Fuente: [Claude Fable y Mythos 5.2 frente a Gemini 4 Carbon y GPT-6]() [Inicio]()/[Ideas]()/Estrategia Estrategia · 12 min de lectura · HocusPocus # Claude Fable y Mythos 5.2 frente a Gemini 4 Carbon y GPT-6 Claude Fable 5.2 destaca al modificar código. Gemini 4 Carbon completa más flujos de empresa en la prueba de Zapier. ¿Qué elegir para diseñar una aplicación o dejar un agente trabajando? Comparamos resultados, acceso y coste con GPT-6, Grok, Mistral y DeepSeek. Ideas de HocusPocus ## Las próximas ideas, a mano. Elige HocusPocus como fuente preferida en Google o añade Ideas a tu lector RSS. [Imagen: google g oficial color transparente Añadir como fuente preferida en Google (se abre en Google, en otra pestaña)]() ### Ideas en tu lector RSS Copia este enlace y añádelo a tu lector RSS para recibir las nuevas Ideas de HocusPocus. Enlace RSS de Ideas [Abrir el feed RSS (en otra pestaña)]() Imagen: Un haz de luz atraviesa tres prismas y proyecta tres trazados distintos sobre un banco óptico. En esta idea - [01Una misma IA ante tres encargos]() - [02Qué se puede usar hoy y quién tiene acceso]() - [03Qué revelan las pruebas de código, oficina y ciencia]() - [04Una aplicación que funciona y una que gusta]() - [05Qué ocurre con el agente al cerrar el portátil]() - [06Lo que vieron quienes pusieron los agentes a trabajar]() - [07Qué aportan Grok y los modelos de Europa y China]() - [08Cuánto cuesta revisar el mismo proyecto]() - [09Qué probaríamos antes de elegir]() ## Una misma IA ante tres encargos Para comparar **modelos frontera de IA**, ayuda imaginar tres encargos de una misma empresa. Un equipo quiere corregir un fallo sin romper el resto del código. Otro quiere que una reserva cancelada actualice el calendario, el correo y el sistema de clientes. Un tercero quiere una aplicación que la gente sepa usar al abrirla. Cada equipo puede encontrar en los datos una razón distinta para elegir. En programación, **Claude Fable 5.2** obtiene 49,1 puntos sobre 100 en la rúbrica de los mantenedores de FrontierCode. En automatización de oficina, **Gemini 4 Carbon** logra completar el 53,88 % de los encargos de Zapier. Y en preferencia visual para la web, **Carbon y GPT-6 Astra** están a un solo punto, dentro del margen de incertidumbre. Cada cifra responde a una pregunta diferente. [FrontierCode]() · [AutomationBench]() · [WebDev Arena](). ### El resultado cambia según la tarea Dos evaluaciones del 9 de noviembre de 2026. #### Cambios de código integrables Calidad del cambio propuesto en FrontierCode 2.0. Escala de 0 a 100 puntos. - Claude Fable 5.249,1 - GPT-6 Astra42,8 - Gemini 4 Carbon40,0 #### Flujos de trabajo completados Encargos con todos los pasos correctos en AutomationBench 1.0.6. Escala del 0 al 100 %. - Gemini 4 Carbon53,88 % - Claude Fable 5.251,45 % - GPT-6 Astra41,40 % Cognition evalúa 132 cambios definidos por mantenedores. Zapier comprueba el estado final de sus sistemas. El nivel de razonamiento y las herramientas varían según la prueba. [FrontierCode 2.0 de Cognition]() · [AutomationBench de Zapier](). ## Qué se puede usar hoy y quién tiene acceso El 9 de noviembre de 2026, Anthropic presentó **Claude Fable 5.2 y Claude Mythos 5.2**. Comparten el modelo de base. La diferencia que cambia una decisión de compra es qué trabajo se les puede encargar. Fable está disponible en Claude y mediante API. Algunos encargos de ciberseguridad o biología activan filtros y pasan a otro modelo. Las organizaciones que necesitan Mythos para investigación biomédica o defensa informática pueden solicitar acceso a los programas de verificación. Para un equipo de seguridad, importa saber qué modelo examinó el código y si pudo completar el análisis. [Anuncio y condiciones de Anthropic](). Google presentó **Gemini 4 Carbon** el 28 de octubre. Al cierre de esta edición siguen documentadas las pruebas previas con el Gobierno estadounidense y el acceso de defensores seleccionados a través de Fairwind. El modelo Gemini 4 que un equipo ya puede probar en la aplicación y en AI Studio es **Argon**. Sus resultados y sus condiciones de uso tienen que identificarse por separado. [Lanzamiento de Carbon]() · [Disponibilidad de Argon y Carbon](). En OpenAI, **GPT-6 Astra** es la referencia de máxima capacidad para esta comparación. La documentación oficial de OpenAI sitúa a **GPT-6.1 Sol** en proyectos complejos con un presupuesto más ajustado, y a **GPT-6.1 Terra** en trabajos delimitados, como corregir un fallo con una prueba que demuestre la solución. Conviene anotar el modelo y el nivel de razonamiento al reproducir una prueba desde ChatGPT o la API. [Guía de selección de OpenAI](). En ChatGPT, el modo Pro de GPT-6 usa Astra en los planes que lo incluyen. Sol y Terra también se ofrecen en Work y Codex. Para comparar con Mythos en una evaluación de defensa, OpenAI tiene una opción especializada, GPT-6-Cyber, sujeta a autorización. [Acceso en ChatGPT]() · [Condiciones de Daybreak](). ## Qué revelan las pruebas de código, oficina y ciencia **FrontierCode 2.0** plantea 132 cambios en repositorios. Sus mantenedores definen qué debe cumplir cada solución para aceptar la propuesta. Un parche puede pasar los tests y perder puntos por su implementación. Los equipos usaron herramientas y niveles de razonamiento distintos. Por eso tomamos los datos de la clasificación del evaluador, donde Carbon figura con 40,0. La tabla del anuncio de Anthropic recoge 41,1. [Rúbrica y resultados de Cognition]() · [Tabla de lanzamiento de Anthropic](). **AutomationBench** comprueba el estado final de los sistemas. Si un agente afirma que cambió una cita y el calendario sigue intacto, falla. En 657 encargos, Carbon en nivel alto logra un 53,88 % con un coste estimado de 2,12 USD por intento. En nivel medio alcanza el 52,97 % por 1,65 USD. Es una diferencia de menos de un punto por 47 céntimos más en cada intento. [Resultados de Carbon por nivel de esfuerzo](). **Razonamiento y lectura profesional.** Artificial Analysis encuentra otro cambio de orden. En HLE-Diamond, una prueba de conocimiento y razonamiento, Carbon obtiene un 69,1 % y Astra un 63,8 %. En GDP.pdf, que exige satisfacer todos los criterios al interpretar documentación profesional, Astra alcanza el 31,0 % y Carbon el 28,4 %. Carbon usó esfuerzo alto y Astra máximo. Para quien revisa pliegos o informes, merece la pena probar con documentos reales que contengan excepciones y tablas. [Mediciones de Artificial Analysis]() · [Criterios de GDP.pdf](). **Para Mythos hay menos mediciones comparables.** Anthropic sí separa los resultados científicos en Terminal-Bench-Science 0.1. Mythos registra un 75,3 % y Fable un 74,6 %. La pequeña diferencia en esta prueba deja abierta la elección para otras tareas. El gráfico recoge únicamente las cifras que cada fuente atribuye a esa versión. [Evaluaciones y condiciones de Anthropic](). **La especialidad de Mythos se aprecia en seguridad.** Según Anthropic, Mythos 5.2 redescubrió el 89,6 % de las vulnerabilidades conocidas de su prueba, frente al 78,3 % de Mythos 5.1. Eso informa sobre la revisión de fallos documentados. Para saber cómo rendiría en una auditoría nueva haría falta medir también los falsos positivos y los hallazgos que un especialista puede reproducir. En CyScenarioBench cada laboratorio recibió tareas diferentes, lo que impide interpretar los puestos como una comparación directa. [Resultados y notas de ciberseguridad de Anthropic](). ### Compara resultados por tarea Abre una o varias pruebas para ver las cifras y sus condiciones. Datos del 9 de noviembre de 2026. Programación en repositorios Puntuación ponderada de 0 a 100. Los mantenedores puntúan la calidad del cambio propuesto en 132 encargos. Claude Fable 5.249,1 / 100 GPT-6 Astra42,8 / 100 Gemini 4 Carbon40,0 / 100 Fable usó Claude Code (xhigh), Astra usó Codex (max) y Carbon usó Devin CLI (medium). Consulta la clasificación de [Cognition · FrontierCode 2.0](). Flujos de trabajo de oficina Porcentaje de encargos que se completaron correctamente de principio a fin. Zapier comprueba el resultado en un entorno aislado con 47 herramientas. Gemini 4 Carbon53,88 % Claude Fable 5.251,45 % GPT-6 Astra41,40 % Esfuerzo alto en Carbon y máximo en Fable y Astra. Fable mantuvo activa la derivación predeterminada de solicitudes bloqueadas. Consulta la clasificación de [Zapier · AutomationBench 1.0.6](). Coste por encargo de oficina Dólares por encargo intentado en la misma prueba de Zapier, incluidos los intentos fallidos. Cada barra usa una escala de 0 a 5 USD. Un importe menor supone menos gasto. GPT-6 Astra1,73 USD Gemini 4 Carbon2,12 USD Claude Fable 5.24,64 USD Estimación por intento según los precios usados por Zapier para cada configuración. Consulta la clasificación de [Zapier · AutomationBench 1.0.6]() y el [informe de Zapier sobre Fable](). Resolución de tareas científicas Terminal-Bench-Science 0.1 mide la capacidad para resolver tareas científicas con herramientas de terminal. Claude Mythos 5.275,3 % Claude Fable 5.274,6 % GPT-6 Astra68,1 % Gemini 4 Carbon64,8 % Aquí Anthropic publica una cifra propia para Mythos 5.2. La diferencia de 0,7 puntos con Fable requiere cautela. Consulta la [tabla y metodología de Anthropic](). Manejo de un ordenador OSWorld 2.1 evalúa si un agente puede completar tareas mediante una interfaz gráfica. Claude Fable 5.289,3 % Gemini 4 Carbon81,5 % GPT-6 Astra79,5 % Subconjunto parcial sin conexión en la tabla de lanzamiento. Los porcentajes solo describen ese conjunto. Consulta la [tabla y metodología de Anthropic](). ## Una aplicación que funciona y una que gusta **¿Se puede usar lo que ha construido?** Vals AI sometió las aplicaciones web a pruebas de interacción con el mismo entorno de agente, OpenHands. En su edición del 9 de noviembre, Fable 5.2 obtiene un 93,77 %, Astra un 89,59 %, Carbon un 89,06 % y Sol un 88,93 %. DeepSeek V4.1 Flash 1017 logra un 87,73 % con un coste medio de 0,58 USD por prueba. Astra cuesta 38,51 USD y Fable 22,13 USD en esa misma evaluación. El consumo depende de los intentos y de cuánta información vuelve a leer el agente durante la tarea. [Vibe Code Bench v1.1 de Vals AI](). **¿Qué versión prefiere la gente?** En la clasificación general de WebDev Arena del 8 de noviembre, Opus 5.5 encabeza la tabla con 1.818 puntos. Carbon registra 1.768 ±15, todavía preliminar, y Astra 1.767 ±9. Sus intervalos se solapan. Fable 5.2 y Mythos 5.2 se presentaron al día siguiente y carecen de dato en ese corte. Tampoco una votación de preferencia comprueba si el foco del teclado llega al botón de pago o si los mensajes de error se entienden. [Clasificación y márgenes de WebDev Arena](). Imagen: Un calibre mide una maqueta de interfaz de cristal con controles de metal. ## Qué ocurre con el agente al cerrar el portátil Pensemos en una agencia que prepara el informe semanal de diez hoteles. Un agente puede consultar diez fuentes, guardar las filas verificadas y dejar constancia de cuáles fallaron. Si al día siguiente caduca una credencial, el sistema necesita conservar el trabajo y reanudarlo desde ese punto. Un historial de chat ayuda a recordar el encargo. La persistencia exige además almacenamiento, un mecanismo que vuelva a ejecutar la tarea y acceso a sus herramientas. Imagen: Un mecanismo de precisión desplaza placas de cristal que representan etapas guardadas de un trabajo. **Claude Cowork** ilustra la diferencia. Una tarea programada en la nube puede seguir con el portátil cerrado. Para leer una carpeta local compartida, necesita que Claude Desktop esté abierto en ese ordenador. Conectores, archivos y permisos determinan si podrá terminar el informe. Gemini también permite programar tareas y dispone de aplicación para Mac y Windows. Tenerla instalada no da acceso a Carbon. Google atribuye a Carbon varios días de trabajo sobre errores de software en ensayos internos. [Cómo funciona Cowork]() · [Tareas de Gemini]() · [Gemini para escritorio]() · [Ensayos internos de Google](). **ChatGPT Work y Codex** también distinguen entre ejecución en la nube y trabajo en el ordenador. Las tareas en la nube pueden usar los servicios conectados. Una tarea local necesita la aplicación y el equipo disponibles. En Mac, ciertas interacciones con aplicaciones compatibles admiten segundo plano. En Windows, el control del ordenador utiliza el escritorio activo. Para el informe de los diez hoteles, esa diferencia decide si otra persona puede seguir usando el equipo. [Tareas programadas de ChatGPT]() · [Uso del ordenador en Work y Codex](). **Construir una aplicación de escritorio** añade otra exigencia. Para comparar candidatos, les daríamos el mismo encargo. Tendrían que crear una herramienta que importe reservas y siga funcionando sin conexión. En Mac y Windows comprobaríamos instalación, navegación por teclado, recuperación de una importación interrumpida y apertura del archivo guardado. Una captura atractiva permite juzgar la composición. Estas pruebas revelan si el usuario puede acabar el trabajo. ## Lo que vieron quienes pusieron los agentes a trabajar **Ethan Mollick**, profesor de Wharton, encargó a Fable 5.2 que construyera mundos interactivos para la web. Las primeras 48 horas produjeron 328 escenarios. Al recorrerlos, encontró tres equipos que habían ideado por separado el mismo recurso visual, un remolino de animales. Cuando pidió pulir el proyecto, los agentes acabaron optimizando las doce capturas que usaban para evaluar los cambios. Su prueba documenta tanto la capacidad de producir como el trabajo de dirección artística que siguió haciendo falta. Mollick recibió acceso anticipado sin límite de consumo y declara que no cobra de los laboratorios. [Relato, ejemplos y código de Mollick](). **Thomas Kwa**, coautor de la investigación de METR sobre tareas largas, explica una distinción decisiva. En sus pruebas, un horizonte de cuatro horas al 50 % significa que una persona de referencia tarda unas cuatro horas en tareas que el agente resuelve la mitad de las veces. El agente puede tardar mucho menos. Y esa estimación cambia según el dominio. Por eso, ante un proveedor que anuncia «días de autonomía», preguntaríamos qué entregó, cuántas veces intervino alguien y cuántos intentos fallaron. [Nota metodológica de Kwa](). ## Qué aportan Grok y los modelos de Europa y China **Grok 4.7.** Un equipo que ya trabaja en Cursor puede probarlo sobre una incidencia real, con las pruebas del repositorio como criterio de éxito. También está disponible en Grok Build y por API. Admite imágenes, llamadas a herramientas y hasta 500.000 tokens de contexto. Si el encargo incluye un repositorio extenso, conviene presupuestar el tramo superior que empieza por encima de 200.000 tokens. [Lanzamiento de Grok 4.7]() · [Ficha técnica](). **Mistral Large 4.** Para quien deba mantener los planos, el código o los documentos de un cliente dentro de una infraestructura concreta, el laboratorio francés ofrece los pesos del modelo para instalarlo en servidores propios. Mistral declara que lo entrenó en Europa. El lugar donde se procesen los datos dependerá de la instalación escogida. La licencia permite ajustar y comercializar el modelo, con una condición específica para las empresas que lo ofrecen como servicio y necesitan una licencia adicional. [Modelo, despliegue y licencia de Mistral](). **DeepSeek y Kimi.** Ambos proceden de China y ofrecen pesos descargables. DeepSeek V4.1 Flash 1017 combina visión y llamadas a herramientas con un precio que facilita probar varias correcciones antes de dar una por buena. Moonshot acompaña Kimi K3.1 Pro con Kimi Work para Windows y Mac con Apple Silicon y con Kimi Code para programación. Su aplicación de escritorio resulta pertinente para quien necesite pasar de un boceto a un prototipo y revisarlo en su propio equipo. La aplicación se conecta al servicio de Kimi. Ejecutar los pesos en servidores propios requiere otra instalación. [Lanzamiento de DeepSeek]() · [Kimi Work y Kimi Code]() · [Pesos de Kimi](). ### Nueve modelos ante el mismo código Puntuación de calidad en FrontierCode 2.0, sobre una escala de 0 a 100 puntos. Datos del 9 de noviembre de 2026. - Claude Fable 5.249,1 - Claude Opus 5.545,5 - GPT-6 Astra42,8 - Gemini 4 Carbon40,0 - GPT-6.1 Sol39,0 - Grok 4.728,6 - Mistral Large 419,7 - Kimi K3.1 Pro19,6 - DeepSeek V4.1 Flash 101719,3 Para cada modelo se muestra la mejor configuración observada por Cognition. Cambian tanto el nivel de razonamiento como la herramienta que ejecuta los cambios. [FrontierCode 2.0 de Cognition](). Al volver a los mismos 132 encargos de código, Grok 4.7 obtiene 28,6 puntos. Mistral Large 4, Kimi K3.1 Pro y DeepSeek V4.1 Flash 1017 quedan entre 19,3 y 19,7. GPT-6.1 Sol alcanza 39,0. Son medidas del conjunto de modelo y herramienta que examinó Cognition. Una organización que quiera alojar el modelo por su cuenta puede aceptar una puntuación menor a cambio de controlar la infraestructura. [Detalle de los nueve modelos en FrontierCode](). ## Cuánto cuesta revisar el mismo proyecto Supongamos que un equipo envía un dossier y el código de una aplicación para que el modelo proponga una revisión. Fijamos el consumo en **100.000 tokens de entrada sin caché y 10.000 de salida facturable**, incluido el razonamiento que se cobre. La última columna multiplica las tarifas por 0,10 y 0,01 respectivamente y suma ambos importes. Es un cálculo por volumen, antes de impuestos, herramientas y reintentos. Cada nombre enlaza a la tarifa del proveedor. ### Calcula el coste de un encargo Cambia el volumen de lectura y de escritura para comparar cuánto costaría la misma petición con cada API. Elige un escenarioRevisión extensaConsulta breveRedacción larga #### 100.000 tokens de entrada y 10.000 de salida Coste por petición en USD, de menor a mayor. Escala común de 0 a 1,50 USD. DeepSeek V4.1 Flash 1017 · hora punta0,042 USD Mistral Large 40,091 USD GPT-6.1 Terra0,15 USD Grok 4.70,26 USD Gemini 4 Carbon · lanzamiento0,30 USD GPT-6.1 Sol0,30 USD Kimi K3.1 Pro0,30 USD Fable 5.2 y Mythos 5.2 · estándar1,20 USD GPT-6 Astra1,50 USD #### 10.000 tokens de entrada y 1.000 de salida Coste por petición en USD, de menor a mayor. Escala común de 0 a 1,50 USD. DeepSeek V4.1 Flash 1017 · hora punta0,0042 USD Mistral Large 40,0091 USD GPT-6.1 Terra0,015 USD Grok 4.70,026 USD Gemini 4 Carbon · lanzamiento0,03 USD GPT-6.1 Sol0,03 USD Kimi K3.1 Pro0,03 USD Fable 5.2 y Mythos 5.2 · estándar0,12 USD GPT-6 Astra0,15 USD #### 20.000 tokens de entrada y 20.000 de salida Coste por petición en USD, de menor a mayor. Escala común de 0 a 1,50 USD. DeepSeek V4.1 Flash 1017 · hora punta0,03 USD Mistral Large 40,056 USD GPT-6.1 Terra0,12 USD Grok 4.70,16 USD Gemini 4 Carbon · lanzamiento0,24 USD GPT-6.1 Sol0,24 USD Kimi K3.1 Pro0,24 USD Fable 5.2 y Mythos 5.2 · estándar0,96 USD GPT-6 Astra1,20 USD Cálculo con entrada sin caché y salida facturable, antes de impuestos, herramientas y reintentos. La tabla de tarifas que sigue enlaza a cada proveedor y detalla el acceso a Mythos, el precio anunciado de Carbon y las franjas horarias de DeepSeek. Tarifas consultadas el 9 de noviembre de 2026, en dólares estadounidenses Modelo y tarifa | Entrada por millón | Salida por millón | Total del ejemplo | [Fable 5.2 y Mythos 5.2 · estándar]() | 8,00 | 40,00 | 1,20 | [Fable 5.2 y Mythos 5.2 · rápido]() | 16,00 | 80,00 | 2,40 | [Gemini 4 Carbon · lanzamiento]() | 2,00 | 10,00 | 0,30 | [Gemini 4 Carbon · tras la promoción]() | 4,00 | 20,00 | 0,60 | [GPT-6 Astra]() | 10,00 | 50,00 | 1,50 | [GPT-6.1 Sol]() | 2,00 | 10,00 | 0,30 | [GPT-6.1 Terra]() | 1,00 | 5,00 | 0,15 | [Grok 4.7]() | 2,00 | 6,00 | 0,26 | [Mistral Large 4]() | 0,70 | 2,10 | 0,091 | [Kimi K3.1 Pro]() | 2,00 | 10,00 | 0,30 | [DeepSeek V4.1 Flash 1017 · punta]() | 0,30 | 1,20 | 0,042 | [DeepSeek V4.1 Flash 1017 · valle]() | 0,15 | 0,60 | 0,021 | Google anuncia dos precios para Carbon y condiciona el acceso inicial a organizaciones seleccionadas. El anuncio deja abierta la fecha de fin de la promoción. Anthropic aplica el mismo precio a sus dos variantes y reserva Mythos a organizaciones verificadas. DeepSeek cobra la tarifa punta de lunes a viernes, de 01:00 a 04:00 y de 06:00 a 10:00 UTC, salvo festivos chinos. [Google]() · [Anthropic]() · [DeepSeek](). En una compra por usuario, ChatGPT Plus cuesta 20 USD al mes en la tarifa estadounidense y Pro parte de 100 USD. El plan determina los modelos, funciones y límites disponibles. En una integración por API se factura el consumo. Una forma de comparar proyectos es dividir el gasto total, incluidas las repeticiones, por el número de entregas que pasan las mismas pruebas de aceptación. [Planes y uso de ChatGPT](). ## Qué probaríamos antes de elegir Si tuviéramos que corregir un fallo difícil en una aplicación que ya está en producción, probaríamos **Fable 5.2 y Astra** sobre una copia del repositorio. Entregaríamos los parches sin identificar al autor y pediríamos al equipo que decidiera cuál integraría y qué habría que corregir. Si el objetivo fuera repetir miles de cambios pequeños, añadiríamos **Sol y DeepSeek** para medir el coste total de llegar al mismo resultado. Para automatizar reservas, empezaríamos por reconstruir situaciones que ocurren en el negocio, entre ellas una cancelación duplicada y una conexión que se corta a mitad del proceso. Registraríamos por separado cuántas reservas quedan correctas, cuántas necesitan ayuda y cuánto cuesta cada una. Si Carbon estuviera fuera de alcance, Argon permite empezar esa prueba con una alternativa disponible de Google. En la misma medición de Zapier, Argon alcanza el 51,29 % en nivel alto. [Clasificación de Zapier](). Para diseño, daríamos a cada candidato el mismo encargo y probaríamos las propuestas con personas que no hubieran visto las maquetas. Que puedan completar una reserva en el móvil, corregir un error y volver al paso anterior dice más sobre ese producto que un punto de diferencia en una clasificación. Para un equipo que empieza a diseñar este tipo de prueba, nuestro [método de trabajo]() explica cómo pasar de una primera idea a una medición. *Datos consultados el 9 de noviembre de 2026. HocusPocus ha comparado evaluaciones publicadas por sus autores, documentación y testimonios de primera mano. Las cifras corresponden a sus configuraciones. Los escenarios de compra y los cálculos por volumen son elaboración propia. Las tres ilustraciones se crearon con IA para esta entrada.* ## En esta idea - [01Una misma IA ante tres encargos]() - [02Qué se puede usar hoy y quién tiene acceso]() - [03Qué revelan las pruebas de código, oficina y ciencia]() - [04Una aplicación que funciona y una que gusta]() - [05Qué ocurre con el agente al cerrar el portátil]() - [06Lo que vieron quienes pusieron los agentes a trabajar]() - [07Qué aportan Grok y los modelos de Europa y China]() - [08Cuánto cuesta revisar el mismo proyecto]() - [09Qué probaríamos antes de elegir]() ## Sigue leyendo - [IA local para empresas con Mac: qué montar con hasta 50.000 €]() - [Las mejores IA para crear vídeos realistas: calidad, precios y límites]() - [IA chinas de pesos abiertos: potencia, uso local y riesgos para tus datos]() ### De la idea a tu empresa. Cuéntanos qué proceso quieres mejorar y exploremos una primera aplicación. Hablemos ↗ [Todas las ideas]() Tu próximo paso ## Apliquemos la idea a tu *empresa.* Cuéntanos tu punto de partida y exploremos cómo encaja en el trabajo de tu equipo. [Hablemos de esta idea]() Ideas de HocusPocus ## Que la próxima idea te encuentre. Sigue nuestras publicaciones desde Google o reúne todas las Ideas en tu lector RSS. [Imagen: google g oficial color transparente Añadir como fuente preferida en Google (se abre en Google, en otra pestaña)]() ### Ideas en tu lector RSS Copia este enlace y añádelo a tu lector RSS para recibir las nuevas Ideas de HocusPocus. Enlace RSS de Ideas [Abrir el feed RSS (en otra pestaña)]() Comparte esta idea Puedes revisar el texto antes de publicarlo. [Compartir en X (se abre en una pestaña nueva)]() ## Síguenos en X. Más ideas sobre IA, automatización y negocio en @hocuspocusIA. [Síguenos en X (se abre en una pestaña nueva)]() --- ## Sobre HocusPocus y contacto - [Sobre HocusPocus]() - [Contacto]() · [info@hocuspocus.es](mailto:info@hocuspocus.es) · [+34616928047](tel:+34616928047) - Dirección publicada: Calle Francisco Remiro 17, portal F, 5.º A, 28028 Madrid, ES. - [Aviso legal]() · [Privacidad]() · [Cookies]()