
Claude Haiku 5.5 vs Qwen3.8 27B: una barrida total en la API, y por qué los pesos abiertos todavía existen
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 187 tok/s
- openaiNUEVOOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 por 1M de tokens · 80 tok/s
- openaiNUEVOOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 por 1M de tokens · 155 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 196 tok/s
- AlibabaNUEVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 85 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 705 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 por 1M de tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 101 tok/s
La mayoría de las comparaciones de esta serie se reducen a un intercambio. Esta no, y la ausencia de un intercambio es en sí misma el hallazgo. Claude Haiku 5.5, lanzado el 7 de octubre de 2026, supera a Qwen3.8 27B, el modelo denso de 27B con pesos abiertos del 14 de agosto de 2026, en la puntuación de inteligencia compuesta, en coste por token, en coste por tarea finalizada, en ventana de contexto, en techo de respuesta, en programación agéntica y en las filas de razonamiento científico —y lo hace desde una única API propietaria que no requiere hardware. La única fila que Qwen3.8 27B gana de forma clara es la de entrada de vídeo, y la otra es una licencia.
Eso no es una razón para descartar el modelo, porque una licencia Apache-2.0 y una modalidad de vídeo no son premios de consolación. Es una razón para ser precisos sobre por qué alguien elegiría el lado de los pesos abiertos, y para dejar de fingir que la discusión gira en torno a los benchmarks.
Los números sobre los que realmente se ejecutaron ambos modelos
Por millón de tokens en dólares estadounidenses. Las tarifas del proveedor provienen de su propia documentación de precios; las mediciones compartidas son el Artificial Analysis Intelligence Index v4.3.2, consultado el 2026-10-08, ambos en su configuración de esfuerzo más alta publicada.

• Entrada — Claude Haiku 5.5 $0.10 hasta 100.000 tokens y $0.50 por encima; Qwen3.8 27B $0.50 según la tarifa de terceros registrada por el consejo.
• Salida — Claude Haiku 5.5 $0.50 hasta 100,000 tokens y $2.50 por encima; Qwen3.8 27B $3.00.
• Entrada en caché — Claude Haiku 5.5 $0.01 y $0.05, un 90 % de descuento; Qwen3.8 27B $0.10, un 80 % de descuento.
• Puntuación independiente — 43,40 para Claude Haiku 5.5 (Max) frente a 33,70 para Qwen3.8 27B (Xhigh). Una diferencia de 9,70 puntos, la más amplia de este lote.
• Coste por tarea finalizada — $0,21 frente a $1,01, en la misma ejecución de evaluación. Una diferencia de 4,7x, también la más amplia que aparece aquí.
• Contexto y salida — 1M de tokens y un límite de respuesta de 128,000 tokens para Claude Haiku 5.5; un contexto de 256K tokens para Qwen3.8 27B.
• Modalidad — ambas aceptan texto e imágenes y devuelven texto. Qwen3.8 27B añade entrada de video; Claude Haiku 5.5 no.
• Pesos — Qwen3.8 27B son 27B de parámetros densos bajo Apache 2.0, descargable. Claude Haiku 5.5 es propietario y solo mediante API.

Por qué la brecha por tarea es cuatro veces la brecha por token
La tabla de tarifas ya muestra una brecha de 5x en la entrada y otra de 6x en la salida a favor del proveedor, así que la dirección no está en duda. Lo que vale la pena leer es que la cifra por tarea es menor que la cifra por token, lo cual es lo contrario de lo que ocurrió en las otras comparativas de este lote, y la razón es instructiva.
Claude Haiku 5.5 emite 162.164 tokens de salida por tarea del Intelligence Index — 129.047 de razonamiento y 33.118 de respuesta. Qwen3.8 27B emite 66.797, repartidos en 47.711 de razonamiento y 19.087 de respuesta. El modelo del proveedor gasta 2,4 veces más tokens por tarea, por lo que su ventaja de 6x en la tasa de salida se comprime a una ventaja de 4,7x por tarea. Sigue siendo enorme. Simplemente no es la cifra que anuncia la tabla de tarifas.
La matemática de la mezcla es una forma más clara de ver la forma que tiene. En una mezcla 7:2:1 con predominio de entrada —la ponderación que en realidad tiene la mayor parte del tráfico de producción—, Claude Haiku 5.5 asciende a $0,077 por millón de tokens frente a $0,470 de Qwen3.8 27B. En una mezcla equilibrada 1:1, es de $0,30 frente a $1,75. El acantilado de 100.000 tokens del proveedor es lo único que llega a cerrar esta diferencia: una vez superado, las tarifas de Claude Haiku 5.5 pasan a ser de $0,50 y $2,50 para toda la solicitud, y los dos modelos se encuentran a un precio más o menos igual; en ese punto, estás pagando una prima de puntuación de 9,7 puntos a cambio de nada.
Donde la tarjeta del proveedor y el panel independiente no coinciden
Este es el conjunto de filas en el que vale la pena detenerse, porque la propia ficha del modelo Qwen3.8 27B se lee bastante más fuerte de lo que indican las mediciones independientes, y esa diferencia es la razón de que una afirmación como «un modelo de 27B que rivaliza con otros mucho más grandes» necesite una segunda fuente.
Las propias cifras publicadas por el proveedor, tal como constan en la página de nuestro catálogo para el modelo, incluyen 90,3 en LiveCodeBench v6, 89,2 en GPQA Diamond, 84,3 en OSWorld-Verified y 79,0 en QwenSWEBench. Son reportadas por el proveedor y no han sido reproducidas, y describen un modelo que es competitivo muy por encima de su categoría.
En la ejecución independiente de Artificial Analysis, Qwen3.8 27B obtiene 0.0556 en Terminal-Bench 4.0, 0.4664 en SciCode, 0.3392 en Humanity's Last Exam y 1423.21 en GDPval-AA v2.1. Si se coloca el 0.0556 junto al 84.3 que la ficha del proveedor reporta en OSWorld, la forma del desacuerdo queda clara: en el trabajo agéntico de computadora y terminal, el panel independiente sitúa a este modelo más o menos donde corresponde a un modelo denso de 27B, y la ficha del proveedor no.
Dos filas van en sentido contrario y vale la pena mencionarlas por la misma razón. Qwen3.8 27B obtiene 0,4824 en AutomationBench frente al 0,3541 de Claude Haiku 5.5 — una victoria independiente de 12,8 puntos en lo más parecido que cualquiera de las dos tablas tiene a un benchmark de automatización empresarial. Ese es un dato real de la misma ejecución, en la fila más próxima a aquello para lo que la gente realmente despliega modelos pequeños.
La lectura honesta no es «el proveedor lo infló todo». Es que una ficha de modelo mide las tareas que sus autores eligieron, el panel independiente mide un conjunto fijo, y las fortalezas de Qwen3.8 27B están en la lista del proveedor y no en la del panel.
La economía cambia cuando eres dueño del hardware
Cada tarifa citada anteriormente es un precio de API, y para Qwen3.8 27B ese es el marco equivocado.
Este es un modelo denso de 27B bajo Apache 2.0. Cabe en un único acelerador moderno con la cuantización que la mayoría de los equipos aceptaría, lo que significa que el costo marginal de un token deja de ser el medidor de un proveedor y se convierte en tu propia utilización. Por eso el precio de llamarlo varía según el host de una manera que ninguno de los modelos propietarios de esta comparación podría jamás: el tablero registra una tarifa de terceros de $0.50 de entrada y $3.00 de salida, y el catálogo de OrcaRouter lo ofrece a $0.33 de entrada y $2.40 de salida sin ninguna línea de lectura de caché, porque ejecutamos los pesos en nuestra propia infraestructura en lugar de revender el endpoint de alguien más.
Para un equipo que ya está pagando por GPUs, la comparación no es $0.21 frente a $1.01 por tarea. Es la tarifa facturada por el proveedor frente al costo incremental de una solicitud en hardware que ustedes poseen, y esos son números diferentes. Ese es el argumento del lado de los pesos abiertos, y es el único que sobrevive al contacto con la tabla de benchmarks.
Hay una segunda consecuencia, menos obvia, de que la licencia sea Apache 2.0: el modelo puede distribuirse dentro de un producto, afinarse con tu propio tráfico, fijarse a una revisión específica y auditarse hasta los pesos. Nada de eso está disponible a ningún precio en un modelo propietario que solo se ofrece por API, y para cargas de trabajo reguladas suele ser la restricción decisiva más que una preferencia.

Llamando a cualquiera de ellos
Qwen3.8 27B is on the OrcaRouter catalogue as qwen/qwen3.8-27b at $0.33 and $2.40 per million tokens, self-hosted on our own infrastructure, with the OpenAI-compatible endpoint at https://api.orcarouter.ai/v1. Run against our own traffic over the last week it returns a median 1,837 ms to first token at 319 output tokens per second — a fast model, measured on our playground rather than a standardised harness, so treat that as a serving figure and not a benchmark. Video, image and text input, 262K-token context, native tool calling, structured outputs and a reasoning mode are all supported on the same key as everything else on the catalogue.
Claude Haiku 5.5 no está en el catálogo. Es accesible directamente a través de la API del proveedor y mediante AWS, Azure y las principales plataformas en la nube, y esa es la afirmación correcta. Lo que el catálogo sí incluye de la línea del proveedor es Claude Sonnet 5.5 y Claude Opus 5.5, lo que convierte la ruta de escalado desde un modelo pequeño autoalojado hacia uno agéntico alojado de gama media en un simple cambio de enrutamiento en lugar de una segunda integración — la conmutación por error automática subyace en ambos casos.
El veredicto, que es inusualmente desequilibrado
Como llamada a la API sobre texto o imágenes, Claude Haiku 5.5 gana esta comparación en cada fila que no trata sobre licencias. Nueve coma siete puntos de índice, 4,7 veces más barato por tarea finalizada, cuatro veces la ventana de contexto, el doble del techo de respuesta y una etiqueta de precio entre cinco y seis veces menor dentro del régimen de prompts cortos. No hay ningún argumento de forma de carga de trabajo que rescate a Qwen3.8 27B en precio, porque la desventaja del proveedor —un uso intensivo de tokens de salida— vale mucho menos que su ventaja de tarifa.
Lo que lo rescata es todo aquello que el precio de la API no captura: una licencia que permite la redistribución, pesos que se pueden conservar y fijar, entrada de vídeo y una vía autoalojada en la que el coste por token es tu propio hardware en lugar de la tarjeta de un proveedor. Si buscas la forma más barata de clasificar, extraer, resumir y enrutar texto, Claude Haiku 5.5 es la respuesta, y la diferencia no es ni mucho menos estrecha. Si lo que buscas es un modelo que puedas poner dentro de tu propio producto, en tu propio hardware, bajo tu propia auditoría, entonces la brecha en los benchmarks dejó de ser la cuestión hace ya varios párrafos.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
