 MiMo 2.6 Flash Muse Wonder Qwen 3.8-Max MiniMax M3.1 Flash GLM-5.3 Flash-X GPT-6 Luna GPT-5.6 Sol Grok 4.7 Muse Spark 1.3 Gemini 3.8 Flash Hunyuan H4 Preview Claude Fable 5.1 Aplicación de escritorio · Umbral de costo y calidad
11 modelos en la zona rosa cuestan más y puntúan menos que DeepSeek V4.1 Flash.
Clasificación: Panel de datos
GPT-6.1 Sol GPT-6 Sol Claude Haiku 5.5 GPT-6 Luna Claude Sonnet 5.5 GPT-6 Astra Claude Fable 5.1 Gemini 4 Argon MiMo 2.6 Flash MiniMax M3.1 Flash GLM-5.3 Flash-X Qwen 3.8-Max Hunyuan H4 Preview Grok 4.7 Muse Wonder GPT-5.6 Sol Muse Spark 1.3 DeepSeek V4.1 Flash Gemini 3.8 Flash Kimi K3 Panel de datos · Umbral de costo y calidad
2 modelos en la zona rosa cuestan más y puntúan menos que DeepSeek V4.1 Flash.
Clasificación: Página de destino
GPT-6.1 Sol GPT-6 Sol GPT-6 Luna GLM-5.3 Flash-X MiMo 2.6 Flash Claude Sonnet 5.5 Qwen 3.8-Max Grok 4.7 Claude Fable 5.1 DeepSeek V4.1 Flash MiniMax M3.1 Flash GPT-6 Astra Claude Haiku 5.5 Muse Wonder Gemini 4 Argon Hunyuan H4 Preview Kimi K3 GPT-5.6 Sol Muse Spark 1.3 Gemini 3.8 Flash Página de destino · Umbral de costo y calidad
9 modelos en la zona rosa cuestan más y puntúan menos que DeepSeek V4.1 Flash.
Eficiencia de los modelos
Compara el tiempo de ejecución, la tasa de aciertos de caché y el consumo de tokens. Todas las cifras son promedios medidos.
GPT-6.1 Sol GPT-6.1 SolTiempo 6 minCaché 83% · Entrada 389.1K · Salida 23.3K
GPT-6 Sol GPT-6 SolTiempo 5 minCaché 81.5% · Entrada 344.4K · Salida 13.7K
Claude Sonnet 5.5 Claude Sonnet 5.5Tiempo 4 minCaché 49.8% · Entrada 288.4K · Salida 31.3K
MiMo 2.6 Flash MiMo 2.6 FlashTiempo 16 minCaché 80.5% · Entrada 1067.4K · Salida 47.7K
GPT-6 Luna GPT-6 LunaTiempo 4 minCaché 83.4% · Entrada 317.0K · Salida 17.3K
Grok 4.7 Grok 4.7Tiempo 16 minCaché 68.6% · Entrada 458.7K · Salida 44.3K
GPT-6 Astra GPT-6 AstraTiempo 11 minCaché 81% · Entrada 318.7K · Salida 15.5K
Claude Haiku 5.5 Claude Haiku 5.5Tiempo 2 minCaché 80% · Entrada 195.3K · Salida 24.8K
MiniMax M3.1 Flash MiniMax M3.1 FlashTiempo 18 minCaché 97.6% · Entrada 9343.4K · Salida 126.6K
DeepSeek V4.1 Flash DeepSeek V4.1 FlashTiempo 5 minCaché 89% · Entrada 1462.8K · Salida 29.2K
Gemini 4 Argon Gemini 4 ArgonTiempo 6 minCaché 67.5% · Entrada 372.9K · Salida 41.6K
Claude Fable 5.1 Claude Fable 5.1Tiempo 13 minCaché 94% · Entrada 715.7K · Salida 63.6K
GLM-5.3 Flash-X GLM-5.3 Flash-XTiempo 8 minCaché 66.6% · Entrada 390.5K · Salida 32.9K
GPT-5.6 Sol GPT-5.6 SolTiempo 3 minCaché 80.7% · Entrada 236.6K · Salida 14.5K
Muse Wonder Muse WonderTiempo 3 minCaché 33.3% · Entrada 312.9K · Salida 21.2K
Hunyuan H4 Preview Hunyuan H4 PreviewTiempo 29 minCaché 90.9% · Entrada 3085.9K · Salida 46.0K
Qwen 3.8-Max Qwen 3.8-MaxTiempo 26 minCaché 79% · Entrada 836.8K · Salida 28.6K
Gemini 3.8 Flash Gemini 3.8 FlashTiempo 4 minCaché 70.9% · Entrada 392.3K · Salida 27.9K
Muse Spark 1.3 Muse Spark 1.3Tiempo 3 minCaché 31.5% · Entrada 235.9K · Salida 13.4K
Kimi K3 Kimi K3Tiempo 14 minCaché 71.7% · Entrada 427.1K · Salida 16.1K
Método de evaluación
Se puntúan el cumplimiento de requisitos y la calidad del diseño; la eficiencia y el costo se presentan por separado.
Tareas y muestras
Los modelos se evalúan con tareas de diseño comunes en cinco tipos de proyectos: aplicaciones web, aplicaciones móviles, aplicaciones de escritorio, paneles de datos y administración, y sitios web y páginas de destino. Estos resultados describen el rendimiento en tareas prácticas de generación de prototipos, no las capacidades generales del modelo.
Comprobaciones de visualización
Antes de puntuar, comprobamos que cada resultado se abra como una página web, incluidos los casos de páginas en blanco, contenido truncado y errores de ejecución graves. Los resultados que no se pueden mostrar reciben cero; no se sustituyen mediante nuevas pruebas. Abrirse correctamente es solo un requisito previo para continuar la evaluación, no una prueba de que se cumplan los requisitos o de que el resultado sea entregable.
Cumplimiento de requisitos y calidad del diseño
Cada resultado se puntúa sobre 100. El cumplimiento de requisitos aporta 30 puntos: se comprueban las páginas y módulos, el contenido requerido, los estados de la interfaz y las interacciones frente a las instrucciones de la tarea, y se califican como completos, parcialmente completos o incompletos. La calidad del diseño aporta 70 puntos repartidos por igual entre cinco dimensiones: composición y legibilidad, jerarquía de la información, adecuación del estilo a la tarea, color y contraste, y adecuación de las imágenes y su relación con el contenido. Cada dimensión se califica como cumplida, parcialmente cumplida o no cumplida.
Puntuación media y tasa de entregables
La puntuación media es la media aritmética de todos los resultados puntuados para un modelo. Un resultado con 80 puntos o más se considera entregable en esta evaluación. La tasa de entregables es la proporción de resultados puntuados que alcanza ese umbral e indica la regularidad con la que un modelo produce resultados que cumplen el criterio. Aquí, entregable se refiere al estándar de calidad de prototipos de esta evaluación, no a que esté listo para usarse en producción.
Eficiencia y costo
Presentamos los promedios medidos del tiempo de ejecución, la tasa de aciertos de caché, el uso de tokens de entrada y salida y las llamadas a herramientas por separado de las puntuaciones de calidad. El costo de cada resultado se estima a partir del uso de tokens registrado y de las tarifas estándar de entrada, salida y lectura de caché; después se calcula el promedio. Estas estimaciones comparan el consumo de recursos: no son facturas y excluyen cargos no registrados. La eficiencia y el costo no contribuyen a la puntuación de evaluación. Cambiar las prioridades de selección modifica la clasificación de recomendaciones, no los resultados originales de evaluación.