Benchmark de modelos de IA para desarrollo 1C: ranking actualizado v2

El autor del benchmark para desarrollo en 1С ha actualizado la clasificación de modelos, incluyendo 14 modelos: Claude Opus 5, Claude Fable 5, GPT 5.6 Sol, Kimi K3, Claude Opus 4.8, Grok 4.5, Composer 2.5, GPT 5.5, DeepSeek v4, GLM 5.2, Qwen 3.8 Max, Claude Sonnet 5, Mimi 2.5 y MiniMax M2.7. Las pruebas se realizaron en entornos de los proveedores (Claude Code, Codex, Kimi Code, Cursor, entre otros) con el máximo esfuerzo de razonamiento y una variante adicional con servidores MCP para 1С. Las tareas se dividieron en categorías: algoritmos, arquitectura, mecanismos de la plataforma, rendimiento, metadatos y desarrollo de formularios. Se consideran los tokens consumidos sin caché. Según los resultados, Claude Opus 5 es considerado el mejor para codificación, pero es superado por GPT 5.6 Sol en el seguimiento de instrucciones al usar MCP. Kimi K3 mostró un alto nivel, pero una velocidad lenta. DeepSeek v4 y GLM 5.2 solo se recomiendan en casos de presupuesto muy ajustado y con MCP. Qwen 3.8 Max, Claude Sonnet 5, Mimi 2.5 y MiniMax M2.7 no se recomiendan para 1С. Entre los planes futuros se incluye agregar medición de tiempo, costo total y tareas de mejora de funcionalidad. El autor utiliza Cursor con Claude Opus para arquitectura, Grok/Composer para tareas principales y GPT 5.6 Sol para revisiones y agentes autónomos.