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 Copilot Chat 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 elegir la opción Auto al seleccionar un modelo, se selecciona automáticamente el modelo óptimo para la tarea, en función de la disponibilidad del modelo y la complejidad de las tareas. Si está en un plan de pago Copilot , puede optar a un descuento en los costos del modelo cuando use la opción Auto . Consulta Acerca de Copilotauto model selection.
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 |
| GPT-5.3-Codex | Agentic software development | Agentic tasks | GPT-5.3-Codex model card |
| GPT-5.4 | Deep reasoning and debugging | Multi-step problem solving and architecture-level code analysis | GPT-5.4 model card |
| GPT-5.4 mini | Agentic software development | Codebase exploration and is especially effective when using grep-style tools | GPT-5.4 mini model card |
| GPT-5.5 | Deep reasoning and debugging | Multi-step problem solving and architecture-level code analysis | GPT-5.5 model card |
| GPT-5.6 Luna | Fast help with simple or repetitive tasks | Quick, cost-efficient responses for smaller, faster coding tasks | GPT-5.6 model card |
| GPT-5.6 Sol | Deep reasoning and debugging | Complex reasoning over large codebases and long-running agentic work | GPT-5.6 model card |
| GPT-5.6 Terra | General-purpose coding and agent tasks | Balanced everyday interactive and agentic coding | GPT-5.6 model card |
| GPT-6 Astra | Long-horizon, autonomous coding and agentic tasks | Long-horizon coding tasks with continuous planning, batched diagnosis and verification, and independent result confirmation | GPT-6 Astra model card |
| Claude Fable 5 | Long-horizon, autonomous coding and knowledge-work | First-attempt correctness through upfront reasoning, aggressive parallel tool batching, and proactive verification of pre-existing test state before debugging | Claude Fable 5 model card |
| Claude Fable 5.1 | Long-horizon, autonomous coding and knowledge-work | Substantial, long-running coding tasks, including deep codebase research, feature development, and complex agentic workflows | Claude Fable 5.1 model card |
| Claude Haiku 4.5 | Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions | Claude Haiku 4.5 model card |
| Claude Opus 4.7 | Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning | Claude Opus 4.7 model card |
| Claude Opus 4.8 | Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning | Claude Opus 4.8 model card |
| Claude Opus 4.8 (fast mode) (preview) | Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning | Claude Opus 4.8 model card |
| Claude Opus 5 | Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning | Claude Opus 5 model card |
| Claude Sonnet 4.6 | General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning | Claude Sonnet 4.6 model card |
| Claude Sonnet 5 | General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning | Claude Sonnet 5 model card |
| Gemini 3.5 Flash | Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions | Gemini 3.5 Flash model card |
| Gemini 3.6 Flash | Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions | Gemini 3.6 Flash model card |
| Gemini 3.7 Flash | Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions | Gemini 3.7 Flash model card |
| Gemini 3.8 Flash | Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions | Gemini 3.8 Flash model card |
| MAI-Code-1.1-Flash1 | General-purpose coding and writing, image understanding | Fast code completions and explanations, instruction following, tool use | MAI-Code-1.1-Flash model card |
| Grok 4.5 | General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning | Grok 4.5 model card |
| Grok 4.6 | General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning | Grok 4.6 model card |
| Qwen2.5 | General-purpose coding and writing | Code generation, reasoning, and code repair / debugging | Qwen2.5 model card |
| Kimi K2.7 Code | General-purpose coding and agent tasks | Fast, reliable answers to lightweight coding questions | Kimi K2.7 Code model card |
| Kimi K32 | Agentic coding and long-context work | Multi-step agent tasks across large codebases | Kimi K3 model card |
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. |
| GPT-5.6 Terra | Opción equilibrada y versátil para la programación interactiva y con agentes del día a día. |
| 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 |
|---|---|
| GPT-5.6 Luna | Opción ligera y rentable para tareas más pequeñas y más rápidas. El modelo de menor costo de la familia GPT-5.6. |
| Claude Haiku 4.5 | Equilibra respuestas rápidas con salida de calidad. Ideal para tareas pequeñas y explicaciones de código ligeras. |
| 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. |
| GPT-5.6 Sol | El límite de razonamiento más alto en la familia GPT-5.6. Ideal para tareas de razonamiento complejo sobre grandes bases de código y tareas autónomas exigentes y de larga duración. |
| Claude Sonnet 4.6 | Finalizaciones confiables y razonamiento más inteligente bajo presión. |
| Claude Opus 4.7 | El modelo más poderoso de Anthropic. Fuerte en el razonamiento profundo sobre bases de código grandes y complejas. |
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 Sonnet 4.6 | Finalizaciones confiables y razonamiento más inteligente bajo presión. |
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.
Consideraciones específicas del modelo
Algunos modelos tienen comportamientos, limitaciones o medidas de seguridad que son útiles para comprender antes de elegirlos para una tarea.
Kimi K3
Kimi K3 está diseñado para flujos de trabajo agente y codificación de varios pasos de contexto largo. Las variantes del modelo ajustadas pueden incluirse como parte de la oferta Kimi K3 (GitHub) únicamente en los planes individuales. Las variantes ajustadas no están incluidas en los planes Copilot Business o Copilot Enterprise. En las pruebas preliminares, el modelo mostró un riesgo elevado en determinados avisos de mayor riesgo y fue menos coherente que otros modelos en la denegación de solicitudes que implican temas confidenciales. Estos comportamientos pueden reflejar diferencias en la seguridad del modelo después del entrenamiento y la alineación. Hemos implementado medidas de seguridad adicionales en GitHub Copilot para ayudar a mitigar los riesgos identificados. Al igual que con cualquier modelo, las empresas deben evaluar las funcionalidades, las limitaciones y las medidas de seguridad del modelo a la luz de sus casos de uso y requisitos concretos.
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 Copilot Chat sirve diferentes modelos de IA, consulte Hospedaje de modelos para GitHub Copilot.
Footnotes
-
MAI models are continuously improving models. Performance and behavior may evolve over time as new checkpoints are released. ↩
-
For important information about Kimi K3 behavior and safeguards, see Model-specific considerations. ↩