Comparación de modelos de IA

Comparación de modelos de IA para GitHub Copilot

GitHub Copilot admite varios modelos de inteligencia artificial con distintas funcionalidades. El modelo que elija afecta a la calidad y relevancia de las respuestas mediante Chat de Copiloto y Copilot sugerencias en línea. Algunos modelos ofrecen una menor latencia, mientras que otros ofrecen menos alucinaciones o un mejor rendimiento en tareas específicas. Esta guía te ayuda a elegir el mejor modelo en función de la tarea, no solo los nombres de modelo.

Nota:

Distintos modelos consumen AI credits a ritmos diferentes en función de su precio por token. Para más información, consulta Modelos y precios para GitHub Copilot.
Al usar Chat de Copiloto en los IDE admitidos, Auto seleccionará automáticamente el mejor modelo para usted en función de la disponibilidad. Puedes elegir manualmente un modelo diferente para invalidar esta selección. Consulte Acerca de Copilotselección automática de modelos.

Modelos recomendados por tarea

Usa esta tabla para buscar rápidamente un modelo adecuado; consulta detalles adicionales en las secciones siguientes.

Modelo	Área de tareas	Destaca en (caso de uso principal)	Información adicional
GPT-5 mini

                               | General-purpose coding and writing | Fast, accurate code completions and explanations        | [GPT-5 mini model card](https://cdn.openai.com/gpt-5-system-card.pdf) |

Tarea: Programación y escritura de uso general

Usa estos modelos para tareas de desarrollo comunes que requieren un equilibrio de calidad, velocidad y rentabilidad. Estos modelos son un buen valor predeterminado cuando no tienes requisitos específicos.

Modelo	Por qué es una buena opción
GPT-5.3-Codex	Ofrece código de mayor calidad en tareas de ingeniería complejas, como características, pruebas, depuración, refactorizaciones y revisiones sin instrucciones largas.
GPT-5 mini	Valor predeterminado confiable para la mayoría de las tareas de programación y escritura. Rápido, preciso y funciona bien entre lenguajes y marcos.
Raptor Mini	Especializado para sugerencias y explicaciones en línea rápidas y precisas.
MAI-Code-1-Flash	Su gran capacidad para seguir instrucciones y su razonamiento adaptativo lo convierten en una opción predeterminada fiable para las tareas diarias de programación, la redacción y los flujos de trabajo de desarrollo de varias fases.

Cuándo usar estos modelos

Usa uno de estos modelos si quieres:

Escribir o revisar funciones, archivos cortos o diferencias de código.
Generar documentación, comentarios o resúmenes.
Explicar rápidamente errores o un comportamiento inesperado.
Trabajar en un entorno de programación que no sea en inglés.

Cuándo usar otro modelo

Si trabaja en refactorización compleja, decisiones sobre arquitectura o lógica de varios pasos, considere usar un modelo de razonamiento analítico y depuración. Para tareas más rápidas y sencillas, como modificaciones repetitivas o sugerencias de código puntuales, consulta Ayuda rápida con tareas sencillas o repetitivas.

Tarea: Ayuda rápida con tareas sencillas o repetitivas

Estos modelos están optimizados para la velocidad y la capacidad de respuesta. Son ideales para ediciones rápidas, funciones de utilidad, ayuda de sintaxis y creación de prototipos ligeros. Obtendrás respuestas rápidas sin tener que esperar por cadenas de razonamiento largas o de profundidad innecesaria.

Modelos recomendados

Modelo	Por qué es una buena opción
Claude Haiku 4.5	Equilibra respuestas rápidas con salida de calidad. Ideal para tareas pequeñas y explicaciones de código ligeras.
MAI-Code-1-Flash	Controla las tareas de codificación rápidas con eficacia adaptable, permanece concisa para solicitudes sencillas y ofrece respuestas rápidas y precisas sin profundidad innecesaria.

Cuándo usar estos modelos

Usa uno de estos modelos si quieres:

Escribir o editar funciones pequeñas o código de utilidad.
Formular preguntas rápidas sobre la sintaxis o el lenguaje.
Crear prototipos de ideas con una configuración mínima.
Recibir comentarios rápidos sobre indicaciones simples o modificaciones.

Cuándo usar otro modelo

Si trabajas en la refactorización compleja, las decisiones arquitectónicas o la lógica de varios pasos, consulta Razonamiento profundo y depuración. Para las tareas que necesitan un razonamiento de uso general más sólido o una salida más estructurada, consulta Programación y escritura de uso general.

Tarea: Razonamiento profundo y debugging

Estos modelos están diseñados para tareas que requieren razonamientos paso a paso, toma de decisiones complejas o reconocimiento de contexto elevado. Funcionan bien cuando necesitas análisis estructurados, generación de código completa o comprensión de varios archivos.

Modelos recomendados

Modelo	Por qué es una buena opción
GPT-5 mini	Ofrece un razonamiento y una depuración profundos con respuestas más rápidas y un uso de recursos menor que GPT-5. Ideal para sesiones interactivas y análisis de código paso a paso.
GPT-5.5	Excelente en el razonamiento complejo, el análisis de código y la toma de decisiones técnicas.
Claude Soneto 4.6	Mejoras en la versión 4.5 de Sonnet con finalizaciones más confiables y razonamiento más inteligente incluso bajo presión.
Claude Opus 4.7	El modelo más poderoso de Anthropic. Mejora en Claude Opus 4.6.
Géminis 3.1 Pro	Razonamiento avanzado en contextos largos y análisis científicos o técnicos.

Cuándo usar estos modelos

Usa uno de estos modelos si quieres:

Despiste problemas complejos teniendo en cuenta el contexto en varios archivos.
Refactorizar bases de código grandes o interconectadas.
Planear las características o la arquitectura a través de capas.
Sopesar las compensaciones entre bibliotecas, patrones o flujos de trabajo.
Analizar los registros, los datos de rendimiento o el comportamiento del sistema.

Cuándo usar otro modelo

Para obtener una iteración rápida o tareas ligeras, consulta Ayuda rápida con tareas sencillas o repetitivas. Para obtener flujos de trabajo de desarrollo generales o de generación de contenido, consulta Programación y escritura de uso general.

Tarea: Trabajar con objetos visuales (diagramas, capturas de pantalla)

Usa estos modelos cuando quieras formular preguntas sobre capturas de pantalla, diagramas, componentes de la interfaz de usuario u otra entrada visual. Estos modelos admiten entradas multimodales y son adecuados para trabajos de interfaz de usuario o depuración visual.

Modelo	Por qué es una buena opción
GPT-5 mini	Valor predeterminado confiable para la mayoría de las tareas de programación y escritura. Es rápido, preciso y compatible con la entrada multimodal para tareas de razonamiento visual. Funciona bien entre lenguajes y marcos.
Claude Soneto 4.6	Mejoras en la versión 4.5 de Sonnet con finalizaciones más confiables y razonamiento más inteligente incluso bajo presión.
Géminis 3.1 Pro	Razonamiento profundo y depuración, ideal para flujos de trabajo complejos de generación, depuración e investigación de código.

Cuándo usar estos modelos

Usa uno de estos modelos si quieres:

Hacer preguntas sobre diagramas, capturas de pantalla o componentes de la interfaz de usuario.
Obtener comentarios sobre borradores visuales o flujos de trabajo.
Comprender el comportamiento de front-end desde el contexto visual.

Sugerencia

Si usas un modelo en un contexto que no admite la entrada de imagen (como un editor de código), no verás ventajas de razonamiento visual. Puedes usar un servidor MCP para obtener acceso a la entrada visual indirectamente. Consulta Extensión de GitHub Copilot Chat con servidores de Protocolo de contexto de modelo (MCP).

Cuándo usar otro modelo

Si la tarea implica razonamiento profundo o refactorización a gran escala, considera un modelo de Razonamiento profundo y depuración. Para las tareas de solo texto o modificaciones de código más sencillas, consulta Ayuda rápida con tareas sencillas o repetitivas.

Pasos siguientes

Elegir el modelo adecuado le ayuda a sacar el máximo partido de Copilot. Si no está seguro de qué modelo usar, comience con una opción de uso general como GPT-5 mini, a continuación, ajuste en función de sus necesidades.

Para obtener información detallada sobre las especificaciones y los precios del modelo, consulta Modelos de IA admitidos en GitHub Copilot.
Para obtener más ejemplos de cómo usar diferentes modelos, consulta Comparación de modelos de IA mediante diferentes tareas.
Para cambiar entre modelos, consulta Cambio de modelo de IA para GitHub Copilot Chat o Cambio del modelo de IA para las sugerencias en línea de GitHub Copilot.
Para obtener información sobre cómo Chat de Copiloto sirve diferentes modelos de IA, consulte Hospedaje de modelos para GitHub Copilot.

MAI-Code-1-Flash is a continuously improving model. Performance and behavior may evolve over time as new checkpoints are released. ↩

En este artículo