El mejor LLM para agentes de navegador en octubre de 2026 es Claude Opus 5.5 si quieres la tasa de éxito publicada más alta, y Claude Sonnet 5.5 si quieres casi la misma puntuación a la mitad del precio. Para presupuestos ajustados, Claude Haiku 5.5 y Gemini 3.8 Flash cuestan una fracción por paso. Para pesos abiertos, Holo4 de H Company es la elección. Todos los números que aparecen a continuación provienen de la propia página del proveedor, consultada el 27 de octubre de 2026.
Respuesta rápida: el mejor modelo para uso de navegador según la tarea
| Tarea | Elección | Por qué | Precio por 1M de tokens (entrada / salida) |
|---|---|---|---|
| Mejor puntuación | Claude Opus 5.5 | 81,8% en OSWorld 2.1 (puntuación parcial), conjunto de herramientas de navegador nativo | $4 / $20 |
| Mejor relación calidad-precio | Claude Sonnet 5.5 | 80,1% en OSWorld 2.1 a la mitad del precio de Opus | $2 / $10 |
| Mejor opción económica | Claude Haiku 5.5 | 72,4% en el subconjunto offline de OSWorld 2.1 | $0,10 / $0,50 (prompts de hasta 100K) |
| Mejor de pesos abiertos | Holo4 35B-A3B | Pesos Apache 2.0, 80,8% en OSWorld a $0,05 por tarea (harness de H) | $0,30 / $2,00 en la API de H |
| Mejor para navegación basada en código | GPT-6 Astra | OpenAI recomienda la ejecución de código (Playwright) en lugar de hacer clic | $10 / $50 |
| Mejor modo DOM económico | GPT-6.1 Terra | Admite computer_use, contexto de 1,05M, entrada de texto e imágenes |
$1 / $5 |
Una advertencia: los proveedores puntúan sobre distintas versiones de OSWorld, subconjuntos y harnesses, así que trata cada número como la afirmación de ese proveedor, no como una clasificación compartida.
Cómo usan los agentes de navegador un modelo
Un agente de navegador es un bucle: el modelo observa la página, elige una acción, tu código la ejecuta y el nuevo estado de la página vuelve al modelo. Una tarea humana de 2 minutos puede requerir de 30 a 60 iteraciones.
Los modelos ven la página de una de dos maneras:
- Modo de captura de pantalla. El modelo recibe una imagen y devuelve coordenadas de píxeles para hacer clic. Funciona en aplicaciones canvas, mapas y escritorios remotos, pero cada paso cuesta tokens de imagen.
- Modo DOM o árbol de accesibilidad. El modelo recibe una lista de texto de elementos con referencias como
[ref_2]y hace clic por referencia. Sobrevive a los cambios de diseño y cuesta menos tokens en páginas con mucho texto.
La mayoría de los conjuntos de herramientas actuales combinan ambos. La herramienta de uso de navegador de Anthropic (browser_toolset_20260801, GA) incluye 31 herramientas miembro: read_page y find devuelven el árbol de accesibilidad, mientras que screenshot y zoom son el recurso alternativo para canvas, vídeo e iframes de origen cruzado. La guía de uso de computadora de OpenAI ofrece un BrowserToolset que lee el texto de la página y llama a funciones del controlador. La herramienta de uso de computadora de Google se basa en capturas de pantalla y cubre navegador, móvil y escritorio.
Por qué los pasos multiplican el coste
Cada paso reenvía la conversación, por lo que el paso 30 arrastra la definición del conjunto de herramientas, tus instrucciones y 29 pasos de historial. Dos costes fijos marcan el mínimo:
- Sobrecarga del conjunto de herramientas. Declarar el conjunto de herramientas de navegador de Anthropic añade unos 6.600 tokens de entrada a cada solicitud, según la página de precios de Anthropic.
- Capturas de pantalla. Claude factura una imagen a un token visual por cada parche de 28×28 píxeles. Una captura de pantalla de 1280×800 son 46 × 29 = 1.334 tokens.
Notas modelo por modelo
Claude Opus 5.5
Anthropic lanzó Opus 5.5 el 22 de septiembre de 2026 y reporta un 81,8% en OSWorld 2.1 (puntuación parcial), por delante de Claude Fable 5.1 con un 80,7%. Fable 5.1 cuesta $10 / $50, así que Opus 5.5 lo supera en este benchmark al 40% del precio. La publicación de Holo4 de H Company sitúa a Opus 5.5 en un 81,8% en flujos de trabajo largos de OSWorld 2.0 a $8,48 por tarea, con costes leídos de los gráficos de los proveedores.
También empata con Fable 5.1 en la tasa de éxito más baja de inyección de prompts en el benchmark de Gray Swan, lo cual importa cuando tu agente lee páginas no confiables.
Claude Sonnet 5.5
Sonnet 5.5 (28 de septiembre de 2026) obtiene un 80,1% en OSWorld 2.1, 1,7 puntos por detrás de Opus, a $2 / $10. Los aciertos de caché cuestan $0,10 por 1M de tokens, y los bucles de los agentes son en su mayoría aciertos de caché. Para la mayoría de los agentes de navegador en producción, esta es la elección predeterminada. Si controlas el navegador desde Claude Code, consulta cómo usar Claude Code para la automatización del navegador.
Claude Haiku 5.5
Haiku 5.5 (7 de octubre de 2026) obtiene un 72,4% en el subconjunto offline de OSWorld 2.1, donde Anthropic sitúa a GPT-6 Luna en un 48,9%. El precio tiene dos tramos: $0,10 / $0,50 para prompts de hasta 100.000 tokens, y luego $0,50 / $2,50 por encima de eso. Las sesiones largas que conservan cada captura de pantalla en el historial superan los 100K rápidamente, así que recorta las capturas antiguas para mantenerte en el tramo barato.
GPT-6 Astra
La ficha del modelo Gemini 4 Argon de Google sitúa a GPT-6 Astra en un 72,6% en el subconjunto offline de OSWorld 2.0 (puntuación parcial). Astra cuesta $10 / $50 con una ventana de contexto de 1,05M. La guía de OpenAI dice que para Astra recomienda la ejecución de código: el modelo escribe código de Playwright o PyAutoGUI en lugar de hacer clic paso a paso. Eso encaja con el scraping repetitivo y el trabajo con formularios. Nuestra publicación sobre el uso de computadora de GPT-6 Astra cubre cuándo darle una especificación en su lugar.
GPT-6.1 Terra y Sol
La página de modelos de OpenAI incluye computer_use como herramienta compatible con GPT-6.1 Terra ($1 / $5, entrada en caché $0,05) y los ejemplos de la guía de uso de computadora usan GPT-6.1 Sol ($2 / $10). OpenAI no publica ninguna puntuación de navegador ni de OSWorld para ninguno de los dos en esas páginas. Terra es un caballo de batalla sensato en modo DOM, pero pruébalo con tus propias tareas.
Gemini 4 Argon y Gemini 3.8 Flash
Gemini 4 Argon pasó a GA el 13 de octubre de 2026. Su ficha de modelo muestra un 69,2% en el subconjunto offline de OSWorld 2.0 y un 39,5% en Agent’s Last Exam (uso de computadora), por encima del 34,2% de Astra y del 38,2% de Opus 5.5. El uso de computadora en Argon sigue en Preview. El precio es $2 / $10 hasta el 30 de noviembre de 2026, y luego $4 / $20.
La página de uso de computadora de Google recomienda gemini-3.8-flash ($0,75 / $3,75 hasta el 31 de diciembre de 2026), pero no ofrece ningún benchmark para él. Gemini 2.5 Computer Use ya no aparece en esa página, así que lo hemos descartado.
Holo4 (pesos abiertos)
H Company lanzó Holo4 el 28 de septiembre de 2026, en sustitución de Holo3. En su propio harness, Holo4 27B obtiene un 85,2% en OSWorld a $0,08 por tarea y un 61,7% en flujos de trabajo largos de OSWorld 2.0 a $1,22 por tarea. El 35B-A3B obtiene un 80,8% y un 30,9% en los mismos dos, a $0,05 y $0,61. H afirma que los pesos del 35B-A3B son Apache 2.0; comprueba la licencia del 27B en su ficha de modelo antes de comercializarlo. Ambos funcionan en la API de H a $0,40 / $3,00 (27B) y $0,30 / $2,00 (35B-A3B). Nuestra publicación sobre Holo3 cubre la API de la generación anterior.
Kimi K3.1 Pro, DeepSeek V4.1 Flash y Qwen 3.7 Plus
- Kimi K3.1 Pro acepta imágenes y vídeo con un contexto de 1M, según el quickstart de Moonshot. Su puntuación de lanzamiento en BrowseComp mide la investigación web, no el clic a través de páginas, y no se publica ninguna puntuación de uso de computadora. Consulta el precio en la página de precios de Kimi.
- DeepSeek V4.1 Flash (
deepseek-flash) ahora admite entrada de imágenes a $0,15 / $0,60 en horas valle y $0,30 / $1,20 en horas punta, según la página de precios de DeepSeek. No se publica ningún benchmark de navegador. Es la opción más barata aquí para el modo DOM. - Qwen 3.7 Plus reporta 79,0 en ScreenSpot Pro, una prueba de grounding de capturas de pantalla. Consulta nuestra guía del agente de uso de computadora Qwen 3.7 Plus.
Lo que miden los equipos de los frameworks
La guía de modelos de Browser Use (BU Bench V1, actualizada el 11 de junio de 2026) muestra el lado de la velocidad: Claude Fable 5 alcanzó un 80,0%, pero promedió 6 minutos y 53 segundos y unos $5,80 por tarea. Los modelos 5.5 aún no aparecen en ella. Para la elección del framework en sí, consulta Browser Use Cloud, Stagehand y el servidor MCP de Puppeteer.
Coste por tarea: un ejemplo desarrollado
Supongamos una tarea de 30 pasos en Claude con el conjunto de herramientas de navegador. Cada paso añade una captura de pantalla de 1.334 tokens más unos 450 tokens de texto de acción y resultados de herramientas, y el modelo escribe unos 300 tokens de salida.
- Entrada del paso n ≈ 6.600 + n × 1.784 tokens
- Entrada total en 30 pasos ≈ 198.000 + 1.784 × 465 ≈ 1,03M tokens
- Salida total ≈ 9.000 tokens
| Modelo | Sin caché | Con caché de prompts (alrededor del 95% de aciertos de caché) |
|---|---|---|
| Claude Opus 5.5 | unos $4,30 | unos $0,68 |
| Claude Sonnet 5.5 | unos $2,15 | unos $0,34 |
| Claude Haiku 5.5 | unos $0,11 | unos $0,02 |
Estos son números ilustrativos de los precios de lista de Anthropic, no ejecuciones medidas. En cualquier caso, se mantienen dos conclusiones: el almacenamiento en caché reduce la factura más de un 80%, y eliminar las capturas de pantalla antiguas del historial ahorra más que cambiar a un modelo más barato.
Cómo elegir
- Empieza con Sonnet 5.5. Su puntuación queda a menos de 2 puntos del líder a la mitad del precio.
- Sube a Opus 5.5 solo si tu tasa de éxito en tareas reales es el cuello de botella.
- Baja a Haiku 5.5 o Gemini 3.8 Flash para flujos repetitivos, cortos y de gran volumen. Mide primero.
- Usa Holo4 si los datos no pueden salir de tu infraestructura.
- Usa GPT-6 Astra con ejecución de código cuando el trabajo sea un script repetible, no una exploración.
- Omite el navegador por completo cuando el sitio tenga una API. Una llamada a la API es una sola solicitud en lugar de 30 pasos. Nuestro análisis de uso de computadora frente a API estructuradas muestra cuándo gana cada uno, y la lista de herramientas de automatización del navegador cubre el resto.
Deja que tu agente de programación pruebe la API en su lugar con Apidog CLI
Los agentes de navegador son el camino lento y caro. Cuando la página por la que tu agente no deja de hacer clic está respaldada por una API JSON, la opción más barata es encontrar esa API una vez y probarla directamente. El conjunto de herramientas de navegador de Claude incluso tiene un miembro opcional read_network que lista las solicitudes que hace una página.
Deja que tu agente de programación lo haga con Apidog CLI. Configúralo una vez:
npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install
Luego dale a tu agente un solo prompt:
Export a HAR of the checkout flow you just ran in the browser. Import it into
Apidog project <id>, create a test case for POST /api/cart/items that asserts
a 200 status and a numeric cartTotal, then run it against the staging
environment and summarize any failures.
El agente importa el tráfico, lee el esquema del payload, lo valida, escribe el caso y lo ejecuta:
apidog import --project <id> --format har --file checkout.har
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json
Sustituye -r cli,json por -r junit y el mismo comando se ejecuta en CI; consulta la guía de canalizaciones CI/CD de Apidog CLI. Si Claude Code es tu agente, Apidog CLI en Claude Code explica paso a paso la configuración. El plan Free de Apidog cubre hasta 4 usuarios.
Preguntas frecuentes
¿Cuál es el mejor LLM para agentes de navegador ahora mismo? Claude Opus 5.5 tiene la puntuación más alta en OSWorld 2.1 reportada por el proveedor (81,8%). Claude Sonnet 5.5 es la mejor opción predeterminada para la mayoría de los equipos con un 80,1% y la mitad del precio.
¿Qué modelo es mejor para el uso de computadora con un presupuesto ajustado? Claude Haiku 5.5, a $0,10 / $0,50, obtiene un 72,4% en el subconjunto offline de OSWorld 2.1 de Anthropic. Mantén los prompts por debajo de 100.000 tokens para permanecer en su tramo barato.
¿Existe un buen modelo de pesos abiertos para agentes de navegador? Sí. Holo4 35B-A3B se distribuye con pesos Apache 2.0 y obtiene un 80,8% en OSWorld en el harness de H Company. Holo4 27B obtiene una puntuación más alta, pero comprueba primero su licencia.
¿Modo de captura de pantalla o modo DOM? Usa el árbol de accesibilidad o el DOM cuando la página tenga uno. Es más barato y sobrevive a los cambios de diseño. Recurre a las capturas de pantalla para canvas, mapas, vídeo y escritorios remotos.
¿Puedo comparar las puntuaciones de OSWorld entre proveedores? Solo de forma aproximada. Los proveedores reportan OSWorld 2.0, OSWorld 2.1, subconjuntos offline y puntuaciones parciales con harnesses diferentes. Ejecuta tus propias 20 a 50 tareas reales antes de decidirte.
¿Sigue disponible Gemini 2.5 Computer Use? Ya no aparece en la página de uso de computadora de Google a fecha del 27 de octubre de 2026. En su lugar, Google incluye Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite y Gemini 3 Flash Preview.