Revisión del Rendimiento del Modelo OpenClaw: Codex 5.3 Lidera, los Modelos GLM Decepcionan

Rankings de Rendimiento de Modelos para OpenClaw

Un desarrollador probó múltiples modelos de IA con OpenClaw y compartió observaciones detalladas de rendimiento. Las pruebas cubrieron los modelos Codex, Google, Sonnet, Gemini, DeepSeek y GLM de Z.ai, centrándose en la experiencia práctica de uso en lugar de benchmarks.

Modelos de Mejor Rendimiento

• Codex 5.3 - Calificado 9/10. El modelo favorito del desarrollador, probablemente ajustado para OpenClaw con funciones mejoradas de agente de chat. Comprende bien la intención del usuario, proporciona el resultado deseado consistentemente y tiene interrupciones y errores mínimos.
• Sonnet 4.6 - Calificado 8/10. Segundo favorito debido a su velocidad y capacidad para resolver problemas. Ofrece una experiencia suficiente cuando Codex 5.3 no está disponible, adecuado para uso diario.
• DeepSeek 3.2 Agent - Calificado 7/10. Claramente personalizado para OpenClaw, se siente como trabajar con un agente nativo. No es tan fuerte en programación como Sonnet, Opus o Codex, pero es una alternativa sólida para uso diario. Se señala que las tarifas de API pueden ser altas para una alternativa china.

Modelos de Nivel Medio

• Google 3.1 Pro (Bajo y Alto) - Calificado 6/10. Probado con autenticación antigravity. Interacción débil con OpenClaw, rendimiento lento, no es convincente para uso constante. Solo se consideraría si Sonnet y Codex no estuvieran disponibles.

Rendimientos Decepcionantes

• GLM 4.7 - Calificado 5/10. Comercializado como alternativa a Sonnet con tarifas de API baratas y cuota 3-4 veces mayor que Codex en cuentas pro. Sin embargo, constantemente se atasca, responde tarde y produce longitud de salida inconsistente incluso en tareas simples como revisar correo. Quemó 1 millón de tokens en una nueva sesión solo para revisar 5 correos.
• GLM 5 - Calificado 5/10. Los benchmarks afirman competir con Opus y Codex 5.3, pero la experiencia en OpenClaw no coincide. Usa 2-3 veces más tokens para las mismas tareas, responde tarde y proporciona respuestas de programación a nivel de Sonnet 4.5. Necesita optimización específica para OpenClaw. Su principal ventaja es el precio.
• Gemini 3 Flash - Calificado 4/10. Solo adecuado para tareas muy simples, no recomendado para uso serio.

El desarrollador señaló que elegir el modelo correcto es difícil debido a diferencias obvias en la experiencia, posiblemente porque OpenClaw no está optimizado o hay problemas de calidad del modelo. Expresó decepción con los modelos GLM a pesar de querer diversificar más allá de Codex, esperando correcciones futuras.