Mejor IA para español: GPT Astra lideró 17 modelos con 4 de 5 y solo él conocía el modismo de la RAE

¿Qué IA es la mejor para español?

Solo uno de los 17 modelos conocía el modismo español en nuestro Multilingual LLM Bench, ejecutado el 2 de octubre de 2026. Fue GPT Astra, que acertó 4 de 5, y el modismo es la mitad de su ventaja. Siete modelos empataron detrás con 2 de 5, entre ellos Claude Opus, Gemini 3.1 Pro y GPT Sol. Cada idioma tiene solo 5 preguntas, así que una respuesta mueve la nota 20 puntos. Si separas las respuestas por tipo de pregunta, se ve dónde el español aún los hace tropezar:

La pregunta del modismo es pública. Pide la locución coloquial que el Diccionario de la lengua española da para hacer que una persona pague sola lo que perdió un grupo. La respuesta es cargar las cabras, y el diccionario también recoge echar las cabras. Diez de los 17 modelos escribieron pagar el pato. Es la expresión famosa, pero la RAE la define como sufrir un castigo que merecía otro. Cerca, pero no correcto.

GPT Astra escribió "Echar las cabras." Fue el único acierto. Puedes leer las 17 respuestas en nuestra página pública de preguntas.

Esta página clasifica los chatbots que escriben, traducen y responden en español. Si lo que quieres es aprender español, es otra elección: apps de tutoría como Langua y Speak se centran en practicar la conversación, y ninguna estuvo en nuestra prueba.

¿Cómo les fue a 17 modelos con las preguntas de español de Whizi?

GPT Astra ganó con 4 de 5, y siete modelos compartieron el segundo puesto con 2. Cada modelo recibió las mismas 5 preguntas en cada uno de los 30 idiomas, con razonamiento bajo. Corregimos cada respuesta con una clave documentada, y una respuesta en el idioma equivocado puntuó cero.

Cinco preguntas son una muestra pequeña. Una pregunta mueve la nota de español de un modelo 20 puntos, así que léelo como un orden aproximado, no como una clasificación fina.

La segunda pregunta local decidió la cima. Solo GPT Astra y GPT Luna la acertaron, por eso el GPT más barato que ejecutamos empató con Claude Opus. Astra fue el único modelo que además dio el modismo.

No leas la diferencia entre España y Latinoamérica como un veredicto sobre ninguna de las dos. La pregunta de España estaba en un nivel de dificultad más alto que la latinoamericana, así que 2 frente a 9 dice más de nuestro dial que del dialecto.

Claude Fable hizo algo raro con el modismo. Razonó en voz alta en inglés sobre más de una docena de frases españolas y al final eligió cargar el mochuelo, que es incorrecto. Grok 4.7 no acertó ninguna de las 5 preguntas de español, aunque obtuvo 44% en los 30 idiomas.

Tampoco uses nuestro banco para comparar el español con otros idiomas. El español promedió 25.9% entre los 17 modelos. Los mismos 17 promediaron 51.8% en nuestras preguntas de mejor IA para francés y 35.3% en las de mejor IA para portugués. Eso dice más de lo difícil que era cada grupo de cinco preguntas que del idioma.

¿Qué dicen las clasificaciones públicas de español?

Las clasificaciones públicas ponen el español cerca del inglés en todos los modelos grandes, pero no distinguen a los mejores entre sí. Artificial Analysis puntúa el español con Global-MMLU-Lite, una prueba de opción múltiple. Tal como la leímos en octubre de 2026, cinco modelos empatan con 94: Gemini 3.1 Pro, Gemini 3 Pro, Gemini 3 Flash, Claude Opus 4.6 y Claude Opus 4.5. Cuando un modelo Flash barato puede compartir el primer puesto, la prueba está cerca de su techo. La tabla además va por detrás de los lanzamientos: Claude Opus 5.5, los modelos GPT-6 y Gemini 4 Argon no estaban cuando la leímos el 18 de octubre.

Los proveedores también publican sus propias cifras. La página de soporte multilingüe de Anthropic dice que Claude Sonnet 4.5 conserva el 98.2% de su nota en inglés al pasar al español, y Claude Haiku 4.5 el 96.4%. El español es el primer idioma de esa tabla, justo por delante del italiano con 97.9%. Los resultados de simple-evals de OpenAI dan a su modelo o3 un 0.911 en español, en una prueba MMLU reescrita por traductores profesionales. GPT-4.1 nano, su modelo más pequeño ahí, sacó 0.748.

La Leaderboard es la construida por hispanohablantes. María Grandury, de SomosNLP, lideró el artículo, con Hugging Face y el Barcelona Supercomputing Center entre los autores, y se presentó en ACL 2025. Su primera versión combina 66 conjuntos de datos en euskera, catalán, gallego y variedades del español de España y Latinoamérica, y puntúa 50 modelos. La propia tabla funciona como un espacio de Hugging Face.

Tres de estas cuatro son pruebas MMLU traducidas. Una pregunta traducida no puede pedir un modismo español, y ese es el hueco al que apuntan nuestras cinco preguntas.

¿La IA escribe español de España o latinoamericano?

La IA escribe el español que le pide tu prompt, así que nombra el país. España y Latinoamérica difieren en gramática, no solo en acento. El Diccionario panhispánico de dudas es la guía de estilo que la RAE redactó con las demás academias de la ASALE, 23 en total. Dice que en toda América, y en el occidente de Andalucía y en Canarias, "ustedes es la única forma empleada para referirse a varios interlocutores". Es decir, vosotros es una forma que solo oirás en la mayor parte de España. En América, ustedes es el "tú" plural tanto para amigos como para desconocidos.

El voseo es la segunda división. El DPD llama a Argentina, Uruguay y Paraguay "áreas de voseo generalizado", y dice que vos es igual de general en cinco países centroamericanos, de Guatemala a Costa Rica. Chile mezcla tú y vos. En México, vos solo sigue vivo en Tabasco y Chiapas. Así que un prompt que solo dice "español" deja que el modelo adivine entre tú, vos, vosotros y ustedes.

El vocabulario es la tercera. El DLE marca ordenador, para un computador, como palabra de España ("Esp."), y su entrada de computadora no lleva esa marca. Dile al modelo el país y revisa las palabras que tu lector notará primero.

```

Escribe en español para lectores de [España / México / Argentina / Colombia / Chile].

Usa [vosotros / ustedes] para el plural de "tú" y [tú / vos / usted] para un solo lector.

Usa las palabras cotidianas de ese país, no una mezcla neutra.

Mantén cada nombre, número, fecha e importe exactamente como está escrito.

Al final, enumera cualquier palabra o frase que suene extranjera en ese país.

Tarea: [un correo de producto / un ensayo escolar / un mensaje de WhatsApp] sobre [tema], de unas [200] palabras.

```

Para traducir, cambia la línea de la tarea por "Traduce este texto en inglés al español para [país]" y deja el resto. Nuestra guía sobre usar IA para traducir cubre las comprobaciones posteriores.

¿Conviene usar un modelo en español como ALIA o LatamGPT?

Usa ALIA o LatamGPT cuando quieras ejecutar un modelo tú mismo, o cuando necesites catalán, euskera o gallego junto al español. Si solo buscas calidad en español, los grandes chatbots tienen las notas, y estos dos todavía no. Ninguno está entre los cinco primeros del índice de español de Artificial Analysis, y ninguno estuvo en nuestra ejecución.

El ministerio español llama a ALIA "un proyecto abierto, un proceso continuo en el que se suman experiencia, investigación, formación y nuevo conocimiento". La ficha del modelo ALIA-40b dice que el BSC duplicó el peso del español en el entrenamiento, lo que lo llevó al 16.12% del corpus.

LatamGPT es infraestructura, no un chatbot. Su ficha del modelo enumera español, portugués e inglés y dice que "no está optimizado para idiomas distintos del español, el portugués y el inglés". Open Source For You informó el 11 de febrero de 2026 de que la primera versión costó unos $550,000, y de que el dinero vino de CENIA y de CAF, el Banco de Desarrollo de América Latina. La ficha no incluye ningún resultado de pruebas.

¿Cuánto cuestan ChatGPT, Claude y Gemini en España y Latinoamérica?

Colombia paga más por ChatGPT Plus y por Claude Pro: COP 99,900 al mes por cualquiera de los dos, que son $31.38. Revisamos el listado de cada app en la App Store de cinco tiendas hispanohablantes el 18 de octubre de 2026. Las cifras en dólares usan los tipos de la Currency API del 17 de octubre de 2026, redondeados al centavo.

Apple muestra un simple "

quot; en las tiendas de México, Colombia y Chile. Lo leímos como pesos locales, porque es la única forma en que los importes tienen sentido. La tienda de Argentina cobra las tres apps en dólares estadounidenses. Google AI Pro es el más barato de los tres planes principales en España, México y Colombia. En Chile lo es ChatGPT Plus.

GPT Astra, el modelo que lideró nuestra prueba, no está en los chats de ChatGPT Plus. La página de ayuda de OpenAI dice "GPT-6 Pro, powered by GPT-6 Astra, is available in ChatGPT for Pro $100, Pro $200, Business and Enterprise plans." Plus recibe GPT-6 Sol en el chat. Recibe Astra solo en ChatGPT Work y Codex. Claude Pro incluye Claude Opus, según claude.com/pricing. Para más países, consulta precio de Claude Pro por país. Si tu tarjeta sigue fallando, pagar la IA cuando rechazan tu tarjeta cubre las alternativas.

¿Dónde encaja Whizi para el español?

Whizi es nuestro producto, así que aquí va dónde ayuda y dónde pierde. GPT Astra, el único modelo con 4 de 5 en nuestra prueba de español, está en Whizi Powerhouse por $49.99 al mes, menos de la mitad del precio de ChatGPT Pro 100 en las cinco tiendas de arriba. Eso sí, los 10,000 créditos mensuales de Powerhouse dan para 100 mensajes de Astra, así que sirve para comprobar español difícil, no para charlar todo el día. Pro, a $29.99, incluye Claude Opus, ChatGPT Sol y Gemini Pro, tres modelos que acertaron 2 de 5 cada uno, con chats de modelos en paralelo para compararlos con un mismo prompt. Whizi pierde frente a un solo plan: Claude Pro por sí solo es más barato en cuatro de las cinco tiendas (Colombia es la excepción), y Whizi no incluye ningún modelo ALIA ni LatamGPT. Los chats de modelos en paralelo muestran cómo funciona la comparación.