Mejores LLM para resumir en 2026: precisión, documentos largos y coste
Elige un modelo comprobando datos, omisiones, referencias y coste de API. Compara candidatos económicos con el ejemplo práctico de un informe.
«El piloto redujo el tiempo de gestión» parece un resumen útil. Resulta engañoso si el informe dice que solo mejoró un equipo, la comparación excluye el tiempo de formación y aún no se ha decidido el despliegue. Acortar un documento solo tiene valor si el lector todavía puede tomar la decisión correcta con lo que queda.
Nuestra primera comparación económica sería entre GPT-5.6 Luna y DeepSeek V4.1 Flash para resúmenes de texto delimitados. Añade Claude Sonnet 5 cuando importe el flujo de comprobación con las fuentes, y Gemini 3.8 Flash para comparar documentos largos dentro de la API de Google. Aquí no se demuestra que ninguno sea un ganador universal en precisión. Solo promoveríamos un modelo más caro después de comprobar que conserva datos importantes o reduce la revisión en documentos reales.
Esta comparación de documentación pública se comprobó el 14 de septiembre de 2026 y utiliza un informe inventado y cálculos hipotéticos de consumo. No es un experimento de resumen entre varios modelos. La transcripción de audio, el escaneo de documentos y la investigación web son tareas distintas.
¿Qué candidato debe entrar en la prueba?
| Tarea | Candidato inicial | Qué justificaría conservarlo |
|---|---|---|
| Informes breves repetidos con datos explícitos | GPT-5.6 Luna | Conserva los datos necesarios con un coste total bajo |
| Resúmenes de texto procesables por lotes | DeepSeek V4.1 Flash | La ejecución completa, incluidas correcciones, sigue siendo barata |
| Resúmenes cuyas afirmaciones necesitan referencias | Claude Sonnet 5 con un flujo de citas comprobado | El revisor encuentra pronto el texto de apoyo |
| Informes largos en un flujo existente de Google | Gemini 3.8 Flash | Los detalles pertinentes sobreviven en toda la entrada |
Estas opciones reflejan consideraciones de coste e interfaz, no la suposición de que un proveedor escriba textos más fieles. La función de citas de Claude puede adjuntar referencias a los documentos facilitados. Una referencia válida ayuda a localizar pruebas; el revisor aún debe decidir si respaldan la redacción del resumen.
Un resumen basado en una fuente no debería necesitar búsqueda web cuando la tarea es resumir únicamente el informe proporcionado. Añadir información externa crea un producto distinto. Mantén desactivada esa opción durante la comparación, salvo que el encargo pida expresamente contexto externo.
Define los datos que el resumen no puede perder
Este es un breve informe piloto inventado:
Dos equipos de soporte probaron un nuevo proceso de asignación durante cuatro semanas. El tiempo mediano de gestión del equipo A bajó de 12 a 9 minutos. El equipo B se mantuvo en 11 minutos. Se excluyó el tiempo de formación. La prueba solo abarcó incidencias de días laborables. El equipo recomienda otra prueba antes de decidir si despliega el proceso.
Para quien toma la decisión, un resumen aceptable podría ser:
Un piloto de cuatro semanas en días laborables redujo de 12 a 9 minutos el tiempo mediano de gestión del equipo A, mientras el equipo B se mantuvo en 11. Se excluyó la formación y se recomienda otra prueba antes del despliegue.
Es un ejemplo de referencia escrito por el autor, no la salida de un modelo. Conserva el resultado desigual, la medición, el alcance, el coste excluido y la decisión pendiente. «El tiempo de gestión cayó un 25 % en toda la organización de soporte» falla: el 25 % describe al equipo A, no a ambos equipos ni a toda la organización.
Antes de generar, anota qué datos necesita este lector. Evalúa después el resumen de cada candidato frente a ellos. Cuenta por separado las adiciones sin respaldo y las omisiones. Un resumen puede no inventar nada y, aun así, omitir la condición que determina si alguien debe actuar.
La extensión también forma parte del encargo. Compara resúmenes con el mismo límite y público. Si un modelo recibe el doble de espacio, conservar datos le resultará más fácil. Si el límite solicitado no admite los datos necesarios, cámbialo o decide qué puede omitir el lector con seguridad; no premies una incompletitud segura de sí misma.
Una ventana de contexto larga no es una puntuación de exhaustividad
La guía de contexto largo de Google explica el uso de entradas grandes y sus limitaciones. La capacidad indica qué cabe en una petición, no si un resumen concreto conserva una salvedad escondida en un apéndice.
En informes largos, coloca comprobaciones en distintos lugares: una definición inicial, una excepción intermedia y un cambio tardío de recomendación. Compara el resumen con las tres. Usa documentos cuyos resultados esperados ya conozcas en vez de permitir que otro modelo no verificado invente la clave de respuestas.
Dividir un informe puede reducir el tamaño de las peticiones, pero los resúmenes locales pueden descartar detalles necesarios para la síntesis final. Si un apéndice invierte una recomendación anterior, un flujo que resume cada sección por separado puede perder esa relación. Conserva las ubicaciones de las fuentes con las notas intermedias y verifica el resultado final con el original, no solo con notas abreviadas.
En actas de reuniones, conserva quién acordó hacer qué y si una fecha fue propuesta o confirmada. Si la entrada procede de audio, un error de transcripción puede haber cambiado ya un nombre o importe. Un resumen mejor no puede reconstruir de forma fiable palabras que faltan en la fuente.
Cuánto costarían 100 resúmenes de informes
Supón 100 peticiones, cada una con 20 000 tokens de entrada y 1000 de salida facturados, incluido cualquier razonamiento facturable. El total es de 2 millones de tokens de entrada y 0,1 millones de salida. Son suposiciones de consumo fijas, no una afirmación de que documentos idénticos se tokenicen igual entre proveedores.
| Modelo | Entrada / salida por 1 M de tokens | Total del ejemplo |
|---|---|---|
| GPT-5.6 Luna | 0,20 $ / 1,20 $ | 0,52 $ |
| DeepSeek V4.1 Flash, hora punta | 0,30 $ / 1,20 $ | 0,72 $ |
| Gemini 3.8 Flash | 0,75 $ / 3,75 $ | 1,875 $ |
| Claude Sonnet 5 | 2 $ / 10 $ | 5 $ |
El identificador actual es deepseek-flash; los antiguos identificadores V4 Flash ahora usan V4.1 Flash. Comprueba los horarios de facturación del proveedor antes de programar trabajos recurrentes.
Son tarifas estándar en USD sin caché, antes de impuestos, herramientas, reintentos y descuentos. Las peticiones permanecen en el nivel de contexto corto de Luna. La tarifa valle de DeepSeek reduce su ejemplo a la mitad; el precio inicial citado de Gemini termina el 31 de diciembre de 2026. Consulta la tarifa actual del proveedor antes de proyectar una factura recurrente.
Una segunda pasada no es gratuita. Volver a enviar todo el original junto con el primer resumen puede casi repetir la factura de entrada. Leer el resumen final también lleva tiempo. La diferencia de 4,48 dólares entre Luna y Sonnet en 100 informes equivale a 8,96 minutos con un coste supuesto de revisión de 30 dólares por hora. No hemos medido ese ahorro; es el umbral que una opción más cara tendría que ganarse bajo estas suposiciones.
Introduce tus volúmenes observados de entrada y salida en la calculadora de precios de modelos de AILesson y añade por separado el tiempo de revisión. Registra los datos necesarios conservados, las afirmaciones sin respaldo, los minutos de corrección y el uso completo de la API. El resumen más útil es el más breve que todavía permite al lector decidir, no simplemente el texto más corto que pueda generar el modelo.
Referencias
- GPT-5.6 Luna, precios de DeepSeek, Gemini 3.8 Flash y precios de Claude: especificaciones de los candidatos y tarifas fechadas.
- Citas de Claude: referencias a documentos proporcionados.
- Contexto largo de Gemini: uso y limitaciones de entradas grandes.
