Herramientas de deep research: OpenAI vs Perplexity vs Gemini

El momento del deep research

Para la mayoría de la gente, en noviembre de 2026 Gemini Deep Research es la mejor opción para empezar: está en el plan gratuito de Gemini para cualquier persona de 18 años o más, AI Plus a US$ 4.99 duplica los límites y el mejor agente de investigación de Google, el nivel Max que vende a través de su API, tiene las puntuaciones más altas que un fabricante haya publicado para un agente de este tipo. Perplexity es el más rápido para obtener un informe breve, aunque su plan gratuito solo permite una consulta de investigación al mes, mientras que ChatGPT y Claude, cuyo Research ahora corre sobre Opus 5.5, son por los que vale la pena pagar cuando la pregunta es ambigua y abierta. Los desarrolladores perdieron una opción llave en mano el 27 de septiembre, cuando Perplexity dejó de dar soporte a sonar-deep-research, así que las opciones de una sola llamada son ahora los agentes Deep Research de Google (todavía en preview), la Agent API de Perplexity y la Research API de You.com.

El resto de esta guía muestra cómo se sostienen esos veredictos al mirar precios, benchmarks, APIs y trabajos reales.

La categoría en sí todavía no cumple dos años. El 2 de febrero de 2025, OpenAI anunció Deep Research. Fue el primer agente que la mayoría de la gente había usado capaz de tomar una instrucción de una sola frase, planificar una investigación de 30 minutos, navegar por decenas de fuentes por su cuenta y volver con un informe con citas.

La reacción del sector fue reveladora. En seis semanas, Perplexity lanzó su propio Deep Research (el 14 de febrero) y, semanas después, abrió la API Sonar Deep Research a los desarrolladores. Google, que había lanzado Gemini Deep Research el 11 de diciembre de 2024, aceleró su despliegue y siguió mejorando el motor de base. Anthropic lanzó la función Research de Claude el 15 de abril de 2025 y abrió la búsqueda web a los desarrolladores a través de su API el 7 de mayo.

Cuatro laboratorios, una categoría de producto, dos trimestres. Eso no ocurre por casualidad. 2024 fue el año en que las ventanas de contexto alcanzaron el millón de tokens, el uso de herramientas se volvió fiable y los bucles agénticos dejaron de fallar en silencio a mitad de camino. El deep research fue la primera aplicación de consumo que hizo que pareciera valer la pena pagar por esas tres cosas. Está muy ligado al giro más amplio hacia los protocolos de agentes que cubrimos en La web agéntica: dentro de las guerras del protocolo MCP.

Si escribes, estudias, analizas mercados o evalúas productos, ya estás en desventaja si no usas una de estas herramientas. La pregunta es cuál y cuándo.

---

Qué hace realmente el "deep research"

Es fácil confundir el deep research con una búsqueda conversacional. Escribes una pregunta, obtienes una respuesta con enlaces. La mecánica es distinta.

Una búsqueda conversacional (como ChatGPT normal con navegación) lanza una o dos consultas web y sintetiza los primeros resultados en segundos. Un agente de deep research hace algo más parecido a lo que hace un analista junior en una tarde. Descompone tu pregunta en subpreguntas, ejecuta decenas o cientos de búsquedas, lee páginas completas, sigue las citas, actualiza su plan a medida que aprende y produce un informe estructurado con notas al pie.

Pregúntale a una búsqueda conversacional "¿cuáles son las principales críticas a la curva de Phillips?" y recibirás un resumen de tres párrafos. Hazle la misma pregunta a un agente de deep research y obtendrás un informe de 15 páginas que cubre la hipótesis de la tasa natural de Friedman, la ruptura estanflacionaria de los años setenta, las revisiones de las expectativas racionales, los debates sobre el aplanamiento posterior a 2008 y artículos recientes de 2023-2025, cada uno con una fuente en la que puedes hacer clic.

El precio a pagar es el tiempo. Las ejecuciones tardan desde minutos hasta una hora: Google dice que un informe de Gemini suele tardar de 5 a 10 minutos y limita las ejecuciones de la API a 60, y Moonshot indica de 10 a 25 para Kimi. Ese es justamente el punto. Pones una en cola, trabajas en otra cosa y vuelves a un informe que a mano te habría llevado media jornada. Para profundizar en cómo reestructurar los hábitos de investigación alrededor de agentes de IA, consulta Cómo construir un flujo de investigación impulsado por IA en 2026.

---

Cara a cara: las 4 herramientas de consumo comparadas

Esta es la matriz, con el modelo de base y los precios leídos en las propias páginas de los fabricantes en noviembre de 2026. La columna que sigue cambiando es la del "modelo de base", y esta vez dos proveedores sí la completan: Anthropic documenta sobre qué corre Research, y Google permite a los suscriptores de AI Pro y Ultra cambiar al modelo Pro para elaborar los informes.

Los tiempos de ejecución son el aspecto en el que los proveedores siguen siendo más vagos. La página de ayuda de Google dice que un informe de Gemini suele tardar unos 5 a 10 minutos, y más si es complejo. El centro de ayuda de Perplexity logra dar dos estimaciones en una sola frase: la mayoría de las tareas de investigación terminan en menos de 3 minutos, "lo que significa que puede tardar unos 4 a 5 minutos". El famoso "de 5 a 30 minutos" de OpenAI viene de su página de lanzamiento de febrero de 2025, y la página de ayuda de Research de Anthropic no da ninguna cifra.

Los perfiles en un párrafo:

OpenAI Deep Research sigue siendo el peso pesado para preguntas ambiguas y abiertas. Los informes son largos y el razonamiento es visiblemente más profundo cuando la pregunta no tiene una respuesta clara. En 2026 cambiaron tres cosas. La página de precios dejó de citar números de ejecuciones y ahora dice Limitado, Ampliado y Máximo, así que las cifras de "5 gratis, 25 en Plus, 250 en Pro" que todavía circulan vienen de una actualización de blog de abril de 2025 y no de nada que OpenAI publique hoy por plan. Pro se dividió en tres: OpenAI pausó las nuevas altas de su nivel de US$ 200 el 10 de septiembre, las reabrió el 29 de septiembre y añadió un nivel de US$ 500 ese mismo día, así que Pro ahora cuesta US$ 100, US$ 200 o US$ 500 al mes. Además, deep research puede buscar en fuentes conectadas como Google Drive o SharePoint, según tu plan y tus permisos.

Perplexity Deep Research es el que cambia de motor constantemente. Nació sobre los modelos Sonar propios de Perplexity. En febrero de 2026, el modo Advanced Deep Research pasó a Claude Opus, y el 11 de junio de 2026 Perplexity trasladó Deep Research al interior de Perplexity Computer, que reparte subtareas entre más de 20 modelos de frontera. La página de producto de Perplexity reporta un aumento en BrowseComp del 40.7% del Deep Research anterior al 83.8% de Deep Research en Computer, y en Humanity's Last Exam del 36.4% al 50.5%. Desde el 5 de octubre, Claude Opus 5.5 impulsa el esfuerzo Standard de Computer en las cuentas de pago que cumplen los requisitos, y Deep Research está convirtiéndose en una habilidad integrada de Computer, con un despliegue que empieza por Pro y Max en la web; Deep Research sigue incluido en Pro y ofrece uso gratuito en todos los planes. Si lees un artículo que llama a Perplexity Deep Research un producto "Sonar", se escribió antes de febrero de 2026. Sonar es ahora una línea de API retirada, no el agente de consumo.

Gemini Deep Research tiene los mejores resultados publicados de los cuatro grandes, y ahora es el más fácil de probar. En abril de 2026, Google reconstruyó el agente sobre Gemini 3.1 Pro y lanzó una versión estándar y una Max a través de su API, de donde vienen las mejores cifras de los benchmarks. En la app de Gemini, cualquier persona de 18 años o más puede ejecutar Deep Research en el plan gratuito con el modelo Thinking, y los suscriptores de AI Pro y Ultra pueden cambiar al modelo Pro para elaborar los informes. Sigue consultando tu Gmail, Drive y Docs además de la web, y muestra un plan de investigación que puedes editar antes de que el agente arranque. Los límites se cuentan por día, con un tope de informes simultáneos, y la página de ayuda no indica las cifras.

Claude Research es el más paciente de todos, capaz de analizar fuentes contradictorias en paralelo sin zanjar las contradicciones demasiado pronto. Está en todos los planes de pago de Claude (Pro, Max, el nivel de US$ 200 que ahora se llama Ultra, Team y Enterprise), y Anthropic ahora dice sobre qué corre: Claude Opus 5.5, con Opus 4.8 como alternativa cuando hace falta, independientemente del modelo que hayas elegido para el chat. Esa alternativa importa para los conjuntos grandes de fuentes, porque en los planes de pago Opus 5.5 tiene una ventana de contexto de 1M de tokens y Opus 4.8 tiene 500K. El resto de la línea siguió avanzando, más recientemente con Claude Fable 5.2 el 9 de noviembre, pero Research se mantiene en su propia pareja de modelos.

---

Alternativas al deep research de ChatGPT: quién más ofrece una

"Alternativa al deep research de ChatGPT" es una de las formas más comunes de llegar a este tema, y la comparación a cuatro bandas de arriba no responde a eso. Estos son los que de verdad ofrecen un agente de investigación en noviembre de 2026, y los que solo lo aparentan.

xAI Grok es el más difícil de precisar de este grupo, y es al que se refiere la gente cuando pregunta cómo se compara la IA de Musk con OpenAI o Anthropic. "DeepSearch" y "DeeperSearch", los nombres que la gente sigue buscando, no aparecen en la documentación para desarrolladores de xAI. Lo que sí aparece es un modelo multiagente, grok-4.20-multi-agent, todavía etiquetado como beta, donde reasoning.effort selecciona 4 agentes en low o medium y 16 en high o xhigh. El modelo general más reciente de xAI, Grok 4.7, llegó el 21 de septiembre de 2026, y la documentación no dice que el endpoint multiagente corra sobre él. Los nuevos suscriptores ahora compran Grok a través de The X Subscription, de US$ 8 a US$ 200 al mes, y esos planes se expresan en múltiplos de uso en lugar de asignaciones de investigación. Frente a ChatGPT y Claude, la diferencia práctica está en la documentación: OpenAI publica un nivel de investigación para cada plan y Anthropic identifica el modelo detrás de Research, mientras que xAI deja que lo averigües usándolo.

Kimi, de Moonshot, es el retador mejor documentado y el que la mayoría de la gente fuera de Asia nunca ha probado. Su modo Deep Research corre sobre un modelo propio, Kimi-Researcher, y Moonshot publica telemetría por tarea que los laboratorios estadounidenses no dan: una media de 23 pasos de razonamiento, 74 palabras clave de búsqueda planificadas y 206 URLs encontradas por tarea, de las cuales solo el mejor 3.2% llega al informe. Las ejecuciones tardan de 10 a 25 minutos. El centro de ayuda de Moonshot muestra los precios de China, donde los planes de pago empiezan con Go a ¥49 al mes, y sus modelos generales más recientes, la serie K3.1 Pro de octubre, no han reemplazado al investigador especializado. Moonshot ofrece endpoints de búsqueda y de fetch que puedes llamar, pero su documentación no expone el propio agente Deep Research, así que el producto de investigación es solo de consumo.

Manus es el que ofrece menos información técnica del grupo. El 1 de septiembre de 2026 anunció que había "retomado formalmente sus operaciones independientes". Cuatro semanas después, el 28 de septiembre, lanzó Manus 2.0, una nueva versión del agente con una infraestructura de ejecución y herramientas revisadas. Su modo Wide Research ejecuta 20 subtareas en paralelo, aunque no puedes dispararlo manualmente y es solo para usuarios de pago.

You.com ahora se presenta como una empresa de APIs: su página de precios muestra niveles de API, no un plan de consumo. La pieza central es una buena Research API con cinco niveles de esfuerzo, de lite a frontier, con precios de US$ 12 a US$ 1,200 por cada mil solicitudes, y publica una latencia para cada nivel, desde menos de 10 segundos en lite hasta una mediana de 300 segundos en frontier. Una diferencia de 100x en un solo endpoint es la ilustración más clara de algo hacia lo que ha convergido toda esta categoría, y que retoma la sección de APIs más abajo.

Mistral trasladó su agente de investigación y cambió el nombre de la app que lo alberga. Le Chat pasó a llamarse Vibe en mayo de 2026, y el 22 de septiembre Mistral fusionó los modos Chat y Work de Vibe en una sola experiencia, con un despliegue por fases, en la que Deep Research está disponible como una habilidad. Mistral Pro cuesta US$ 14.99 al mes. Para equipos europeos con requisitos de residencia de datos es el primer lugar lógico donde mirar, aunque no el único: Langdock, un espacio de trabajo alemán que también ofrece un modo de deep research, aloja su aplicación y la mayoría de sus modelos en la UE, así que revisa a qué modelos dirige las solicitudes tu configuración.

DeepSeek sirve como contraejemplo útil. Pese a aparecer constantemente en listas de "mejores herramientas de deep research", DeepSeek no ofrece ningún producto de deep research. Su app tiene búsqueda web y un modo de pensamiento, y su nueva Responses API ya admite llamadas a funciones y búsqueda web del lado del servidor en deepseek-v4-pro, así que puedes construir un bucle de investigación sobre ella. Lo que no vende es el propio bucle.

Las opciones de código abierto, y una advertencia

Si quieres autoalojar, la respuesta honesta en 2026 es que el mantenimiento y el rendimiento en benchmarks viven hoy en repositorios distintos.

Activamente mantenidos y buenos para empezar: GPT Researcher (Apache-2.0, unas 30,600 estrellas, con la versión v3.8.0 publicada el 9 de noviembre de 2026) es el que puedes clonar y ejecutar hoy sin tener que reemplazar antes un nombre de modelo retirado en su configuración. DeerFlow, de ByteDance, es con diferencia el más grande, con unas 85,000 estrellas, y el más barato de probar, ya que funciona sin ninguna clave de API de búsqueda usando DuckDuckGo y un lector sin clave, aunque su reescritura 2.0 lo reposicionó como un marco general de agentes con el deep research como una habilidad más. Tongyi DeepResearch, de Alibaba, es la opción creíble de pesos abiertos bajo Apache-2.0, pero su repositorio lleva en silencio desde febrero de 2026. El producto de investigación alojado de Alibaba es algo distinto: Alibaba Cloud documenta una API qwen-deep-research que puedes llamar sin alojar nada por tu cuenta.

Ahora la advertencia, porque dos proyectos que encabezaban todas las listas de recomendaciones de 2025 están muertos y no lo parecen. El open_deep_research de LangChain fue archivado el 21 de agosto de 2026. GitHub muestra el aviso de archivado, pero el propio README no lleva ninguna nota, así que el proyecto parece vivo para cualquiera que llegue desde un tutorial. STORM, de Stanford, no ha tenido ningún commit en su rama predeterminada desde el 30 de septiembre de 2025, y su ejemplo predeterminado sigue llamando a la Bing Search API, que Microsoft retiró el 11 de agosto de 2025, así que tendrías que cambiar a uno de sus otros recuperadores para que funcione. Los artículos de STORM siguen mereciendo la lectura. El software no debería ser tu punto de partida.

Entre los proyectos más conocidos, el patrón es que los agentes de pesos abiertos que lograron puntuaciones competitivas en benchmarks se han quedado callados, mientras que los que siguen publicando código casi no publican benchmarks. La incorporación más reciente encaja en el patrón desde el otro lado: el artículo de LongCat-DeepResearch de Meituan (septiembre de 2026) reporta 51.35 en DeepResearch Bench II y 79.83 en ResearchRubrics, pero lo que publicó es una infraestructura de ejecución que necesita tus propios servicios de modelos y búsqueda. Elige por mantenimiento y luego mide por tu cuenta.

Si tu investigación se limita a documentos que ya tienes en lugar de a la web abierta, esa es otra categoría de herramientas con otros ganadores, que cubrimos en NotebookLM en 2026.

---

APIs de deep research: qué puedes llamar realmente

Esta es la pregunta que los artículos comparativos siguen saltándose, y la que los desarrolladores siguen buscando: qué agentes de deep research puedes llamar desde tu propio código, cuánto cuestan y qué tan buenas son las citas. Casi todo esto cambió a lo largo de 2026, y uno de los mayores cambios, el fin del modelo de investigación Sonar de Perplexity, llegó el 27 de septiembre.

Cuatro cosas destacan.

Entre OpenAI, Google y Anthropic, solo Google vende un agente de investigación llave en mano, y sigue en preview. Durante casi toda la vida de esta categoría, Gemini Deep Research fue una función de consumo que no podías invocar desde tu código. Hoy es la opción más sencilla de los cuatro grandes: llamas a un agente de deep research en la Interactions API, con background=true obligatorio en lugar de opcional, y Google publica tanto una banda de precio estimado por tarea como un límite de tiempo concreto, con la mayoría de las tareas terminadas en 20 minutos y ninguna que supere los 60. Los identificadores de ambos agentes siguen llevando la etiqueta de preview de abril. Gemini 4 Argon llegó a los desarrolladores el 13 de octubre, pero los identificadores de los agentes de investigación no han cambiado desde abril, así que no des por hecho que recibieron la actualización. El acceso empresarial pasa por la Gemini Enterprise Agent Platform, que sustituyó a Vertex AI como nombre de producto para esto en 2026, y su guía permite ejecuciones de 120 minutos en lugar de 60. La propia API sigue respondiendo en el host antiguo aiplatform.googleapis.com, así que un ejemplo de código de la época de Vertex no es necesariamente incorrecto; contrástalo con la guía actual.

La antigua API de investigación de Perplexity ya no existe, aunque tu código no se haya enterado. sonar-deep-research fue durante dos años la respuesta a "qué API de deep research puedo simplemente llamar", y el soporte para este y los demás modelos Sonar de Chat Completions terminó el 27 de septiembre de 2026. El apagado es desigual. Las solicitudes síncronas y en streaming a Sonar siguen funcionando, porque Perplexity las reformula como solicitudes a la Agent API, modelo por modelo. Las solicitudes asíncronas a Sonar, la forma habitual de ejecutar deep research, no se reformulan y ya no tienen soporte, así que hay que migrarlas al modo de segundo plano de la Agent API. Allí haces POST /v1/agent y eliges uno de seis niveles de effort, de fast a ultra, el más reciente, que el registro de cambios de Perplexity fecha el 5 de noviembre y describe como el nivel para investigaciones amplias en las que la cobertura es lo más importante. El antiguo modelo de deep research se corresponde con high. El ciclo de vida también cambió de forma. El endpoint asíncrono heredado usaba estados en mayúsculas como IN_PROGRESS, mientras que la Agent API reporta queued e in_progress antes de uno de cuatro estados finales, y una ejecución que alcanza un límite de tokens permanece en in_progress con un objeto paused adjunto, así que un bucle de polling que espere solo a completed puede quedarse esperando para siempre.

OpenAI movió el deep research hacia la línea de modelos y luego hacia un agente gestionado. Los modelos dedicados o3-deep-research y o4-mini-deep-research quedaron obsoletos en abril de 2026 y se apagaron el 23 de julio de 2026. Su ruta de reemplazo es un modelo insignia actual en la Responses API con la herramienta web_search en modo de segundo plano. Desde el 10 de septiembre de 2026 existe además una Agents API gestionada, todavía en beta pública, donde OpenAI se encarga por ti de la orquestación de la sesión, la compactación de contexto y la recuperación. El 23 de octubre incorporó automatizaciones programadas, así que un trabajo de investigación recurrente ya no necesita tu propio programador de tareas. Pagas las tarifas de tokens del modelo más los cargos habituales de herramientas y contenedores alojados; OpenAI no indica ninguna tarifa adicional por la propia orquestación. Si un tutorial antiguo todavía te dice que llames a o3-deep-research, la referencia es la página de obsolescencias de OpenAI: allí ambos modelos de investigación figuran como apagados.

Anthropic ya no te obliga a construirlo todo tú. El planteamiento antiguo, que antes recogía esta guía, era que Claude no tiene API de investigación y que montas tu propio bucle. Eso quedó anticuado. Claude Managed Agents está en beta pública desde abril de 2026: sesiones de larga duración, server-sent events, capacidad de dirigir e interrumpir, despliegues programados por cron y búsqueda web, fetch web y MCP integrados, facturado al coste de tokens más US$ 0.08 por hora de sesión. El ejemplo práctico de la propia Anthropic deja una sesión de una hora con Opus muy por debajo de un dólar, y el fetch web, a diferencia de la búsqueda web, no tiene cargo por llamada, aunque las páginas que lee se facturan como tokens de entrada. Sigue sin existir un modelo llamado "deep research", pero la infraestructura sí existe.

Para la pregunta concreta de "la mejor API para informes de investigación con citas", funcionan tres enfoques. Google, Perplexity, la Research API de You.com y el endpoint Agent de Exa devuelven informes listos para usar que ya incluyen citas. Los endpoints de búsqueda de Exa y Tavily te dan resultados con sus fuentes, que introduces en tu propio modelo, un patrón habitual para las funciones de investigación en producción, porque controlas el coste y el formato de las citas. Y cualquier modelo con una herramienta de búsqueda web puede citar sobre la marcha si se lo pides. Los equipos que necesitan trazabilidad para auditoría suelen preferir la vía de construirlo uno mismo, porque cada afirmación se remonta a una URL que descargaste y no a la memoria de un modelo. Para entender por qué el anclaje y la calidad de la recuperación importan más que el tamaño bruto del contexto, consulta Context Rot: por qué RAG sigue ganando a una ventana de contexto gigante.

Dos notas de propiedad para quien vaya a depender de un proveedor. Tavily pertenece ahora al proveedor de nube de IA Nebius, así que el discurso de "API de búsqueda independiente" necesita un asterisco. Y Exa eliminó su endpoint /research el 1 de abril de 2026, integrándolo en /search con un tipo deep-reasoning, lo que significa que cualquier tutorial que te diga que llames a exa-research está roto. Ese tipo también es ahora un modo heredado: desde el 19 de octubre, Exa recomienda las búsquedas lite, auto o deep y dirige los trabajos más largos a Exa Agent.

---

Cómo automatizar el deep research con una API

Llamar a una de estas APIs no se parece a solicitar una respuesta en un chat. Las ejecuciones pueden tardar desde minutos hasta una hora, así que casi todos los proveedores te obligan a lidiar con la asincronía, y todos lo hacen de forma distinta. Si estás conectando un agente de investigación a un producto o a un pipeline, esta es la parte que te cuesta un día.

Asume ejecución en segundo plano, no una llamada bloqueante. Google lo exige de plano: los modelos de deep research solo funcionan con background=true, y haces polling de la interacción o retomas un stream. OpenAI soporta el modo de segundo plano en la Responses API con polling, streaming reanudable y webhooks según la especificación Standard Webhooks. La Agent API de Perplexity documenta ejecuciones en segundo plano que consultas mediante polling. You.com va por el otro camino: todos los niveles por debajo de frontier pueden responder a una sola solicitud síncrona, y solo frontier requiere el modo de segundo plano. xAI es la excepción. background aparece en su esquema pero se describe como no utilizado, así que la vía asíncrona real allí es la batch API, donde la mayoría de las solicitudes terminan en un plazo de 24 horas según disponibilidad, en lugar de en minutos.

Presupuesta por tarea, no por token, y revisa cuánto cuesta la búsqueda. La factura de una API de investigación tiene dos partes: tokens, incluidos los de razonamiento que nunca ves, y tarifas de búsqueda que se cobran por llamada y no por token. OpenAI cobra US$ 10 por cada 1,000 llamadas de búsqueda web y además factura el contenido de las búsquedas como tokens, Anthropic US$ 10 por cada 1,000 búsquedas, la Agent API de Perplexity US$ 2.50 por cada 1,000 búsquedas estándar, la mitad de los US$ 5 por cada 1,000 que cobraba sonar-deep-research, y xAI US$ 5 por cada 1,000 llamadas de búsqueda web. Google da a los proyectos de nivel de pago 5,000 búsquedas de grounding gratis al mes, compartidas entre Gemini 3 y los modelos posteriores, y luego cobra US$ 14 por cada 1,000. Estima unas 80 búsquedas para una tarea típica de Deep Research y hasta unas 160 para Max, así que la bolsa gratuita cubre unas 60 tareas estándar o 30 de Max. La propia estimación de Google muestra dónde se concentra el volumen: una tarea estándar típica lee unos 250,000 tokens de entrada y produce unos 60,000 tokens de salida, así que el informe que acabas leyendo es una pequeña fracción de los tokens que pagas.

Espera niveles de esfuerzo, porque reemplazaron a los identificadores de modelo. Este es el cambio estructural que se esconde detrás de cada cambio individual de arriba. OpenAI retiró sus modelos de investigación en favor de un modelo insignia más esfuerzo de razonamiento. Perplexity retiró Sonar en favor de seis presets de la Agent API. Google ofrece variantes estándar y Max. xAI te hace elegir 4 o 16 agentes mediante reasoning.effort. Exa, You.com y Tavily aplican todos el mismo tipo de escalera de precios, de un suelo barato a un techo por solicitud. Si estás diseñando alrededor de estas APIs, diseña para un regulador que puedas girar en cada solicitud, no para un nombre de modelo que dejas fijo en el código.

El paso de clarificación te toca construirlo a ti en la mayoría de los casos. Las apps de consumo te hacen preguntas de seguimiento antes de empezar; la mayoría de las APIs no. La guía de OpenAI para sus modelos de investigación retirados lo decía explícitamente e indicaba a los desarrolladores que enviaran una instrucción completamente formada de entrada, y la solución habitual, que el recetario de OpenAI demostraba, es un modelo pequeño y barato que clasifica la petición y la reescribe como instrucción de investigación antes de que el agente caro llegue a ejecutarse. Google es la excepción: activa collaborative_planning y su agente Deep Research devuelve una propuesta de plan que puedes editar o aprobar a lo largo de varios turnos antes de que empiece la investigación, aunque esa opción también sigue en preview.

Para la verificación de hechos en concreto, la comprobación es una etapa del pipeline y no una línea del prompt. El recetario de Anthropic de julio de 2026 expone el patrón: descompón la salida en afirmaciones independientes, verifica cada afirmación en su propio contexto limpio y luego deja que una revisión escéptica independiente cuestione los veredictos. Argumenta sin rodeos el porqué, señalando que "vuelve a comprobar tus hallazgos" también es solo una instrucción, y que bajo presión de contexto se acaba saltando. Si estás construyendo ese verificador de hechos en tiempo real que la gente no para de buscar, esa descomposición es la arquitectura, y la API de búsqueda que haya debajo importa menos que la estructura que la rodea.

---

Benchmarks de deep research: qué muestran las clasificaciones

Hay tres números que se citan más que ningún otro: Humanity's Last Exam, BrowseComp y SimpleQA. Son útiles, se citan mal constantemente y arrastran dos problemas estructurales que casi nadie menciona.

Empecemos por el primero. No encontramos ninguna clasificación independiente de HLE o BrowseComp que ordene entre sí a los agentes de investigación tal como se venden, con herramientas. Los números de los fabricantes son autorreportados, y el único banco de pruebas serio de terceros mide configuraciones de modelo más búsqueda que no puedes comprar, no productos que sí puedes. Cuando ves al agente o modelo de un fabricante puntuando en los cincuenta, sesenta o ahora setenta "con herramientas", estás leyendo el banco de pruebas, el presupuesto de búsqueda y el juez de ese fabricante. Eso no vuelve falsos los números. Los vuelve incomparables. (Los benchmarks de calidad de informes que aparecen más abajo sí prueban agentes comerciales.)

El segundo problema es el etiquetado de niveles. Esta guía imprimía antes 54.6% en HLE y 85.9% en BrowseComp como "Gemini Deep Research". Ambas cifras pertenecen a Deep Research Max, el nivel de mayor esfuerzo de Google, frente al 50.4% y el 61.9% del nivel estándar. Eso es una brecha de 24 puntos en BrowseComp entre dos productos vendidos bajo un mismo nombre, y los artículos comparativos los mezclan sin parar. Vale la pena saber que Google publicó estos datos en un gráfico dentro de su anuncio de abril de 2026 y no como texto citable, lo cual es parte de por qué se deforman aguas abajo.

Las filas marcadas como modelos se evaluaron en los bancos de pruebas de sus propios fabricantes, no como productos de investigación que puedas comprar. Claude Research sí corre sobre Opus 5.5, pero Anthropic midió ese 67.7% en su propia configuración, no a través del botón Research.

Esa última fila es la que merece que te detengas. Viene del banco de pruebas de la propia OpenRouter, que ejecuta endpoints de producción en lugar de recopilar afirmaciones de fabricantes, y publica coste y latencia junto a la precisión: US$ 0.46 por pregunta, 83 segundos, sobre una muestra de 84 preguntas. No es un producto que puedas comprar. Es un modelo más un proveedor de búsqueda más un presupuesto de turnos, ensamblado por un tercero, y su cifra supera la autorreportada de todos los agentes comerciales, aunque con un banco de pruebas distinto y una muestra más pequeña. Una salvedad sobre quién está midiendo: OpenRouter revende la mayoría de los modelos y motores de búsqueda que evalúa.

El hallazgo más útil de toda la categoría sale de ese mismo banco de pruebas. En BrowseComp, una configuración obtuvo un 35.8% con un límite de 1 turno de búsqueda y un 89.0% con un límite de 25 turnos, dentro de la misma serie de ejecuciones. Mismo modelo, mismo benchmark. El andamiaje a su alrededor, en concreto cuántas búsquedas se le permiten, movió el resultado 53 puntos. Así que "qué modelo es más listo" es solo la mitad de la pregunta; la otra mitad es cuántas búsquedas le permites hacer. El motor que ejecuta esas búsquedas importa menos: el propio análisis de OpenRouter encontró que el modelo pesaba más que el proveedor de búsqueda. Presupuesta tanto los turnos de búsqueda como el modelo.

La curva de coste también es más plana de lo que sugiere el marketing. En esa misma clasificación, la mejor configuración de BrowseComp costaba US$ 0.99 por pregunta, mientras que un modelo barato emparejado con el mismo proveedor de búsqueda llegó al 77.0% por US$ 0.076, unas 13 veces más barato a cambio de 12 puntos menos de precisión, aunque las dos filas se evaluaron con cantidades distintas de preguntas. Para la mayoría del trabajo real, ese canje vale la pena.

Los benchmarks hechos para agentes de investigación

HLE y BrowseComp miden si un agente es capaz de encontrar un dato difícil. No miden si el informe es bueno. Tres benchmarks más recientes sí lo hacen, y son bastante menos halagadores.

ResearchQA, un esfuerzo académico independiente que abarca 21,000 consultas y 160,000 ítems de rúbrica en 75 campos, validado por 31 anotadores con doctorado en ocho de ellos, encontró que ninguno de los modelos de lenguaje corrientes ni de los sistemas de recuperación que probó llegó al 70% de cobertura de rúbrica. Solo los agentes de deep research diseñados para ello lo superaron, y el mejor de ellos se quedó en el 75.3%. Más revelador aún: ese sistema puntero abordó por completo menos del 11% de los ítems de rúbrica sobre citas y aproximadamente la mitad de los ítems sobre limitaciones y comparaciones. Los agentes encuentran fuentes. Son mucho peores diciendo lo que las fuentes no establecen.

ResearchRubrics, construido sobre más de 2,800 horas de trabajo experto, dejó tanto a Gemini Deep Research como a OpenAI Deep Research por debajo del 68% de cumplimiento medio de rúbrica. DeepResearch Bench II, con 9,430 rúbricas binarias destiladas de artículos de investigación elaborados por expertos, reportó en enero de 2026 que incluso los modelos más fuertes satisfacían menos de la mitad de ellas. Desde entonces, sus responsables han pasado las nuevas propuestas a un juez GPT-5.5 y han apartado las tareas defectuosas, así que la clasificación actual, donde los primeros puestos obtienen puntuaciones de poco más de 60 en las 130 tareas restantes, no puede compararse directamente con la cifra de enero.

Dos advertencias más antes de usar cualquiera de estos números para elegir herramienta. Las puntuaciones dependen de qué modelo califique, así que cualquier tabla que mezcle jueces te está hablando tanto de jueces como de agentes. Y los agentes que navegan por la web en tiempo real pueden recuperar las propias respuestas de un benchmark: un estudio de 2026 midió hasta un 4% de inflación por esta vía.

SimpleQA merece hoy una nota al pie más que un titular. El 93.9% de Perplexity es auténtico, pero data de febrero de 2025 y describe un producto basado en Sonar que, como se cubrió arriba, ya no existe con esa forma.

El hallazgo independiente más duradero es también el más antiguo. El Tow Center de la Columbia Journalism Review probó ocho motores de búsqueda con IA a lo largo de 1,600 consultas y encontró que fallaban al recuperar información correcta más del 60% de las veces, con tasas de error que iban del 37% al 94% según el motor. Ese estudio es de marzo de 2025 y no encontramos una repetición del Tow Center a esa escala, lo cual es un comentario en sí mismo sobre lo escasa que sigue siendo la evaluación independiente.

La lectura honesta: los benchmarks ordenan las herramientas de forma fiable en el extremo más alto de dificultad y mal por debajo de él. Pasa el mismo prompt real por dos herramientas en su plan gratuito o más barato y compara. Los benchmarks son orientativos. Tu propia prueba es decisiva. Para un argumento más largo sobre por qué la obsesión con los benchmarks confunde, consulta La trampa del pensamiento con IA.

---

Los planes gratuitos: un baño de realidad

Todas las páginas de marketing destacan el acceso gratuito. Esto es lo que significa "gratis" en noviembre de 2026, y por una vez las noticias son buenas: tres de los cuatro ya te permiten ejecutar deep research sin pagar.

OpenAI sigue teniendo una asignación gratuita, y sigue sin decir de qué tamaño. Las cifras de "5 gratis al mes, 25 en Plus, 250 en Pro" que todavía circulan vienen de una actualización de blog de abril de 2025. La página de precios actual dice Limitado en Free y en el nivel Go de US$ 8 al mes, Ampliado en Plus y Máximo en Pro, y el centro de ayuda describe un contador dentro del producto que se reinicia cada 30 días sin decir en cuánto arranca. Las únicas cifras publicadas vigentes están en la tarifa para empresas y educación: una tarea de deep research cuesta 50 créditos, y Edu incluye 5 consultas por cada período móvil de 24 horas. Si necesitas una cuota personal predecible, este es el proveedor menos predecible.

Perplexity devolvió Deep Research al plan gratuito. Su centro de ayuda ahora dice que todos los planes incluyen uso gratuito de Deep Research, y la comparación de planes fija la asignación de Free en una consulta de investigación al mes, frente a los límites mensuales de Pro y Max. Dentro de Computer, cada prompt consume primero tu cuota gratuita y luego recurre a los créditos. La actualización de septiembre de esta guía decía que Deep Research era exclusivo de Pro y Max, y eso ya no es cierto.

El nivel gratuito de Gemini ahora es real, y su nivel barato sigue siendo la opción con mejor relación calidad-precio. La página de planes de Google incluye Deep Research en el plan gratuito, y su página de ayuda dice que cualquier persona de 18 años o más puede usarlo con el modelo Thinking, mientras que AI Pro y Ultra añaden informes escritos por el modelo Pro. Los límites de investigación se cuentan por día, y AI Plus, a US$ 4.99 al mes, duplica el uso del plan gratuito, todavía muy por debajo del precio de entrada de todos los demás.

Claude es ahora el único de los cuatro sin Research gratuito. Research no está disponible en el plan gratuito y sí lo está en todos los planes de pago: Pro a US$ 20, Max a US$ 100, Ultra a US$ 200, más Team y Enterprise.

La lectura práctica: ahora puedes probar bien el deep research gratis en Gemini y tener una muestra en Perplexity y ChatGPT, aunque una consulta al mes en Perplexity Free alcanza para probarlo, no para sostener un flujo de trabajo. Si solo vas a pagar uno, el AI Plus de Gemini a US$ 4.99 es la vía más barata para hacer más investigación. Si quieres el análisis más profundo en preguntas ambiguas, ChatGPT Plus por US$ 20 te da acceso a OpenAI Deep Research y a todo lo demás del paquete. Claude Pro tiene más sentido si ya usas Claude para leer y escribir y quieres una sola suscripción.

---

Qué herramienta para qué trabajo

La evidencia anterior y lo que documenta cada proveedor permiten resolver las decisiones de API y precios; las valoraciones sobre la calidad de la escritura que siguen son mías, no mediciones. Así es como yo distribuiría el trabajo hoy.

Revisión de literatura académica. Claude Research. El contexto de 1M de tokens de Opus 5.5, el modelo sobre el que corre Research, importa cuando el agente tiene que mantener más de 20 artículos en contexto a la vez, y Claude es notablemente mejor distinguiendo afirmaciones superficialmente parecidas. Las ejecuciones tardan más, pero las revisiones de literatura no son urgentes.

Dimensionamiento de mercado e inteligencia competitiva. OpenAI Deep Research. La profundidad de razonamiento en preguntas estratégicas ambiguas se nota claramente aquí. Es la que más confianza me da para prompts del tipo "ayúdame a entender este sector".

Recuperación factual más difícil. Gemini Deep Research Max, a través de la API de Google. Si los líderes de los benchmarks te dicen algo, es que el nivel de alto esfuerzo de Google es el agente comercial más fuerte encontrando datos poco conocidos que requieren varios pasos de búsqueda. Usa el nivel Max deliberadamente, ya que el nivel estándar es un producto significativamente distinto, y Google no dice si los informes del modelo Pro en la app se corresponden con él.

Informes rápidos antes de una reunión. Perplexity. Los informes son más cortos y más enciclopédicos, que es lo que quieres cuando necesitas orientación y no un ensayo.

Investigación con tus propios documentos. Gemini Deep Research. La integración con Workspace sigue siendo su foso defensivo: si la mitad de tu material fuente está en Drive, Gmail y notas de reuniones antiguas, es la opción más natural, aunque el deep research de ChatGPT ahora también puede buscar en un Google Drive o SharePoint conectado.

Integraciones de desarrollo y ejecuciones masivas. La Deep Research API de Google si quieres el agente con las mejores puntuaciones publicadas, la Agent API de Perplexity ahora que Sonar ya no existe, o la Research API de You.com si quieres una latencia publicada para cada nivel. Si quieres control sobre el formato de las citas y sobre el coste, construye el bucle tú mismo sobre la búsqueda de Exa o Tavily.

Investigación barata y de alto volumen dentro de un producto. Un modelo de gama media emparejado con un buen proveedor de búsqueda y un presupuesto de turnos generoso. La evidencia de los benchmarks de arriba dice que así consigues casi toda la precisión a una fracción del coste, y es la configuración con la que realmente salen la mayoría de las funciones en producción.

Sintetizar evidencia contradictoria. Claude. Cuando las fuentes discrepan, Claude es el más dispuesto a sacar el desacuerdo a la superficie en lugar de elegir bando prematuramente.

Un patrón que puede sorprender: ninguna herramienta domina sola. Para trabajo de alto riesgo, pasa el mismo prompt por dos agentes. Dos planes de US$ 20 cuestan unos US$ 40 al mes, el plan gratuito de Gemini abarata todavía más la segunda opinión, y los puntos en que discrepan los dos informes son precisamente los que debes verificar. Si estás decidiendo cómo encaja la IA en tu rutina de estudio o trabajo de forma más amplia, los modos de estudio con IA comparados cubren una cuestión relacionada.

---

La pieza que falta: convertir informes de investigación en conocimiento utilizable

Esto es lo que casi ningún artículo comparativo menciona. El informe que produce el agente es materia prima, y la investigación no termina hasta que lo hayas leído como es debido.

Una salida larga de Claude Research o un informe de OpenAI Deep Research es el inicio del trabajo, no el final. Léelo una vez, ojea la conclusión, cierra la pestaña y habrás pagado a un agente para resumir algo que en realidad no aprendiste. Un estudio de 2025 del MIT Media Lab (recogido en nuestro análisis del impacto de la IA en el aprendizaje) midió la actividad EEG de personas que escribían ensayos con y sin ChatGPT, y encontró una implicación cognitiva marcadamente menor en el grupo asistido. Era un preprint pequeño sobre escritura y no sobre lectura, pero la dirección que señala es la que reconoce todo usuario intensivo de IA.

El remedio es lo que los investigadores llevan siglos haciendo: anotar. Subraya las afirmaciones que importan. Marca las fuentes que quieres verificar. Enlaza ideas entre informes.

Ahí es donde el subrayador web de Glasp encaja en el flujo de trabajo. Ejecuta tu investigación en OpenAI, Perplexity, Gemini o Claude. Pega el informe en una página legible. Subraya directamente en el navegador mientras lees. Tus subrayados se sincronizan con tu biblioteca de Glasp, buscables y organizados, junto a todo lo demás que hayas leído ese mes.

Algunos flujos concretos que funcionan:

Subraya y vuelve a preguntar. Lee el informe y subraya las 10-15 afirmaciones que más importan. Pega esos subrayados de vuelta en el mismo agente con un "profundiza en estos puntos concretos". Iterativo, no de un solo tiro.

Apila informes por tema. Cuando investigas el mismo tema con dos herramientas (digamos, OpenAI y Claude), subrayar ambos informes en Glasp te deja ver dónde convergen y dónde divergen. Los desacuerdos suelen ser la parte más interesante.

Usa YouTube junto al texto. Cuando las mejores fuentes son pódcast o charlas, YouTube Summary te da resúmenes a nivel de transcripción con marcas de tiempo. Combinar un informe de deep research en texto con 3-4 charlas anotadas de YouTube cubre un tema con más profundidad que cualquiera de los dos por separado.

Conversa con tus subrayados. El chat con IA de Glasp puede responder preguntas usando tus anotaciones como fuente. Es la diferencia entre "¿qué dijo el agente sobre X?" y "¿qué he concluido yo realmente sobre X?".

Publica lo que aprendiste. La comunidad de Glasp está llena de otras personas investigando temas parecidos. Compartir informes subrayados es un mecanismo que te obliga a terminar la investigación en lugar de limitarte a encolar más. Para una guía paso a paso, consulta Cómo anotar artículos de la forma correcta.

Un informe que lees una sola vez es un recibo, no conocimiento. El paso de subrayar y anotar es lo que convierte la salida de un agente en algo que de verdad sabes.

---

Preguntas frecuentes

¿Qué herramienta de deep research es la más precisa?

Entre los agentes de investigación de los cuatro grandes, Gemini Deep Research Max, de Google, tiene la puntuación publicada más alta, un 54.6% en Humanity's Last Exam (Google, abril de 2026). Ten cuidado con ese nombre: el nivel estándar de Deep Research obtuvo un 50.4% en la misma prueba, y la mayoría de los artículos comparativos citan la cifra de Max bajo el nombre simple del producto. Desde entonces, los modelos han llegado más alto en las pruebas de sus propios fabricantes: un 67.7% para Claude Opus 5.5, sobre el que corre Claude Research, un 70.0% para Kimi K3.1 Pro, de Moonshot, y un 74.2% para Claude Fable 5.2. Todas estas son cifras autorreportadas por los fabricantes, y la cifra más alta de terceros, un 77.4%, vino de una configuración de modelo más búsqueda que nadie vende, evaluada con un banco de pruebas distinto y una muestra de 84 preguntas. En el uso práctico, las diferencias de precisión entre las mejores herramientas son menores de lo que sugieren las clasificaciones.

¿Es Gemini Deep Research mejor que Perplexity?

Los benchmarks por sí solos no bastan para afirmarlo. Las mejores cifras de Google, un 54.6% en Humanity's Last Exam y un 85.9% en BrowseComp, pertenecen a Deep Research Max, que Google vende a través de su API. La propia página de Perplexity sitúa su Deep Research actual en un 50.5% y un 83.8% en esas pruebas, al nivel o por encima del nivel estándar de Google, con un 50.4% y un 61.9%, y cada fabricante usó su propio banco de pruebas. Las diferencias prácticas son más claras. Gemini ejecuta Deep Research en su plan gratuito para adultos y lee tu Gmail y Drive, mientras que Perplexity dice que la mayoría de sus tareas de investigación terminan en menos de 3 minutos, frente a los 5 a 10 habituales de Gemini, aunque su plan Free permite una consulta de investigación al mes. Elige Gemini para el uso gratuito y las fuentes de Google Workspace, y Perplexity para informes breves y rápidos.

¿Cuál es la mejor alternativa al deep research de ChatGPT?

Para la mayoría de la gente, Gemini Deep Research, que funciona en el plan gratuito para adultos, cuesta US$ 4.99 al mes para duplicar los límites y tiene los mejores resultados publicados en benchmarks a través del nivel Max de su API, o Perplexity, que es más amplia y más rápida. Si quieres algo fuera de los cuatro grandes: Kimi, de Moonshot, tiene un modo Deep Research bien documentado, el de Mistral está en su app Vibe a US$ 14.99 al mes, y Grok, de xAI, ofrece un modo multiagente. Si quieres autoalojar, GPT Researcher y DeerFlow, de ByteDance, son las opciones de código abierto activamente mantenidas. Evita el open_deep_research de LangChain, archivado en agosto de 2026, y STORM, de Stanford, que no ha tenido un commit desde septiembre de 2025.

¿Cómo se compara Grok con ChatGPT y Claude para deep research?

En documentación, Grok queda por detrás de ambos. Para los desarrolladores, la opción de investigación de xAI es un modelo multiagente, grok-4.20-multi-agent, todavía en beta, que ejecuta 16 agentes con esfuerzo alto en lugar de 4, y los nuevos suscriptores compran Grok a través de The X Subscription, de US$ 8 a US$ 200 al mes, con precios según el uso en lugar de asignaciones de investigación. OpenAI documenta el deep research en todos los planes de ChatGPT, desde Limitado en Free hasta Máximo en Pro, y Anthropic documenta que Claude Research corre sobre Opus 5.5 en todos los planes de pago. No hay ningún benchmark actual que compare directamente los tres productos de investigación, así que pasa la misma pregunta real por los dos que estés considerando y compara las fuentes que encuentra cada uno.

¿Cuál es la mejor API de deep research?

Los agentes Deep Research de Google en la Interactions API, para la mayoría de los equipos. Son la única API específica de investigación entre OpenAI, Google y Anthropic, Google publica una estimación de precio por tarea de aproximadamente US$ 1 a US$ 3 (o US$ 3 a US$ 7 para Max) y documenta un límite de tiempo concreto, aunque ambos agentes siguen en preview. La Agent API de Perplexity es el destino natural si usabas Sonar, cuyo soporte terminó el 27 de septiembre de 2026, y la Research API de You.com es la que conviene probar si quieres un precio y una latencia publicados para cada nivel. Si quieres control sobre el formato de las citas y sobre el coste, construye el bucle tú mismo sobre la búsqueda de Exa o Tavily en lugar de comprar un informe terminado.

¿Cuál es la API de deep research más rápida?

Ningún proveedor publica una prueba de velocidad comparativa, pero la Research API de You.com publica una latencia para cada nivel: menos de 10 segundos en lite, unos 10 a 30 segundos en standard, menos de 2 minutos en deep, menos de 5 minutos en exhaustive y una mediana de 300 segundos en frontier, que solo funciona en segundo plano. Google documenta un presupuesto de tiempo y no una velocidad, con la mayoría de las tareas de Deep Research terminadas en 20 minutos y un tope de 60 minutos. Si necesitas velocidad, la palanca es el esfuerzo y no el proveedor: estas APIs exponen un regulador de nivel, y el preset fast de Perplexity, pensado para datos puntuales y resúmenes cortos, y el lite de You.com están en el extremo rápido. Para obtener resultados directos con fuentes en segundos y alimentar tu propio modelo, la búsqueda de Exa y Tavily es la vía rápida.

¿Cuánto tardan las ejecuciones de deep research?

Usando solo cifras que los fabricantes publican: la página de ayuda de Google dice que un informe de Gemini suele tardar unos 5 a 10 minutos, y su API termina la mayoría de las tareas en 20 minutos con un tope de 60 minutos. Perplexity dice que la mayoría de las investigaciones terminan en menos de 3 minutos, pero pueden tardar unos 4 a 5. Moonshot dice que Kimi tarda de 10 a 25 minutos. La página de lanzamiento de OpenAI sigue diciendo de 5 a 30 minutos, una cifra de febrero de 2025, y la página de ayuda de Research de Anthropic no da ninguna. Trata la cifra de OpenAI como histórica, porque el producto se ha reconstruido desde entonces.

¿Puedo usar las herramientas de deep research por API?

Sí, y las opciones cambiaron sustancialmente en 2026. Los agentes Deep Research de Google en la Interactions API son la única opción llave en mano entre OpenAI, Google y Anthropic, con un precio de aproximadamente US$ 1 a US$ 3 por tarea y de US$ 3 a US$ 7 para el nivel Max. El sonar-deep-research de Perplexity era el favorito de los desarrolladores hasta que su soporte terminó el 27 de septiembre de 2026, y su reemplazo son los seis presets de esfuerzo de la Agent API. OpenAI retiró sus modelos dedicados o3-deep-research y o4-mini-deep-research el 23 de julio de 2026, así que ahora ejecutas un modelo insignia en la Responses API con la herramienta de búsqueda web, o usas su Agents API, en beta pública desde septiembre de 2026. Anthropic no tiene API con marca de investigación pero sí ofrece Claude Managed Agents en beta, facturado a tokens más US$ 0.08 por hora de sesión. La Research API de You.com y Agent de Exa también devuelven informes terminados, y la búsqueda de Exa y Tavily es la opción popular para construirlo tú mismo.

¿Qué API de deep research tiene precios basados en el uso?

Todas miden el uso, en unidades distintas. Google, OpenAI, Anthropic y Perplexity facturan los tokens del modelo más una tarifa por búsqueda, y Google estima de US$ 1 a US$ 3 por una tarea estándar de Deep Research y de US$ 3 a US$ 7 por una de Max. You.com cobra por solicitud según el nivel de esfuerzo, de US$ 12 a US$ 1,200 por cada 1,000. Tavily vende créditos a US$ 0.008 cada uno, y Agent de Exa cuesta de US$ 0.012 a US$ 1.00 por ejecución con esfuerzo fijo, con sus niveles Auto y Ultra facturados según el uso. Si necesitas una factura predecible, el precio por solicitud es más fácil de estimar que los tokens.

¿Qué API de deep research tiene las mejores citas?

Google, Perplexity, la Research API de You.com y Agent de Exa devuelven informes con citas de fábrica. Para sistemas en producción que necesitan que cada afirmación se remonte a una URL, los equipos suelen construir sobre la búsqueda de Exa o Tavily, que devuelven resultados con sus fuentes, que introduces en tu propio modelo, de modo que controlas el formato y puedes mostrar una traza de auditoría. Cualquier modelo con una herramienta de búsqueda web puede incluir citas en el propio texto si se lo pides. Ten presente la investigación independiente al respecto: el mejor sistema evaluado abordó por completo menos del 11% de los ítems de rúbrica sobre citas, así que la presencia de citas no equivale a que las citas sean suficientes.

¿Existe una herramienta de deep research gratuita?

Sí, y hay más que en septiembre. El plan gratuito de Gemini incluye Deep Research para cualquier persona de 18 años o más, con el modelo Thinking. Perplexity ofrece uso gratuito en todos los planes, aunque Free tiene un tope de una consulta de investigación al mes, y ChatGPT Free mantiene una asignación "Limitada" sin cifra publicada. Claude es la excepción, con Research solo en los planes de pago. Si prefieres ejecutarlo tú mismo, los agentes de código abierto cubiertos arriba se pueden descargar gratis, pero sigues pagando los servicios de modelos y búsqueda que utilizan (DeerFlow al menos puede buscar a través de DuckDuckGo sin una clave de API).

¿Cómo evito las alucinaciones en los informes de deep research?

Tres tácticas prácticas. Primera, haz clic al menos en las tres a cinco fuentes citadas principales y confirma que la afirmación está realmente en la fuente, porque es mucho más fácil que se te pase una fuente real citada para algo que no dice que un enlace que no existe. Segunda, pasa el mismo prompt por una segunda herramienta; los desacuerdos suelen ser el lugar donde una de las dos se equivocó. Tercera, si estás integrando esto en software, haz de la verificación una etapa separada del pipeline en vez de una línea de tu prompt: extrae cada afirmación, verifícala en un contexto limpio y luego deja que una revisión escéptica cuestione los veredictos. Ese es el patrón que expone el recetario de Anthropic de julio de 2026.

¿Pueden las herramientas de deep research leer mis documentos privados?

Sí, con tu permiso, y la brecha se ha reducido. Gemini Deep Research tiene la integración más profunda, con acceso nativo a tu Gmail, Drive y Docs. El deep research de ChatGPT puede buscar en fuentes conectadas como Google Drive o SharePoint, según tu plan, y Claude Research puede usar tus herramientas conectadas en las apps web y de escritorio, aunque en el móvil solo busca en la web. Computer de Perplexity puede incorporar tus archivos y apps además de la web. Si tu material fuente está en gran parte en Google Workspace, Gemini sigue siendo la elección obvia.

¿Cuál es la mejor forma de guardar y reutilizar informes de deep research?

Exporta el informe en PDF o Markdown, ábrelo en una vista legible y subráyalo como harías con cualquier artículo largo. Glasp está hecho exactamente para este flujo: los subrayados se sincronizan con una biblioteca en la que puedes hacer búsquedas, enlazar los subrayados entre sí y volver a consultarlos. Sin un paso de subrayado, la mayoría de los informes de deep research se leen una vez y se olvidan. Escribir una nota breve con tus propias palabras junto a un subrayado también ayuda: en los experimentos de Slamecka y Graf de 1978 sobre el efecto de generación, las personas recordaban mejor las palabras que producían por sí mismas que las que solo leían.

---

Conclusión: el stack de investigación, no la herramienta de investigación

Veintiún meses después del lanzamiento de OpenAI, la categoría se ha aclarado y luego se ha reorganizado. El mercado de agentes de deep research no es de los que tienen un ganador que se lo lleva todo. La elección entre sus distintas opciones depende de qué estés investigando, de cuánto tiempo tengas, de dónde viva tu material fuente y de si estás haciendo clic en un botón o llamando a una API.

Si tuviera que elegir uno para la mayoría de los trabajadores del conocimiento ahora mismo, seguiría siendo Gemini: un plan gratuito que incluye Deep Research, la mejora de pago más barata a US$ 4.99, los mejores resultados publicados en benchmarks (del nivel Max de su API) y la única API específica de investigación entre OpenAI, Google y Anthropic. Para trabajo más pesado o más ambiguo, combínalo con OpenAI Deep Research o Claude Research. Los desarrolladores que sigan enviando llamadas asíncronas a Sonar deberían migrarlas ya a la Agent API de Perplexity, porque Perplexity dejó de darles soporte el 27 de septiembre.

El cambio de fondo es estructural. El modelo de deep research dedicado va camino de desaparecer en los grandes laboratorios: OpenAI retiró sus modelos de investigación, Perplexity retiró Sonar, Google ofrece un agente en lugar de un modelo, Anthropic ofrece una infraestructura gestionada y xAI te hace elegir un número de agentes. El endpoint qwen-deep-research de Alibaba es la excepción destacada. Lo que los reemplazó es un regulador de esfuerzo. Eso son buenas noticias para quienes desarrollan software, porque el esfuerzo es un parámetro que puedes ajustar en cada solicitud, y es la razón por la que el hallazgo más útil de los benchmarks de 2026 fue que subir el presupuesto de búsqueda hizo variar la precisión en 53 puntos mientras el modelo seguía siendo el mismo.

Pero la elección de herramienta importa menos que lo que haces con el resultado. El mayor error que veo cometer a la gente es tratar un informe de deep research como trabajo terminado. No lo es. Es materia prima. El conocimiento real se construye cuando subrayas las afirmaciones que importan, las enlazas con otras cosas que has leído y vuelves a ellas más tarde, cuando el tema reaparece.

Ese es el flujo para el que está diseñado Glasp. Subraya cualquier informe, cualquier artículo, cualquier transcripción de YouTube. Construye una biblioteca buscable de lo que de verdad te pareció importante. Conversa con tus subrayados más adelante, cuando necesites recordar algo concreto. Comparte tu trabajo con otras personas que investigan lo mismo.

Los agentes de deep research van a seguir mejorando, y las APIs van a seguir multiplicándose. Los que no reciban además una capa de subrayado por encima van a seguir produciendo informes que se leen una vez y se olvidan. No construyas tu flujo de investigación alrededor de una sola herramienta. Constrúyelo alrededor de un stack, y asegúrate de que el último eslabón de ese stack sea aquel donde queda registrada tu propia comprensión.

Empieza esta semana pasando una pregunta de investigación real por dos de las cuatro herramientas. Subraya ambos informes. Compara lo que aprendiste. Ese es el flujo de trabajo. Todo lo demás es una lista de funciones.