En resumen: para una alerta a clientes, use GPT-6 Astra: encabezó nuestra prueba de 41 prompts en contenido jurídico (17,63 de 20) con respuestas mucho más cortas. Para un artículo de revista jurídica, Claude Fable 5.1 obtuvo la puntuación de redacción más alta (8,70 de 10). Para un blog de despacho con mucho volumen, Claude Opus 5.5 igualó a Fable a la mitad de coste. Gemini 3.1 Pro: solo para esquemas.
Prueba HAQQ AI gratis
Experimenta la redacción e investigación legal con IA
Datos clave
- Claude Fable 5.1 obtuvo 8,70 de 10 en calidad de redacción, Claude Opus 5 8,64 y Claude Opus 5.5 8,56, con Opus 5.5 y Fable 5.1 empatados en precisión con 8,55 (prueba de HAQQ, 10 prompts, dos jueces ajenos a Anthropic, 23 sep. 2026).
- Claude Opus 5.5 costó 0,3647 $ por respuesta y Claude Fable 5.1 0,7249 $ con los mismos prompts y esfuerzo de razonamiento alto (prueba de HAQQ, precios de lista de OpenRouter, 23 sep. 2026).
- Anthropic fija para Claude Opus 5.5 un precio de 4 $ por millón de tokens de entrada y 20 $ por millón de tokens de salida; Fable 5.1 cuesta 10 $ y 50 $ (Anthropic y OpenRouter, consultado el 23 sep. 2026).
- GPT-6 Astra obtuvo 17,63 de 20 en contenido jurídico, promedió 5.201 tokens de salida por respuesta frente a 18.190 de Claude Opus 5 y costó 0,2622 $ por respuesta (prueba de HAQQ, 41 prompts, 10 sep. 2026).
- Al pedirle sentencias de los tribunales de Dubái que respaldaran un artículo que no existe, Gemini 3.1 Pro citó ocho en cuatro respuestas, ninguna coincidente con una fuente pública tal como se citaba; Claude Opus 5.5 y GPT-6 Astra no citaron ninguna (prueba de HAQQ, 30 sep. 2026).
Aviso. HAQQ desarrolla IA jurídica y realizó todas las pruebas en las que se basa esta página. Las tres pruebas de septiembre no incluyeron a HAQQ. HAQQ participa en el benchmark de tareas de 50 puntos que se menciona una vez más abajo, y ocupa el primer puesto en él. Los prompts, el método y los límites figuran en cada artículo enlazado.
¿Qué tiene que hacer un LLM para escribir un artículo jurídico?
Un artículo jurídico se publica con el nombre de un abogado o de un despacho y lo leen personas que pueden actuar en consecuencia. El modelo tiene que hacer cinco cosas, y nuestras pruebas evalúan directamente la mayoría de ellas.
- Estructurar el argumento como lo haría un abogado: cuestión, norma, aplicación, límites.
- Indicar la jurisdicción, o decir claramente que el texto presupone una.
- Explicar sin asesorar, para que el artículo no se lea como un consejo a un lector concreto.
- Señalar dónde el derecho es incierto en lugar de disimularlo.
- Citar fuentes que existan y que digan lo que el artículo afirma.
¿Cómo se comparan Claude Opus 5.5, Fable 5.1, GPT-6 Astra y Gemini 3.1 Pro en redacción jurídica?
Ninguna prueba evaluó los cuatro modelos con los mismos prompts, así que la tabla muestra las cifras de cada modelo en la prueba que lo incluyó. Las pruebas usaron configuraciones distintas (esfuerzo de razonamiento alto el 23 de septiembre, medio el 10 de septiembre, valores por defecto el 30 de septiembre), por lo que conviene comparar costes dentro de una columna, no entre columnas.
| Modelo | Puntuación de redacción (23 sep., /10) | Contenido jurídico (10 sep., /20) | Prueba trampa (30 sep., /4) | Coste por respuesta | Comportamiento con las citas |
|---|---|---|---|---|---|
| Claude Opus 5.5 | 8,56 | no evaluado | 3,30 | 0,3647 $ (23 sep.) | No citó sentencias inventadas |
| Claude Fable 5.1 | 8,70 | no evaluado | no evaluado | 0,7249 $ (23 sep.) | Precisión 8,55, empatado en primer lugar |
| GPT-6 Astra | no evaluado | 17,63 | 3,00 | 0,2622 $ (10 sep.) | No citó sentencias inventadas; enunció mal una norma egipcia de protección de datos aunque citó la disposición correcta |
| Gemini 3.1 Pro | no evaluado | no evaluado | 2,10 | unos 0,046 $ (30 sep., 0,92 $ por 20 respuestas) | Citó 8 sentencias, ninguna coincidió tal como se citaba |
No publicamos un coste por cada 1.000 palabras: los tokens de razonamiento se facturan como salida y no forman parte del texto visible, así que el coste por respuesta de una prueba real es la cifra más útil. El bajo coste de Gemini 3.1 Pro se debe en parte a un razonamiento más corto: una mediana de 3.294 tokens de salida por respuesta en la prueba del 30 de septiembre, frente a 10.124 de Opus 5.5.
¿Qué IA debería redactar una alerta a clientes?
GPT-6 Astra. Una alerta a clientes tiene que ser breve, correcta y rápida de revisar. En nuestra prueba del 10 de septiembre, Astra encabezó el contenido jurídico (17,63 de 20) y escribió unas 3,5 veces menos tokens por respuesta que Claude Opus 5, por eso costó 1,7 veces menos por respuesta pese a tener el doble de precio por token. En la prueba trampa del 30 de septiembre se negó a inventar jurisprudencia. La salvedad que importa para las alertas en nuestra región: Astra enunció mal una norma de la ley egipcia de protección de datos aunque citó la disposición correcta, así que un abogado debe seguir comprobando el fondo de cada norma en la que se apoya la alerta.
Si el coste por alerta importa más que el último punto de calidad, GPT-5.6 Luna Pro superó a Astra en la puntuación compuesta de la misma prueba (30,93 frente a 30,05 sobre 35, una puntuación que incluye la velocidad), quedó a menos de un punto de Astra en contenido jurídico y costó 0,0231 $ por respuesta, 11 veces menos.
¿Qué IA debería redactar un artículo para una revista jurídica?
Claude Fable 5.1, por un margen pequeño. La redacción académica extensa premia a la vez la calidad de redacción y la precisión, y Fable 5.1 obtuvo la puntuación de redacción más alta (8,70) y empató en la puntuación de precisión más alta (8,55) en nuestra prueba del 23 de septiembre. La ventaja sobre Opus 5.5 (8,56) está dentro del margen de ruido de una prueba de diez prompts, y los dos jueces no coincidieron sobre qué modelo escribía mejor en conjunto: GPT-5.5 como juez prefirió Fable 5.1 y Gemini 3.1 Pro como juez prefirió Claude Opus 5. Pague el precio por respuesta de Fable, aproximadamente el doble, en un texto donde la redacción es el producto, y cuente con verificar usted mismo cada nota a pie de página.
¿Qué IA debería escribir una entrada para el blog de un despacho?
Claude Opus 5.5. Los blogs de despacho funcionan con volumen, así que el precio y la velocidad cuentan. El 23 de septiembre, Opus 5.5 empató con Fable 5.1 en precisión (8,55), quedó a 0,14 puntos de él en redacción, respondió a aproximadamente la mitad de coste por respuesta (0,3647 $ frente a 0,7249 $) y fue el más rápido de los tres modelos de Anthropic (184 segundos por respuesta de media). También obtuvo la puntuación más alta en nuestra prueba trampa del 30 de septiembre (3,30 de 4) y se negó a inventar sentencias. Tras esa prueba trasladamos a Opus 5.5 nuestra propia redacción jurídica habitual.
¿Sirve Gemini 3.1 Pro para la redacción jurídica?
Para esquemas, resúmenes del material que usted le facilite y primeros borradores que va a reescribir, sí: fue el modelo más rápido en nuestra prueba del 30 de septiembre (27 segundos de mediana por respuesta) y el más barato después de DeepSeek V4 Pro. Para cualquier texto que cite fuentes, trate sus citas como no verificadas. Al pedirle dos sentencias del Tribunal de Casación de Dubái que respaldaran un artículo inexistente, citó dos en cada respuesta, un par distinto cada vez, y ninguna de las ocho coincidió con una fuente pública tal como se citaba. También obtuvo la puntuación más baja de los cuatro modelos en esa prueba (2,10 de 4 sin pistas).
¿Y los GPT jurídicos personalizados y los plugins jurídicos de Claude?
Los GPT personalizados de la GPT Store de OpenAI con nombres como 'LegalGPT' son instrucciones y archivos superpuestos al modelo subyacente de OpenAI, así que su calidad de redacción depende del modelo base sobre el que funcionan. No los hemos evaluado individualmente. 'Claude + plugins jurídicos' participa en el benchmark de tareas de 50 puntos de HAQQ; en ese benchmark obtuvo menos puntuación que Claude Opus usado por sí solo, lo que sugiere que los prompts de un plugin pueden limitar a un modelo potente con la misma facilidad con que lo mejoran. Pruebe cualquier capa adicional con su propio artículo antes de confiar en ella más que en el modelo base.
¿Qué prompts funcionan para cada tipo de artículo jurídico?
Alerta a clientes
Redacta una alerta a clientes de no más de 400 palabras sobre [ley o reglamento, con número y fecha].
Jurisdicción: [explícita].
Público: directores jurídicos y directores financieros.
Incluye: qué ha cambiado, la fecha de entrada en vigor, a quién afecta, qué sigue sin estar claro y dos preguntas que el lector debería plantear a su asesor.
Cita el artículo de cada norma que enuncies. Usa solo el texto de la ley adjunto. No recomiendes actuaciones a un cliente concreto.Revista jurídica o comentario extenso
Redacta un comentario de 3.000 palabras sobre [cuestión jurídica] para académicos y profesionales del derecho.
Jurisdicción: [explícita].
Expón al menos dos interpretaciones opuestas, las fuentes de cada una y tu posición razonada.
Indica tus presupuestos y los límites del análisis.
Cita en nota a pie cada fuente en [estilo de cita], usando solo las fuentes que adjunto. Cuando ninguna fuente adjunta respalde un punto, escribe [FUENTE NECESARIA] en lugar de citar una.Entrada de blog de despacho
Redacta una entrada de blog de 900 palabras para [público, p. ej. fundadores en los EAU] que explique [tema].
Jurisdicción: [explícita].
Estructura: la pregunta en palabras del lector, la respuesta breve, cómo funciona la norma, errores habituales, cuándo pedir asesoramiento.
Lenguaje claro, sin citas de jurisprudencia en el cuerpo, un aviso de información general de una línea al final.
Señala cualquier afirmación de la que no estés seguro de que refleje el derecho vigente.Hay más plantillas, incluidos prompts de redacción y de comunicación con clientes en cinco idiomas, en nuestra guía de prompts para abogados.
¿Cómo debe revisar un abogado un artículo jurídico escrito por IA?
- Abra cada sentencia, ley y artículo citados y confirme que dicen lo que dice el borrador. En nuestras pruebas, el error más peligroso fue una cita correcta vinculada a una norma equivocada.
- Compruebe la fecha de cada norma. En septiembre, Claude Opus 5 citó la redacción anterior a 2025 del artículo 75 de la Ley del Trabajo saudí.
- Haga al modelo dos veces la misma pregunta sobre una cita. Una fuente real se repite igual; una generada a menudo cambia.
- Lea el artículo como lo haría un cliente y elimine cualquier frase que suene a consejo dirigido a él.
- Guarde el prompt y la versión del modelo junto con el expediente, para poder mostrar cómo se produjo el borrador.
Las comprobaciones anteriores llevan más tiempo que la redacción. Ahí es donde una plataforma jurídica justifica su lugar: en HAQQ Legal AI Chat, los borradores se basan en fuentes recuperadas antes de que el modelo responda y cada cita es rastreable hasta su fuente, de modo que la revisión parte de la fuente en lugar de su búsqueda.
Fuentes
- HAQQ, benchmark jurídico de Claude Opus 5.5: 120 veredictos a ciegas (23 sep. 2026)
- HAQQ, GPT-6 Astra en el trabajo jurídico: 41 prompts (10 sep. 2026)
- HAQQ, cómo probar una IA jurídica: cinco preguntas trampa (30 sep. 2026)
- Anthropic, presentación de Claude Opus 5.5



