Misma IA, distintos costos: la elección del framework cambia el precio casi tres veces

La empresa de herramientas de IA Composio probó Deepseek V4 Flash en cuatro marcos de trabajo de agentes diferentes: Claude Code, Codex, OpenCode y Oh My Pi. Ejecutaron 30 tareas usando herramientas reales como Gmail, GitHub, Slack y Notion. El resultado: ningún marco de trabajo fue el mejor en todas las categorías. Oh My Pi logró la tasa de éxito más alta (17 de 30), pero fue el más lento (272 segundos por tarea). OpenCode fue el más económico (0,073 dólares por tarea exitosa), Claude Code fue el más rápido (122 segundos) pero el más caro (0,195 dólares), a pesar de utilizar la menor cantidad de llamadas a herramientas y tokens de salida. Siete tareas tuvieron éxito o fracasaron dependiendo únicamente del marco de trabajo utilizado. En general, las tasas de éxito fueron similares, con OpenCode ligeramente inferior, con 14 de 30. Las mayores diferencias se dieron en el precio y la velocidad: la elección del marco de trabajo cambió los costos en casi tres veces y la velocidad en 2,2 veces.