Agentes de IA para usar computadoras: los mejores modelos multimodales de 2026

GPT-5.6 Sol es el mejor modelo en términos generales para agentes de IA que operan computadoras en 2026, pero su costo normalizado solo de modelo es de $0.40 para una tarea que contabiliza 50,000 tokens de entrada y 5,000 tokens de salida. Gemini 3.7 Flash cuesta $0.05625 con la misma distribución de tokens, mientras que DeepSeek V4-Flash-Vision-Exp cuesta entre $0.0143 y $0.0286. Conviene elegir la opción que minimice el costo por tarea completada y aceptada, no la que muestre el precio por token más bajo.

Modelos de IA multimodal: la selección de un vistazo

Las cuatro opciones siguientes resuelven versiones distintas del uso de computadoras. GPT-5.6 Sol, Claude Opus 5 y Gemini 3.7 Flash ofrecen una herramienta de Computer Use con un ciclo de acciones definido. DeepSeek V4-Flash-Vision-Exp aporta el modelo visual y llamadas genéricas a herramientas, pero la aplicación debe definir las acciones sobre la computadora, el ejecutor, las aprobaciones y la lógica de recuperación.

Los precios se verificaron el 22 de agosto de 2026. «Precio inicial» se refiere al precio de lista de la API directa por millón de tokens, expresado como entrada/salida. No incluye el alojamiento del ejecutor, las tarifas de herramientas, los reintentos ni la revisión humana, salvo que se indique lo contrario.

La clasificación:

1. GPT-5.6 Sol es la mejor opción general cuando una acción fallida resulta costosa y se busca el mejor resultado publicado de Computer Use dentro de este grupo.
2. Claude Opus 5 es la mejor alternativa para control empresarial cuando importan más la estructura del navegador, la confirmación automática ante inyección de prompts, el tratamiento de datos o la elegibilidad para cargas reguladas que una ventaja en benchmarks.
3. Gemini 3.7 Flash ofrece la mejor relación calidad-precio entre las opciones nativas para automatización reversible en navegador, dispositivos móviles y escritorio. El modelo está en GA, pero Computer Use sigue en Preview.
4. DeepSeek V4-Flash-Vision-Exp marca el costo mínimo para un equipo técnico que ya dispone de un ejecutor y una infraestructura de evaluación. Es un núcleo visual experimental, no un sistema de Computer Use listo para usar.

Nadie debería comprar un modelo de Computer Use solo porque identifica un botón en una captura de pantalla. Un agente de producción debe percibir el estado, proponer una acción permitida, ejecutarla en un entorno aislado, observar el resultado, recuperarse de errores y detenerse para pedir aprobación antes de generar consecuencias. El «mejor modelo» es la opción que completa todo ese ciclo con el menor riesgo aceptable.

Qué agentes de IA conviene elegir: respuesta en un minuto

Elija primero GPT-5.6 Sol para trabajos de alto valor en los que omitir un estado, elegir una coordenada equivocada o fallar al recuperarse puede consumir varios minutos del tiempo de un operador. OpenAI informa un resultado de 62.6% en OSWorld 2.0 para Sol. Es evidencia de benchmark publicada por el proveedor, no una garantía de que un CRM, un portal de reclamaciones o una aplicación de escritorio propios se comporten igual; aun así, es la cifra de Computer Use más alta publicada entre estas cuatro opciones actuales.

Elija Claude Opus 5 cuando la capa de control forme parte de la compra. El conjunto actual de herramientas de Anthropic ofrece 17 acciones del lado del cliente, permite agrupar varias acciones en un turno, incorpora una herramienta específica para el navegador que lee la estructura de la página y revisa automáticamente las capturas en busca de posibles inyecciones de prompts. Computer Use ya está en GA en la API de Claude, lo que elimina una objeción importante para compras empresariales, aunque la aplicación sigue siendo responsable del entorno y de ejecutar las acciones.

Elija Gemini 3.7 Flash para un flujo reversible en el que importe contar con un esquema de acciones nativo y el costo deba mantenerse cerca del mínimo. Con la carga utilizada aquí, su costo normalizado por tokens es muy inferior al de Sol. Google también expone la intención de la acción y las decisiones de seguridad, señales útiles para las aprobaciones y el registro. La contrapartida es su estado: Gemini 3.7 Flash está en GA, pero la capacidad Computer Use continúa en Preview y Google desaconseja usarla con acciones sensibles o irreversibles sin supervisión estrecha.

Elija DeepSeek V4-Flash-Vision-Exp únicamente si «construir la capa de control que falta» parece una ventaja. Su precio pico por token sigue por debajo de la tarifa Standard actual de Gemini, y 100 capturas con el tamaño máximo cuestan como mucho $0.016896 en horas pico, antes de contar texto y salida. El bajo precio importa. También importa que no exista una herramienta propia de acciones sobre la computadora. Un equipo sin una infraestructura previa para navegador o escritorio debe considerar el trabajo de ingeniería y seguridad como el producto, no como una simple configuración.

La prueba de los 22 segundos: por qué el precio por token no equivale al costo por tarea

Un agente que trabaja con capturas funciona como un ciclo, no como una sola inferencia. La aplicación envía una captura y el estado. El modelo devuelve una acción o un pequeño lote de acciones. El ejecutor las realiza. La aplicación captura el nuevo estado y vuelve a consultar. Cada turno puede sumar tokens de imagen, definiciones de herramientas, resultados de acciones, latencia y otra oportunidad de recuperación.

Por eso, el precio de entrada publicado de un modelo es apenas el punto de partida. La métrica de compra es:

Costo por tarea aceptada = tokens del modelo + tarifas de herramientas + ejecución del entorno + revisión humana + reintentos, dividido entre las tareas completadas y aceptadas.

La palabra «aceptada» es esencial. Una tarea no está completa solo porque el modelo lo afirme. El resultado debe superar una comprobación determinista o cumplir el criterio de una persona designada. En la captura de datos de un formulario, esto podría significar que todos los campos coinciden con el registro de origen y que el envío final sigue pendiente de aprobación. En control visual de calidad, podría significar que se completó el flujo previsto, apareció el elemento esperado y se conservó la captura como evidencia.

Para comparar los precios de las API, se utiliza una tarea normalizada con 50,000 tokens de entrada contabilizados en total y 5,000 tokens de salida. La entrada incluye capturas, definiciones de herramientas, estados anteriores y resultados. No pretende representar todos los flujos de trabajo; es una unidad común de comparación.

• GPT-5.6 Sol cuesta $0.40 en tokens del modelo.
• Claude Opus 5 cuesta $0.375.
• Gemini 3.7 Flash Standard Paid cuesta $0.05625 hasta el 31 de diciembre de 2026.
• DeepSeek V4-Flash-Vision-Exp cuesta $0.0143 fuera de horas pico o $0.0286 en horas pico para entradas que no están en caché.

En 1,000 tareas enviadas, esos mínimos se convierten en $400 para Sol, $375 para Opus 5, $56.25 para Gemini y entre $14.30 y $28.60 para DeepSeek. Estas cifras no incluyen el ejecutor ni los cargos específicos de herramientas de cada proveedor. También parten de la misma distribución de tokens contabilizados, no de la misma tasa de éxito.

Ahora hay que sumar el trabajo humano. Con un costo total de operador de $60 por hora, un minuto cuesta $1. El sobreprecio de $0.3714 de Sol frente a la tarifa pico de DeepSeek equivale a 22.284 segundos de trabajo. El de Claude equivale a 20.784 segundos y el de Gemini, a 1.659 segundos.

Esta es la prueba de los 22 segundos: si Sol evita 22 segundos de revisión, corrección o recuperación de un ciclo fallido por cada tarea enviada, compensa su sobreprecio por tokens frente a DeepSeek en horas pico. En 1,000 tareas, Sol cuesta $371.40 más en tokens del modelo y necesita ahorrar unas 6.19 horas de operador para alcanzar el punto de equilibrio. Una sola intervención suele durar más cuando la persona debe abrir un registro, entender el estado, corregirlo y reiniciar la ejecución.

La prueba no demuestra que Sol vaya a ahorrar esos segundos. Indica qué debe medir la evaluación. Una puntuación de benchmark puede justificar un piloto; solo el registro del tiempo de recuperación puede justificar el presupuesto.

Los extras específicos de cada proveedor modifican el mínimo:

• Si una tarea de OpenAI genera 20 llamadas facturables a la herramienta Computer Use, el precio actual de $2.50 por 1,000 llamadas añade $0.05 antes de alojar el ejecutor.
• El conjunto predeterminado de herramientas de Computer Use de Opus 5 añade unos 4,520 tokens de entrada a una solicitud sin caché, equivalentes a $0.0226 con la tarifa base de entrada. Los aproximadamente 6,610 tokens del conjunto de herramientas del navegador equivalen a $0.03305. El almacenamiento de prompts en caché puede reducir esta sobrecarga repetida, pero conviene leer el uso contabilizado en vez de asumir que todos los turnos aprovechan la caché.
• Gemini factura Computer Use con las tarifas normales del modelo seleccionado, incluidos los tokens de salida y razonamiento. Una deliberación prolongada puede hacer que la salida supere la sencilla referencia de 5,000 tokens.
• DeepSeek limita cada imagen a 384 tokens de entrada, pero el esquema de acciones personalizado, las respuestas del ejecutor, los reintentos y las comprobaciones de seguridad siguen consumiendo dinero y horas de ingeniería fuera de esa línea de imagen.

Para distribuir cargas únicamente por precio, la comparativa de las API de IA más baratas cubre modelos que no necesitan controlar una pantalla. Computer Use requiere un presupuesto propio porque las capturas, las transiciones de estado y las recuperaciones se acumulan en cada turno.

1. GPT-5.6 Sol: la mejor opción general cuando los fallos son costosos

GPT-5.6 Sol es el modelo multimodal de frontera de OpenAI y el mejor punto de partida general cuando los fallos de Computer Use implican un costo de recuperación significativo. El alias gpt-5.6 dirige a Sol; el modelo acepta imágenes como entrada, admite una ventana de contexto de 1,050,000 tokens y puede usar la herramienta computer actual de la Responses API.

OpenAI informa 62.6% en OSWorld 2.0 para Sol, frente a 50.2% para Terra y 45.6% para Luna. OSWorld mide a un agente mientras opera software de escritorio, por lo que se acerca más a esta decisión de compra que un benchmark general de chat. Aun así, el resultado procede del entorno de evaluación de OpenAI. Debe servir para incluir a Sol en el piloto, no para omitir pruebas de aceptación propias.

En qué destaca Sol

La ventaja práctica de la integración actual de OpenAI es su flexibilidad. El modelo puede examinar capturas y devolver acciones mediante la herramienta integrada, o trabajar con herramientas personalizadas y una infraestructura de ejecución de código. Así, un equipo técnico puede comenzar con un navegador Playwright y pasar a una máquina virtual completa cuando el flujo atraviese aplicaciones nativas de escritorio.

La guía actual también concede a la capa de seguridad la prioridad adecuada. Recomienda un navegador o una VM aislados, un entorno heredado vacío, extensiones deshabilitadas y, cuando sea posible, sin acceso al sistema de archivos local, además de aprobación explícita para acciones con consecuencias. También indica que el agente debe detenerse cuando el contenido en pantalla parezca una inyección de prompts. Son instrucciones de implementación, no protecciones automáticas, pero orientan el piloto hacia una configuración inicial más segura.

El caso de uso más sólido es un flujo valioso, reversible y con interfaces complejas. Por ejemplo, un equipo financiero de una empresa mediana que deba recopilar datos de tres portales web, conciliarlos con un registro de origen y preparar una entrada para aprobación. El sobreprecio de Sol tiene sentido si una mejor comprensión del estado y una recuperación más eficaz evitan siquiera una pequeña cantidad de correcciones del operador. Tiene menos sentido en un formulario limpio cuyos controles nunca cambian y cuyos datos podrían enviarse mediante una API.

Tarifas de OpenAI

OpenAI ofrece tres niveles actuales de GPT-5.6 compatibles con Computer Use:

• GPT-5.6 Sol: $5.00 por millón de tokens de entrada, $0.50 por millón de tokens de entrada en caché y $30.00 por millón de tokens de salida.
• GPT-5.6 Terra: $2.00 por millón de tokens de entrada, $0.20 por millón de tokens de entrada en caché y $12.00 por millón de tokens de salida.
• GPT-5.6 Luna: $0.20 por millón de tokens de entrada, $0.02 por millón de tokens de entrada en caché y $1.20 por millón de tokens de salida.

La herramienta Computer Use puede añadir $2.50 por cada 1,000 llamadas facturables, mientras que los tokens consumidos por las herramientas integradas se cobran con la tarifa del modelo seleccionado. Sol no cuenta con un nivel gratuito compatible para la API.

La familia crea una escala útil para distribuir tareas. Primero se establece el techo de calidad con Sol. Después se vuelve a ejecutar el mismo conjunto de tareas aceptadas con Terra. Una clase de tareas solo debe pasar a Terra si su perfil de finalización y revisión se mantiene dentro del umbral. Luna es un trabajador mucho más barato, pero su resultado en OSWorld publicado por el proveedor es inferior. Debe reservarse para trabajo acotado y reversible una vez demostrada la regla de aceptación, no adoptarse por defecto solo porque sus tokens de entrada cuesten mucho menos que los de Sol.

Cómo ejecutar un piloto seguro con Sol

1. 1

   Seleccione un flujo acotado

   Elija una tarea con un estado inicial claro, una comprobación final determinista y ninguna acción irreversible antes de la aprobación. Entre los buenos candidatos están el control de calidad en navegador, la recopilación de evidencia y la preparación de un registro para revisión. En la primera evaluación, evite comprar, borrar, publicar o enviar.

2. 2

   Inmovilice el entorno

   Use un perfil de navegador, contenedor o VM aislado. Elimine las variables de entorno heredadas, desactive extensiones y el acceso al sistema de archivos local cuando sea posible, permita solo los dominios necesarios y exponga únicamente las credenciales que requiere la tarea.

3. 3

   Defina la aprobación antes de ejecutar

   Documente las acciones que siempre exigen intervención humana, como enviar un mensaje, aceptar condiciones, modificar datos de una cuenta o asumir un compromiso financiero. El ejecutor, no el texto generado por el modelo, debe imponer la pausa.

4. 4

   Registre el estado y la aceptación

   Conserve el estado inicial, cada captura, la acción propuesta, la acción ejecutada, el resultado de la herramienta, las detenciones de seguridad, el estado final y el resultado de aceptación. El mensaje final del modelo no constituye una comprobación de aceptación.

5. 5

   Reduzca el nivel solo después de que Sol apruebe

   Use Sol para establecer la referencia posible de finalización y revisión. Luego compare Terra y Luna con las mismas tareas, el mismo entorno y las mismas reglas de aprobación. Mantenga Sol como vía de escalamiento para los tipos de tareas que fallen en niveles inferiores.

Ideal para: Trabajo de alto valor y varios pasos en navegador o escritorio, cuando recuperarse de un fallo resulta costoso.
Diferencial: OpenAI informa 62.6% en OSWorld 2.0, el mejor resultado actual publicado de Computer Use dentro de este grupo.
Precio: Sol $5/$30, Terra $2/$12 y Luna $0.20/$1.20 por millón de tokens de entrada/salida, más los cargos aplicables por llamadas a herramientas.
Prueba gratuita: Sol no dispone de un nivel gratuito compatible para la API.

Quién debería descartarlo: No conviene usar Sol como trabajador predeterminado cuando existe una API determinista, cuando la tarea tiene poco valor y es extremadamente repetitiva o cuando Terra, Luna o Gemini cumplen el mismo umbral de aceptación. No tiene sentido pagar la tarifa de frontera para pulsar un control estable que una automatización convencional puede manejar con mayor seguridad.

2. Claude Opus 5: la mejor opción para trabajo empresarial gobernado en escritorio

Claude Opus 5 es la mejor elección cuando la capa de control de Computer Use importa tanto como la calidad bruta del modelo. Anthropic llevó Computer Use a disponibilidad general en la API de Claude el 20 de agosto de 2026, junto con una nueva herramienta de Browser Use. El conjunto actual computer_toolset_20260801 ofrece 17 herramientas del lado del cliente mediante una sola declaración y no requiere encabezado beta.

La diferencia entre Computer Use y Browser Use tiene efectos prácticos. Computer Use trabaja a partir de capturas y controla un escritorio completo mediante acciones de mouse y teclado. Browser Use también lee la estructura de la página y actúa sobre elementos concretos, por lo que encaja mejor cuando todo el flujo se desarrolla dentro de aplicaciones web. La estructura puede facilitar la selección de un campo o botón frente al uso exclusivo de coordenadas en pantalla.

Ambas siguen siendo herramientas de ejecución del lado del cliente. Claude no se conecta por sí mismo al escritorio. La aplicación ejecuta cada acción dentro de un contenedor, una VM o un navegador controlado, devuelve el resultado y vuelve a llamar al modelo. Computer Use no está disponible actualmente dentro de Claude Managed Agents, de modo que quien espere que Anthropic aloje la sesión de escritorio completa estará eligiendo un producto con límites distintos a los que necesita.

Por qué Claude destaca en gobernanza

Claude puede devolver varias acciones sobre la computadora en un solo turno del modelo. El ejecutor las procesa en secuencia y se detiene ante el primer fallo. Esto puede evitar llamadas repetidas al modelo en una secuencia segura, como hacer clic, escribir y observar. No justifica agrupar acciones que atraviesan un estado que debe inspeccionarse. Si un clic podría abrir la cuenta equivocada, el agente debe ver el resultado antes de escribir.

Anthropic también ejecuta clasificadores sobre las capturas para detectar posibles inyecciones de prompts y orientar al modelo a pedir confirmación antes de la siguiente acción. Los clientes pueden contactar con soporte para desactivar esta función, pero su configuración predeterminada resulta útil en flujos que recorren páginas no confiables. El clasificador es otra capa defensiva, no un sustituto de las listas de dominios permitidos, los límites de credenciales ni la aprobación en el ejecutor.

El tratamiento de datos es más claro que durante la beta. El cliente controla el almacenamiento de capturas, acciones y archivos, y Anthropic afirma que Computer Use puede acogerse a la retención de datos cero. Computer Use también es elegible para cargas de trabajo reguladas por HIPAA bajo el BAA de Anthropic. La elegibilidad no vuelve conforme a una aplicación por sí sola, pero puede eliminar un bloqueo relacionado con el modelo durante la evaluación de compras del sector sanitario.

Esta combinación encaja en reclamaciones, seguros, finanzas u operaciones cuando el sistema debe entrar en software sin una API útil y el comprador necesita evidencia de cada acción. Anthropic cita a un cliente, Asteroid, que informa que su flujo de reclamaciones más largo bajó de 32 minutos a 13 minutos, el costo por tarea se redujo cerca de 30% y la finalización llegó a 100% sin modificar los prompts. Es un resultado atribuido a un cliente, no una tasa esperada para una implementación nueva. Muestra qué consecuencia merece medirse: menos turnos del ciclo y una mejor selección de objetivos pueden cambiar el costo operativo, no solo la puntuación del modelo.

El análisis detallado del costo de las acciones múltiples de Claude explica cuándo un lote de acciones ahorra dinero y cuándo sigue siendo obligatorio observar entre acciones.

Tarifas de Claude

El conjunto actual de herramientas es compatible con Sonnet 5, Opus 5, Fable 5, Mythos 5 de disponibilidad limitada y Opus 4.8. La escala relevante de modelos actuales es:

• Claude Sonnet 5: $2 por millón de tokens de entrada base y $10 por millón de tokens de salida. Escribir en caché durante 5 minutos cuesta $2.50; escribir durante 1 hora cuesta $4; y una lectura de caché cuesta $0.20 por millón de tokens.
• Claude Opus 5: $5 por millón de tokens de entrada base y $25 por millón de tokens de salida. Escribir en caché durante 5 minutos cuesta $6.25; escribir durante 1 hora cuesta $10; y una lectura de caché cuesta $0.50 por millón de tokens.
• Claude Fable 5 y Claude Mythos 5: $10 por millón de tokens de entrada base y $50 por millón de tokens de salida. Mythos 5 tiene disponibilidad limitada.
• Modo Fast de Opus 5: $10 por millón de tokens de entrada y $50 por millón de tokens de salida.
• Batch de Opus 5: $2.50 por millón de tokens de entrada y $12.50 por millón de tokens de salida. Batch es útil para trabajo asíncrono del modelo, pero un ciclo interactivo de Computer Use aún debe observar y actuar en secuencia.

Los usuarios nuevos de la API reciben un pequeño monto no especificado de crédito gratuito. Anthropic solicita que los compradores empresariales contacten con ventas para obtener una prueba ampliada.

La línea oculta es la sobrecarga de las definiciones de herramientas. El conjunto predeterminado de Computer Use añade unos 4,520 tokens de entrada en Opus 5 y 4,590 en Sonnet 5 a cada solicitud. Desactivar el zoom elimina alrededor de 410 tokens. El conjunto de Browser Use es mayor: añade unos 6,610 tokens en Opus 5 y 6,670 en Sonnet 5, mientras que activar sus cuatro componentes opcionales suma aproximadamente 880 tokens.

Con la tarifa base de entrada de Opus 5, un conjunto predeterminado de herramientas de Computer Use sin caché cuesta cerca de $0.0226 antes de contar la captura, el contexto de la tarea, el resultado de la acción o la salida. El conjunto de Browser Use cuesta alrededor de $0.03305 sobre la misma base. En una tarea corta, declarar la superficie de control disponible puede costar más que los datos de negocio. Almacene en caché las instrucciones estables y las definiciones de herramientas cuando el flujo lo permita, desactive los componentes que no utilice y confíe en el uso contabilizado de la respuesta, no en una estimación.

Ideal para: Flujos empresariales en navegador y escritorio que necesitan controles explícitos, evidencia de auditoría y una ruta de migración compatible.
Diferencial: Computer Use en GA con 17 acciones del lado del cliente, lotes secuenciales de acciones y una herramienta independiente de Browser Use que interpreta la estructura de la página.
Precio: Sonnet 5 $2/$10, Opus 5 $5/$25 y Fable 5 o Mythos 5 de disponibilidad limitada $10/$50 por millón de tokens de entrada/salida base.
Prueba gratuita: Pequeño crédito para nuevos usuarios de la API, sin monto publicado; la evaluación empresarial requiere contactar con ventas.

Quién debería descartarlo: No conviene usar Computer Use para controlar el escritorio completo si la tarea ocurre dentro de una página web y Browser Use la cubre. Tampoco conviene usar ninguna de las dos opciones si existe una API estable. Quien solo busque el ciclo de interfaz reversible más barato debería empezar con Gemini; quien ya disponga de toda la infraestructura de acciones debería calcular el precio de DeepSeek como núcleo del modelo.

3. Gemini 3.7 Flash: la mejor relación calidad-precio en Computer Use nativo

Gemini 3.7 Flash es el modelo recomendado por Google para Computer Use y la opción con mejor relación calidad-precio de esta lista entre las que ofrecen un ciclo de acciones definido por el proveedor. El modelo está en GA, cuenta con una ventana de contexto de 1 millón de tokens y admite una salida máxima de 64,000 tokens. Computer Use continúa en Preview.

Google admite tres entornos objetivo: navegador, dispositivo móvil y escritorio. La aplicación envía el prompt, el entorno y la captura. Gemini devuelve una llamada a una función para ejecutar una acción en la interfaz. El cliente escala las coordenadas, ejecuta la acción, captura la nueva pantalla y la envía de vuelta. Sigue siendo necesaria una VM o un contenedor seguro, además de un controlador de acciones del lado del cliente; los ejemplos de Google utilizan Playwright.

Gemini 3.x incorpora dos señales especialmente útiles para una capa de aprobación. Cada acción puede incluir una intención, es decir, una breve explicación de por qué el modelo la eligió. Una decisión de seguridad independiente puede marcar la acción como permitida, exigir confirmación o bloquearla. La intención no demuestra que una acción sea correcta, pero aporta al motor de políticas y al revisor más contexto que unas simples coordenadas de clic.

El sistema de seguridad puede configurarse por categoría de política, y la detección de inyección de prompts en capturas es opcional. Esto vuelve a Gemini atractivo para un equipo de producto que construye su propia experiencia de aprobación. La aplicación puede mostrar en conjunto la acción propuesta, la intención del modelo, la decisión de política y la captura actual, y pedir intervención humana solo cuando el riesgo del flujo lo justifique.

Dónde encaja Gemini

Gemini es el primer piloto razonable para trabajo reversible entre distintos entornos. Un equipo de producto móvil podría usar la misma opción de modelo para recorrer un alta tanto en un navegador web como en una aplicación móvil, recopilar capturas y señalar dónde diverge la experiencia. Un equipo de operaciones de soporte podría utilizarlo para recopilar información pública de sitios aprobados y preparar un registro sin pulsar el botón de envío final.

Con la distribución normalizada de tokens, el mínimo Standard Paid actual de Gemini es de $0.05625 por tarea o $56.25 por 1,000 tareas. Cuesta $0.02765 más por tarea que DeepSeek en horas pico. Con un costo de $60 por hora, Gemini solo necesita ahorrar 1.659 segundos de ingeniería o revisión para cubrir ese sobreprecio de modelo. Un esquema de acciones definido, una decisión de seguridad o evitar un adaptador personalizado pueden superar rápidamente ese umbral.

La advertencia está en el estado del producto, no en la letra pequeña. Google indica que Computer Use puede contener errores y vulnerabilidades de seguridad, y desaconseja utilizarlo para decisiones críticas, datos sensibles o acciones graves e irreversibles sin supervisión estrecha. Un modelo en GA no convierte una herramienta Preview en una capacidad GA. Las compras, la revisión de riesgos y el alcance del despliegue deben regirse por el estado de la herramienta.

Tarifas de Gemini

Google publica cuatro modos de procesamiento para Gemini 3.7 Flash. Hasta el 31 de diciembre de 2026:

• Standard: $0.75 por millón de tokens de entrada, $3.75 por millón de tokens de salida y $0.075 por millón de tokens en caché.
• Batch: $0.375 por millón de tokens de entrada, $1.875 por millón de tokens de salida y $0.0375 por millón de tokens en caché.
• Flex: $0.375 por millón de tokens de entrada, $1.875 por millón de tokens de salida y $0.0375 por millón de tokens en caché.
• Priority: $1.35 por millón de tokens de entrada, $6.75 por millón de tokens de salida y $0.135 por millón de tokens en caché.

A partir del 1 de enero de 2027, Standard pasa a $1.50/$7.50, con $0.15 por entrada en caché. Batch y Flex pasan a $0.75/$3.75, con $0.075 por entrada en caché. Priority pasa a $2.70/$13.50, con $0.27 por entrada en caché.

El nivel Standard Free del modelo ofrece tokens de entrada y salida gratuitos, pero Computer Use no está disponible en el nivel Free. Google factura Computer Use como tokens normales del modelo en Paid. Esta diferencia debe constar en cualquier plan de prueba: experimentar con el modelo base en AI Studio no equivale a probar gratis el ciclo de Computer Use en producción.

Un agente interactivo normalmente se fijará en Standard o Priority, no en la economía asíncrona que sugiere Batch. Flex puede resultar atractivo para trabajos programables si el comportamiento del servicio encaja con el ciclo. No traslade el modo más barato al caso de negocio sin confirmar que el patrón completo de interacción y su latencia sirven para la tarea.

Ideal para: Automatización reversible en navegador, dispositivos móviles y escritorio que requiere un esquema nativo de acciones a bajo precio por token.
Diferencial: Un modelo recomendado para tres entornos, con intención de acción, políticas de seguridad configurables, decisiones de confirmación y detección opcional de inyección de prompts.
Precio: Standard $0.75/$3.75 hasta el 31 de diciembre de 2026; Batch y Flex $0.375/$1.875; Priority $1.35/$6.75 por millón de tokens de entrada/salida.
Prueba gratuita: El modelo ofrece un nivel Free, pero Computer Use solo está disponible en Paid.

Quién debería descartarlo: No conviene usar Gemini Computer Use en un flujo regulado o irreversible de producción que no pueda aceptar el riesgo de Preview. Tampoco cuando el navegador no basta y el entorno de escritorio objetivo no puede aislarse. Si los fallos de calidad consumen más que una pequeña cantidad de tiempo del operador, compare Sol y Claude antes de optimizar únicamente el precio por token.

4. DeepSeek V4-Flash-Vision-Exp: la mejor opción para infraestructuras personalizadas de bajo costo

DeepSeek V4-Flash-Vision-Exp es el núcleo de modelo más barato de esta clasificación y el producto de Computer Use menos completo. DeepSeek lanzó el modelo multimodal experimental el 21 de agosto de 2026 con el identificador exacto de API deepseek-v4-flash-vision-exp.

El modelo admite texto e imágenes, llamadas genéricas a herramientas y las API Chat Completions y Responses compatibles con OpenAI, además de una interfaz compatible con Anthropic. Cuenta con una ventana de contexto de 1 millón de tokens, una salida máxima de 384,000 tokens, modos con y sin razonamiento y un límite de concurrencia publicado de 2,500.

Son componentes útiles para un agente que opera computadoras, pero no constituyen una herramienta propia de acciones de Computer Use. DeepSeek documenta cómo enviar capturas y llamar a herramientas genéricas, pero no ofrece documentación de un esquema integrado de acciones para navegador o escritorio, un ejecutor, decisiones de aprobación ni un entorno operativo. Denominarlo núcleo de modelo es una inferencia editorial basada en ese límite del producto.

En la práctica, el equipo debe definir herramientas como hacer clic, escribir, desplazarse, tomar una captura, esperar y pedir aprobación. También debe validar argumentos, mapear coordenadas, ejecutar acciones en un navegador o una VM aislados, devolver el nuevo estado, detectar ciclos, detenerse ante errores y registrar todo. Un equipo maduro de automatización puede preferir ese control. Un equipo que compra su primer agente de Computer Use debe contarlo como desarrollo de aplicaciones.

Por qué el precio merece atención

DeepSeek aplica a V4-Flash-Vision-Exp el mismo esquema de precios pico y fuera de horas pico publicado para la opción Flash:

• Fuera de horas pico: $0.007 por millón de tokens de entrada obtenidos de caché, $0.22 por millón de tokens de entrada sin caché y $0.66 por millón de tokens de salida.
• Horas pico: $0.014 por millón de tokens de entrada obtenidos de caché, $0.44 por millón de tokens de entrada sin caché y $1.32 por millón de tokens de salida.

Las horas pico son de 01:00 a 04:00 UTC y de 06:00 a 10:00 UTC. El resto se considera horario valle. A partir del 23 de agosto de 2026, hora de Pekín, las tarifas fuera de horas pico se aplican durante todo el sábado y domingo según la hora de Pekín.

La página de precios no anuncia un nivel gratuito ni una prueba. Aun así, el costo práctico de evaluación es muy bajo. Con la distribución normalizada de 50,000 tokens de entrada y 5,000 de salida, el modelo cuesta $0.0143 fuera de horas pico o $0.0286 en horas pico. Un equipo puede permitirse un volumen experimental considerable antes de que los tokens se conviertan en la principal partida. Eso no abarata el desarrollo, la revisión ni una acción equivocada.

La regla de tokens visuales es particularmente clara. Las imágenes grandes se redimensionan a un presupuesto aproximado de 800 por 800 píxeles, con cada imagen limitada a 384 tokens de entrada. Con la tarifa pico de entrada sin caché, 100 capturas con el máximo de tokens cuestan como mucho $0.016896 en entrada de imagen. Fuera de horas pico cuestan $0.008448. El texto, las salidas, el historial repetido, las llamadas genéricas a herramientas y los reintentos quedan fuera de ese cálculo.

Este límite es a la vez una ventaja de costo y una limitación perceptiva. Una hoja de cálculo densa, un cuadro de diálogo pequeño o un panel de varias columnas pueden perder detalles importantes al comprimirse dentro del presupuesto de imagen del modelo. Envíe un recorte centrado o utilice la ruta de detalle original documentada cuando sea necesario, y después compruebe cómo el servicio cambia su tamaño. Que los tokens de imagen sean baratos no garantiza que el texto pequeño se reconozca bien.

DeepSeek admite JPEG, PNG, GIF y WebP. Se pueden enviar datos en base64, una URL pública o una referencia de Files API. El servicio admite hasta 600 imágenes por solicitud, un máximo de 8,192 píxeles por lado y 4,096 píxeles por lado cuando la solicitud contiene 15 imágenes o más. Las imágenes en base64 y por URL pueden ocupar hasta 32 MiB; las de Files API, hasta 64 MiB; y el cuerpo de la solicitud incluido directamente, hasta 48 MiB.

Estos límites superan ampliamente los de un ciclo normal con capturas, por lo que el principal obstáculo no es la cantidad de archivos. Es la capa de control personalizada. El equipo debe demostrar que su esquema de acciones, el mapeo de coordenadas, las aprobaciones y la lógica de recuperación producen resultados aceptados. Que un modelo vea un botón no significa que tenga permiso para pulsarlo.

Para una comparación más amplia, DeepSeek frente a ChatGPT analiza a ambos proveedores más allá de los flujos que manejan pantallas.

Ideal para: Equipos experimentados en agentes que buscan un núcleo visual de bajo costo dentro de su propia infraestructura de navegador o escritorio.
Diferencial: Hasta 384 tokens de entrada por imagen y precios fuera de horas pico de $0.22/$0.66 para entrada sin caché/salida.
Precio: $0.22/$0.66 fuera de horas pico o $0.44/$1.32 en horas pico por millón de tokens de entrada sin caché/salida; las lecturas de caché cuestan $0.007 fuera de horas pico o $0.014 en horas pico.
Prueba gratuita: No se anuncia ningún nivel gratuito ni prueba en la página de precios activa.

Quién debería descartarlo: No conviene usar DeepSeek cuando el comprador espera un ciclo de acciones listo para usar, necesita una decisión de seguridad definida por el proveedor o no dispone de un ejecutor aislado y un sistema de evaluación. Tampoco debe usarse en tareas con texto muy pequeño o pantallas densas hasta que capturas enfocadas hayan superado una prueba visual representativa.

Qué opción elegir para cada caso

Una startup con financiación que automatiza investigación competitiva reversible debería comenzar con Gemini 3.7 Flash. Ofrece el ciclo de acciones, cubre entornos de navegador y escritorio y mantiene el costo mínimo del modelo lo bastante bajo como para ejecutar una evaluación amplia. La decisión cambia a Sol si la revisión y la recuperación de ciclos fallidos consumen más de lo que sugiere la prueba del sobreprecio de unos 22 segundos. Cambia a Claude si el contenido web no confiable y el diseño de aprobaciones se convierten en el problema más difícil.

El CTO de una empresa mediana que traslada datos por una aplicación regulada o heredada debería comenzar con Claude Opus 5 o Sonnet 5. Computer Use está en GA en la API de Claude, los clasificadores de capturas pueden pedir confirmación, el cliente controla el entorno y la función es elegible para ZDR. La elegibilidad para HIPAA bajo un BAA importa en la evaluación del modelo, pero el flujo aún necesita credenciales con privilegios mínimos, registros protegidos y una persona antes del envío. Elija Browser Use en vez de Computer Use para escritorio completo cuando todos los pasos ocurran en páginas web.

Un operador sénior que automatiza un flujo de escritorio complejo y de alto valor debería empezar con GPT-5.6 Sol. El liderazgo en OSWorld publicado por el proveedor y el pequeño punto de equilibrio en trabajo humano justifican pagar primero por el techo de calidad. Una vez conocido el umbral de aceptación, distribuya los tipos de tareas estables a Terra, Luna o Gemini. El error es empezar con el nivel más barato y no descubrir nunca cuánto trabajo de recuperación podría evitar un modelo más capaz.

Un desarrollador técnico que ya cuente con un ejecutor de acciones, un servicio de políticas y un conjunto de evaluaciones debería incluir DeepSeek V4-Flash-Vision-Exp. Con ese nivel de madurez, el esquema de acciones personalizado no constituye un proyecto nuevo y la tarifa fuera de horas pico puede cambiar el costo de evaluaciones amplias y cargas por lotes. Mantenga una opción más potente para pantallas con texto pequeño, estados ambiguos y fallos repetidos.

La elección cambia según cuatro preguntas:

1. ¿Existe una API estable? Úsela. El control de pantalla es una alternativa para interfaces sin una vía programática fiable.
2. ¿Puede revertirse una acción equivocada? Si no, exija aprobación y prefiera una opción cuyo estado, controles y proceso de compra se ajusten a las consecuencias.
3. ¿El equipo ya dispone del ejecutor? Si no, el ahorro de tokens de DeepSeek no compra una solución completa.
4. ¿Cuántos segundos de revisión elimina el sobreprecio? Use los registros de tareas aceptadas para elegir entre Sol, Claude, Gemini o DeepSeek. No se base únicamente en la lista de precios.

Cómo se eligieron estos modelos

Esta clasificación utiliza cinco criterios vinculados con una decisión de compra:

• Integridad de Computer Use: ¿El proveedor define un ciclo de acciones o solo ofrece visión y llamadas genéricas a herramientas?
• Evidencia actual: ¿Existe un resultado relevante publicado de Computer Use, un estado del producto o un detalle de implementación que pueda comprobarse hoy?
• Economía por tarea aceptada: ¿Cuánto cuesta una distribución común de tokens y cuánto tiempo humano debe ahorrar una opción premium?
• Límite para producción: ¿Qué partes siguen siendo responsabilidad del comprador, incluidos el aislamiento, el ejecutor, las aprobaciones, la defensa frente a inyección de prompts y el registro?
• Durabilidad del precio: ¿El precio es estándar, temporal, depende del horario pico o está ligado a una capacidad Preview?

Los productos se compararon a partir de su documentación activa, páginas de precios, páginas de modelos y casos de proveedores identificados el 22 de agosto de 2026. En esta elaboración no se probaron dentro de una infraestructura de navegador compartida, por lo que el artículo no presenta resultados de pruebas propias. El modelo de costos es un análisis original basado en las tarifas fijadas. El protocolo de 240 ejecuciones que aparece más adelante permite generar evidencia específica de cada flujo.

La comparativa incluye cuatro opciones porque cada una representa una decisión de compra distinta: fiabilidad máxima, operación empresarial gobernada, elasticidad a bajo costo o economía de una infraestructura personalizada. Cada opción incluida tiene un diferencial vigente, una lista de precios, una vía de implementación y un límite expuesto con claridad. Los modelos anteriores solo aparecen a continuación cuando un comprador todavía podría encontrarlos durante una migración.

Ninguna relación de afiliación influyó en esta clasificación ni se añadió un socio comercial irrelevante. La disponibilidad comercial no hizo subir ni bajar a ningún modelo.

Opciones que conviene evitar

Evite computer-use-preview de OpenAI en una integración nueva

El formato actual de solicitudes en GA de OpenAI utiliza un modelo GPT-5.5 o posterior con tools: [{ type: "computer" }]. El antiguo modelo computer-use-preview y la herramienta computer_use_preview emplean otro formato de acciones y exigen parámetros heredados en la solicitud. Manténgalos solo mientras migra una aplicación existente. Empezar un desarrollo nuevo sobre la vía heredada crea trabajo que ya se sabe que habrá que reemplazar.

Evite Gemini 2.5 Computer Use Preview cuando 3.7 esté disponible

Google etiqueta Gemini 2.5 Computer Use Preview como modelo heredado. Cuesta $1.25 por millón de tokens de entrada y $10 por millón de tokens de salida con prompts de hasta 200,000 tokens, y sube a $2.50/$15 por encima de 200,000. Gemini 3.7 Flash es el modelo recomendado por Google para Computer Use y cuesta $0.75/$3.75 hasta el 31 de diciembre de 2026. Conserve 2.5 únicamente por una dependencia de compatibilidad que haya medido y aún no pueda eliminar.

Evite opciones de DeepSeek solo de texto disfrazadas mediante un proxy visual

Solo deepseek-v4-flash-vision-exp acepta imágenes en la API oficial de DeepSeek. Los demás modelos de DeepSeek devuelven un error 400 al recibir imágenes. Un adaptador de terceros puede pedir a otro modelo que describa la captura y pasar el texto a DeepSeek, pero eso evalúa una infraestructura de dos modelos, no el Computer Use visual de DeepSeek. Cambian el precio, la latencia, la pérdida de información y el tratamiento de datos. Identifique el proxy como un componente independiente o use el modelo visual exacto.

Evite cualquier agente de pantalla sin una prueba de aceptación

«El modelo llegó al final» no es un resultado de negocio. Un agente de navegador puede terminar en la cuenta equivocada, escribir en el campo incorrecto o detenerse tras un cambio de página sin reconocer el fallo. Si la tarea no tiene una comprobación determinista ni el criterio de revisión de una persona designada, todavía no está lista para ejecutarse de forma autónoma con ninguno de estos modelos.

En automatización con IA, la lista de producción importa más que el nombre del modelo

El modelo es un componente dentro de un sistema controlado. Antes de aumentar el volumen, una revisión de producción debe responder estas preguntas:

• Entorno: ¿El navegador o el escritorio está aislado del host, las cuentas personales, los archivos locales y las credenciales no relacionadas?
• Alcance: ¿Los dominios, las aplicaciones y las acciones permitidas están restringidos al flujo?
• Secretos: ¿Cada tarea recibe solo el alcance de credenciales que necesita, sin exponer secretos en capturas o registros?
• Consecuencias: ¿Qué acciones exigen siempre confirmación humana y el ejecutor hace cumplir esa regla?
• Inyección: ¿Qué ocurre cuando una página, imagen, documento o cuadro de diálogo indica al agente que ignore su tarea?
• Estado: ¿Puede el sistema demostrar en qué cuenta, registro, ventana y paso opera antes de ejecutar una acción?
• Recuperación: ¿Una acción fallida detiene el lote, conserva la evidencia y devuelve información suficiente para un reintento o escalamiento seguro?
• Aceptación: ¿Qué comprobación automática o decisión del revisor marca la tarea como completa?
• Economía: ¿Se registran los tokens del modelo, las llamadas a herramientas, el tiempo de ejecución, los reintentos y los segundos de revisión por cada tarea aceptada?
• Cambios: ¿Puede el equipo volver a ejecutar el mismo conjunto de tareas después de un cambio de versión del modelo, precio, navegador o interfaz objetivo?

Cambiar de modelo debería ser rutinario. La interfaz de acciones, la política de seguridad, los registros y la prueba de aceptación se mantienen estables mientras el modelo cambia detrás. Si cambiar de proveedor obliga a reescribir toda la capa de control, el sistema ha confundido el formato de herramientas de un proveedor con la arquitectura del producto.

La tarea del lunes: una comparativa de 240 ejecuciones

No programe un «piloto de agentes de IA» demasiado amplio. Elija una clase de tarea y tome una decisión de distribución la próxima semana. Use 20 tareas representativas, las cuatro opciones de esta clasificación y tres intentos por opción. El resultado son 240 ejecuciones. Tres repeticiones bastan para revelar parte del azar puntual sin fingir que la muestra es un benchmark universal.

1. 1

   Lunes: inmovilice la tarea y la regla de aceptación

   Seleccione 20 tareas de un solo flujo, incluidos casos normales, estados con pantalla pequeña, ventanas emergentes, controles ambiguos y una simulación segura de inyección de prompts. Elimine las acciones finales irreversibles. Escriba la condición exacta de aprobación y las situaciones que exigen revisión.

2. 2

   Martes: mantenga constante el entorno

   Ejecute todas las opciones con el mismo viewport, imagen de navegador o VM, lista de dominios permitidos, estado inicial, alcance de credenciales, vocabulario de acciones, límite de tiempo y política de aprobación. Para DeepSeek, asigne las herramientas personalizadas a las mismas acciones del ejecutor que utilizan las opciones nativas.

3. 3

   Miércoles: recopile el costo completo de cada ejecución

   Registre la entrada contabilizada, la entrada en caché, la salida, las llamadas facturables a herramientas, el tiempo del ejecutor, el tiempo transcurrido, los intentos, las detenciones de seguridad y los segundos de revisión humana. Conserve el primer estado de fallo y la evidencia final aceptada.

4. 4

   Jueves: calcule el precio por tarea aceptada

   Sume el costo del modelo, las tarifas de herramientas, el costo del ejecutor, el trabajo del revisor según la tarifa horaria acordada y el costo de los reintentos. Divida el total entre las tareas completadas y aceptadas. Informe también la proporción aceptada sin cambios, aceptada tras una corrección, rechazada de forma segura y fallida de forma insegura.

5. 5

   Viernes: asigne una clase y conserve el escalamiento

   Elija la opción más barata que supere el umbral de aceptación y seguridad. Mantenga el modelo más capaz como vía de escalamiento para acciones repetidas, estados inciertos, posibles inyecciones, validaciones fallidas o pasos de consecuencias importantes. Registre el identificador del modelo y la fecha del precio para poder repetir la decisión.

La tarea del lunes es deliberadamente pequeña. Una sola clase de tarea medida crea una partida presupuestaria defendible. Una demostración amplia produce una colección de capturas y ninguna regla de distribución.

Preguntas frecuentes

¿Cuál es la mejor IA para usar computadoras?

GPT-5.6 Sol es el mejor punto de partida general cuando los fallos son costosos, según su resultado publicado de 62.6% en OSWorld 2.0 y el pequeño punto de equilibrio laboral de su sobreprecio por tokens. Claude Opus 5 es la opción empresarial mejor gobernada, Gemini 3.7 Flash es la alternativa de valor y DeepSeek V4-Flash-Vision-Exp encaja en equipos que ya controlan la infraestructura de acciones.

¿Cuál es la mejor inteligencia artificial multimodal?

Para Computer Use, el mejor modelo multimodal es el que interpreta la interfaz objetivo con suficiente precisión, funciona con la capa necesaria de acciones y aprobaciones y minimiza el costo por tarea aceptada. El razonamiento visual por sí solo no aporta un ejecutor seguro, una política de seguridad ni una comprobación de finalización.

¿Cuál es el modelo de IA más potente en este momento?

Ningún benchmark permite sostener esa afirmación para todas las tareas. OpenAI informa que GPT-5.6 Sol alcanza 62.6% en OSWorld 2.0, mientras Anthropic posiciona con fuerza a Opus 5 para Computer Use y Google recomienda Gemini 3.7 Flash para su herramienta. Use esos datos para crear una selección inicial y después clasifique los modelos según tareas aceptadas, tiempo de recuperación y seguridad dentro de su propio flujo.

Descargue el mapa de herramientas de IA para empresas y convierta esta selección en una comparativa de Computer Use de una semana.