En resumen: Astra lidera en fondo jurídico, con 17,63 sobre 20, y gana por menos de un punto. Por ese margen cuesta 11 veces más por respuesta que GPT-5.6 Luna Pro; frente a Claude Opus 5 es la compra más sensata, 1,7 veces más barato por respuesta, porque escribe 3,5 veces menos. Todos los modelos que probamos se equivocaron en Derecho saudí o egipcio citando el artículo correcto. Ese es el fallo que ningún verificador detecta, y está en nuestro mercado.
Qué probamos
41 prompts en 20 áreas de práctica, desde fusiones y adquisiciones y mercado de valores hasta inmigración y construcción. Tres modelos: GPT-6 Astra, Claude Opus 5, GPT-5.6 Luna Pro. Esfuerzo de razonamiento fijado en medio para los tres, para que la comparación fuera justa y no complaciente. Nueve propiedades medidas por separado, porque un modelo que redacta de maravilla e inventa una norma no es un buen modelo jurídico. 66,55 $ de inferencia facturada. Prueba realizada el 10 de septiembre de 2026.
HAQQ no participa en este benchmark. No incluimos nuestro propio producto en un estudio que realizamos nosotros. Lo que sigue son tres modelos de vanguardia, medidos entre sí.
La clasificación está reñida. El precio, no.
En fondo jurídico (calidad evaluada más exactitud), Astra lidera con 17,63 sobre 20. En la puntuación compuesta, que incorpora un ranking de velocidad, Luna Pro se impone con 30,93 sobre 35, frente a 30,05 de Astra y 28,13 de Opus 5.
Ambas cosas son ciertas, y esa es la cuestión. Un benchmark que solo publica la puntuación compuesta le está diciendo, sin decirlo, que la latencia importa tanto como acertar.
Nadie compra un token
| Modelo | Precio por millón de tokens de salida | Tokens por respuesta | Coste por respuesta |
|---|---|---|---|
| GPT-6 Astra | 50 $ | 5.201 | 0,2622 $ |
| Claude Opus 5 | 25 $ | 18.190 | 0,4566 $ |
| GPT-5.6 Luna Pro | 1,20 $ | 16.356 | 0,0231 $ |
Astra cobra el doble por token que Opus 5 y aun así cuesta 1,7 veces menos por respuesta, porque escribe 3,5 veces menos tokens para decir lo mismo.
El modelo nominalmente más barato es el más caro.
La concisión es el hallazgo. La ventaja de Astra no es que sea más inteligente, es que deja de escribir.
Frente a Luna Pro la ecuación se desmorona: 11 veces el coste por respuesta por menos de un punto de puntuación compuesta. Para consultas jurídicas generales a gran volumen, no es defendible.
El control de razonamiento mueve el coste, no la calidad
Astra ofrece un ajuste de esfuerzo de razonamiento, así que ejecutamos diez prompts en cada nivel. Pasar de bajo a alto multiplicó el coste por 1,5 y la latencia por 1,8, y movió la calidad evaluada en -0,17 puntos.
Subirlo hizo las respuestas algo peores y bastante más caras. Si utiliza Astra, fije el esfuerzo.
Lo que debería preocuparle
Seis preguntas en cinco jurisdicciones, formuladas en el idioma que usaría un profesional local. Plazos de preaviso en el Derecho laboral saudí y límites del periodo de prueba en EAU, en árabe. Plazos de prescripción y doctrina de cláusulas abusivas en Derecho francés. Normas de traspaso en Catar. Legislación egipcia de protección de datos.
Astra: 83,3 % jurídicamente correcto. Luna Pro: 83,3 %. Claude Opus 5: 83,3 %. Cada modelo acertó 5 de las 6.
Los tres respondieron en el idioma correcto, siempre. Los tres citaron la disposición correcta, siempre. Después, cada uno expuso mal lo que dice una disposición: Astra y Luna Pro sobre el consentimiento para transferencias internacionales en la ley egipcia de protección de datos personales (PDPL), Claude Opus 5 sobre el artículo 75 de la Ley del Trabajo saudí, donde citó la redacción del preaviso anterior a 2025.
Un verificador de citas da por buena esa respuesta. Todas las herramientas de detección de alucinaciones del mercado dan por buena esa respuesta. Un cliente, no.
Esta es la distancia entre la fluidez en un idioma y la exactitud en una jurisdicción, y ni una ventana de contexto más grande ni un razonador más potente la cierran.
El contexto largo está resuelto. Pagarlo, no.
Colocamos cuatro cláusulas contradictorias en un contrato marco de servicios (un límite de responsabilidad, una excepción que lo deja sin efecto, una cláusula de actualización acumulativa y una cláusula de ley aplicable) al 6 %, 24 %, 47 % y 68 % de su extensión. Responder correctamente exige encontrar las cuatro y aplicar la prelación correcta. Encontrar solo la primera produce una cifra concreta, segura y errónea.
Los tres acertaron con 25k, 100k y 200k tokens. Pero llegar a la misma respuesta con 200k costó 2,01 $ en Astra y 0,15 $ en Luna Pro. Una diferencia de 13 veces para un resultado idéntico.
El determinismo no está disponible a ningún precio
La misma pregunta, la misma semilla, cinco veces. Ningún modelo reprodujo una respuesta idéntica. La similitud a nivel de palabra osciló entre 0,47 y 0,78. Dos de los tres aceptan una semilla y aun así no producen dos veces el mismo texto.
Si la misma pregunta sobre un contrato devuelve una respuesta distinta el martes, nunca fue fiable el lunes. Cualquier promesa de coherencia que haga a un cliente tiene que construirse por encima del modelo, no comprarse al modelo.
Lo que le diríamos a un despacho que elige hoy
Asigne por tipo de asunto, no por marca. Nuestra tabla por área de práctica muestra a Astra por delante en la mayoría de las áreas y a Opus 5 por delante en insolvencia y ESG, con diferencias tan pequeñas que la decisión suele depender del coste y la latencia más que de la capacidad.
No traslade las consultas jurídicas de gran volumen a Astra esperando un salto de calidad. Sí considérelo donde esté pagando a Opus 5 por respuestas largas que nadie lee.
Y elija el que elija, verifique la jurisdicción. Los tres le darán el número de artículo correcto unido a la regla equivocada, en los idiomas en los que trabaja nuestro mercado.
Limitaciones, sin rodeos
Esto se basa en menos prompts de los previstos, y Claude Opus 5 respondió 37 de los 41 frente a 41 de los otros dos, de modo que la base es desigual. Tome la clasificación como provisional y el resultado multilingüe como el hallazgo sobre el que conviene actuar. Volveremos a medir cuando el conjunto completo esté terminado y publicaremos lo que muestre.
Lo hicimos nosotros mismos. No está auditado de forma independiente. El método figura arriba para que pueda comprobarlo.
Prueba HAQQ AI gratis
Experimenta la redacción e investigación legal con IA
