Ranking de modelos

⚖️

Rankings independientes de los modelos de IA más avanzados en {boardCount} benchmarks públicos: cambia de modelo en los radares, mira la tendencia y no un solo número.

modelos

benchmarks

Arena 2026-10-15

última instantánea de Arena

semanal

actualización automática

Aviso: todas las puntuaciones son instantáneas públicas de benchmarks de terceros (fuentes enlazadas abajo), publicadas solo con fines informativos. La parte alta de cada ranking suele estar dentro del ruido estadístico: mira la tendencia, no el puesto exacto. Nosotros no realizamos evaluaciones.

Índice de inteligencia de Artificial Analysis

evaluaciones independientes Comparar dos modelos →

Agrega 10 benchmarks estandarizados (código, matemáticas, ciencia, razonamiento, agéntico) en un solo índice de inteligencia, con precio y velocidad.

#	Modelo	Proveedor	Intel.	Código	GPQA	HLE	SciCode	LCR	$/M tok	tok/s
1	Claude Opus 5.5 (Max, Default Fallback)	Anthropic	57.6	—	—	61.4	66.9	84.7	8.00	96
2	Claude Sonnet 5.5 (Max, Default Fallback)	Anthropic	56.0	—	—	55.0	61.0	82.7	4.00	139
3	Claude Opus 5.5 (Xhigh, Default Fallback)	Anthropic	56.0	—	—	57.5	65.0	84.7	8.00	86
4	Muse Wonder Full (Max)	Meta	55.8	—	—	53.6	62.6	83.7	0.00	0
5	Claude Opus 5.5 (High, Default Fallback)	Anthropic	53.6	—	—	55.6	60.4	82.7	8.00	77
6	Claude Fable 5.1 (Max, Default Fallback)	Anthropic	53.4	81.6	93.7	59.1	63.1	85.3	20.00	74
7	Claude Fable 5.1 (Xhigh, Default Fallback)	Anthropic	53.2	80.7	93.4	58.7	60.9	83.0	20.00	60
8	GPT-6 Astra (Max)	OpenAI	52.7	76.9	96.1	54.7	56.5	80.7	20.00	72
9	Gemini 4 Argon (High)	Google	52.6	—	—	57.1	61.8	79.7	4.00	0
10	Muse Wonder (Max)	Meta	52.4	—	—	50.1	60.3	80.7	8.00	159
11	GPT-6 Astra (Xhigh)	OpenAI	52.4	75.9	96.3	54.6	55.7	80.0	20.00	65
12	Claude Sonnet 5.5 (Xhigh, Default Fallback)	Anthropic	51.9	—	—	50.0	57.3	79.7	4.00	105
13	GPT-6.1 Sol (Max)	OpenAI	51.8	—	—	52.9	54.2	83.0	4.00	54
14	Claude Opus 5.5 (Medium, Default Fallback)	Anthropic	51.2	—	—	54.7	59.3	84.3	8.00	76
15	Claude Fable 5.1 (High, Default Fallback)	Anthropic	51.2	79.1	90.6	55.9	58.7	83.7	20.00	55
16	GPT-6.1 Sol (Xhigh)	OpenAI	51.0	—	—	52.6	55.7	79.7	4.00	52
17	GPT-6 Astra (High)	OpenAI	50.9	77.1	94.9	53.1	55.4	80.0	20.00	58
18	Claude Opus 5 (Max)	Anthropic	50.8	78.0	93.2	54.9	56.4	79.3	10.00	0
19	GPT-6.1 Sol (High)	OpenAI	50.2	—	—	51.4	55.8	82.3	4.00	49
20	Claude Opus 5 (Xhigh)	Anthropic	49.7	77.0	93.7	54.4	55.7	80.3	10.00	0
21	Claude Fable 5 (Max, Opus 4.8 Fallback)	Anthropic	49.6	76.5	92.6	55.5	61.0	82.3	20.00	0
22	GPT-6 Astra (Medium)	OpenAI	49.6	76.7	93.9	52.7	54.2	79.7	20.00	57
23	Claude Fable 5.1 (Medium, Default Fallback)	Anthropic	48.9	77.1	88.6	53.8	56.4	84.7	20.00	55
24	Claude Opus 5 (High)	Anthropic	48.1	76.5	93.7	52.8	55.4	79.0	10.00	0
25	Muse Spark 1.3 (Max)	Meta	48.1	75.8	93.5	48.7	58.8	83.0	2.00	119
26	GPT-6.1 Sol (Medium)	OpenAI	47.8	—	—	49.9	53.2	83.3	4.00	46
27	GPT-6 Sol (Max)	OpenAI	47.6	—	—	47.9	57.6	83.7	4.00	0
28	GPT-5.6 Sol (Max)	OpenAI	47.0	77.4	94.1	49.5	57.1	84.0	8.00	0
29	Claude Fable 5.1 (Low, Default Fallback)	Anthropic	46.8	75.2	88.1	48.9	56.7	82.3	20.00	54
30	Claude Sonnet 5.5 (High, Default Fallback)	Anthropic	46.8	—	—	45.8	53.7	78.0	4.00	103

Radar de capacidades

Selecciona un modelo para comparar 6 ejes de capacidad (porcentaje del máximo 100)

Model

Fuente: Artificial Analysis · instantánea 2026-10-19 · se actualiza cada semana

Ranking Elo de Arena

votación ciega por preferencia humana

Batallas A/B anónimas votadas por usuarios reales, puntuadas con Elo de Bradley–Terry. Mide qué modelo prefiere la gente usar de verdad, no una prueba de capacidades.

#	Modelo	Proveedor	Licencia	Elo	Votos	vs previo
1	Gemini 4 Argon (High)	google	Cerrado	1532	4,904	—
2	Claude Opus 5.5 (High)	anthropic	Cerrado	1516	8,300	—
3	Claude Fable 5.1 (Max)	anthropic	Cerrado	1512	14,590	—
4	Claude Opus 5 (Max)	anthropic	Cerrado	1508	32,495	—
5	Claude Opus 5 (High)	anthropic	Cerrado	1503	66,824	—
6	Claude Opus 4.6 (High)	anthropic	Cerrado	1502	81,394	—
7	Muse Wonder (Max)	meta	Cerrado	1501	3,247	—
8	Gemini 3.8 Flash (High)	google	Cerrado	1499	37,454	—
9	Claude Opus 4.6	anthropic	Cerrado	1498	86,071	—
10	Claude Fable 5 (High)	anthropic	Cerrado	1491	42,004	—
11	mimo-v2.6-pro	xiaomi	Cerrado	1491	4,075	▲ 2
12	Muse Spark 1.3 (Max)	meta	Cerrado	1490	17,561	—
13	Claude Opus 4.7 (High)	anthropic	Cerrado	1490	65,116	—
14	Gemini 3.7 Flash (High)	google	Cerrado	1487	27,232	—
15	Muse Spark 1.2 (xHigh)	meta	Cerrado	1484	8,248	—
16	Claude Opus 4.7	anthropic	Cerrado	1483	66,216	—
17	qwen3.8-max	alibaba	Cerrado	1483	27,766	▲ 3
18	gemini-3.5-flash-high	google	Cerrado	1482	48,486	▲ 1
19	Gemini 3.1 Pro Preview	google	Cerrado	1480	127,649	—
20	Gemini 3 Pro	google	Cerrado	1479	42,072	—
21	gemini-3.6-flash-high	google	Cerrado	1479	36,122	▲ 1
22	Muse Spark 1.1	meta	Cerrado	1478	42,810	—
23	gemini-3.5-flash-medium	google	Cerrado	1477	47,292	—
24	qwen3.7-max-preview	alibaba	Cerrado	1475	3,934	—
25	Kimi K3 (Max)	moonshot	Cerrado	1475	32,795	—
26	Muse Spark	meta	Cerrado	1474	14,150	—
27	glm-5.3-max	zai	Cerrado	1471	22,543	—
28	gpt-5.5-high	openai	Cerrado	1471	69,401	—
29	glm-5.3-flash	zai	Cerrado	1471	32,925	—
30	claude-sonnet-5.5-xhigh	anthropic	Cerrado	1470	6,831	—

Tendencia de Elo desde 2023 · 8 instantáneas

Evolución de la puntuación Elo de Arena a lo largo del tiempo

Fuente: Arena leaderboard · instantánea 2026-10-15 · se actualiza cada semana

Puntuaciones de capacidades de OpenCompass

conocimiento · razonamiento · matemáticas · código

Benchmark de capacidades objetivas ejecutado sobre el conjunto de evaluación oficial cerrado. El promedio (avg) es la media de las cuatro puntuaciones de las dimensiones.

#	Modelo	Proveedor	Licencia	Avg	Conocimiento	Razonamiento	Matemáticas	Código
1	Claude Opus 5 (high)	Anthropic	Cerrado	83.3	94.1	68.4	77.3	93.3
2	GPT-5.6-Sol (high)	OpenAI	Cerrado	80.8	88.5	66.8	71.4	96.3
3	Qwen3.8-Max	Alibaba	Abierto	80.6	86.8	65.2	75	95.5
4	GPT-5.5 (high)	OpenAI	Cerrado	80.6	87.7	66.9	71.4	96.5
5	Gemini-3.7-Flash	Google	Cerrado	80.5	94	62.1	76.8	89.3
6	Doubao-Seed-2.1-Pro-260628 (high)	ByteDance	Cerrado	80.5	91.4	64.9	74.9	90.8
7	Kimi-K3 (high)	Moonshot AI	Abierto	79.1	90.3	63.9	74.1	88
8	Grok-4.6 (high)	xAI	Cerrado	78	93.8	60	73	85
9	DeepSeek-V4-Pro	DeepSeek	Abierto	77.5	92.5	55.5	71.2	91
10	Kimi-K2.6 (high)	Moonshot AI	Abierto	75.7	89.8	62.9	75.7	74.5
11	Claude Opus 4.8 (high)	Anthropic	Cerrado	75.1	87.5	64.1	71.5	77.3
12	GLM-5.3	Zhipu AI	Cerrado	74.4	91.9	62	67.2	76.5
13	DeepSeek-V4-Flash	DeepSeek	Abierto	73.7	84.5	61	70.4	79
14	Hy3-preview (high)	Tencent	Abierto	73.6	85.6	54.6	72.2	82
15	MiniMax-M3	MiniMax	Abierto	69	86.6	54	63	72.5

Radar de capacidades

Selecciona un modelo para comparar 4 ejes de capacidad (porcentaje del máximo 100)

Model

Fuente: OpenCompass (司南) · instantánea 2026-08-24 · se actualiza mensualmente

Índice de inteligencia de SuperCLUE

benchmark en chino · máx. 100

Benchmark chino integral que cubre seis tareas: razonamiento matemático, control de alucinaciones, razonamiento científico, seguimiento preciso de instrucciones, codificación agéntica y planificación de tareas agénticas.

#	Modelo	Proveedor	Licencia	Total	Matemáticas	Alucin.	Ciencia	Instrucc.	AgCode	AgPlan
1	Qwen3.8-Max(max)	阿里巴巴	Abierto	71.48	77.19	86.08	71.93	43.81	68.42	90.94
2	Kimi-K3(max)	月之暗面	Abierto	70.68	71.93	83.85	70.17	40.95	75.79	84.35
3	DeepSeek-V4-Pro(max)	深度求索	Abierto	70.1	77.19	89.73	71.93	42.86	63.16	85.48
4	Doubao-Seed-2.1-pro(high)	字节跳动	Cerrado	65.94	75.44	78.85	77.19	42.86	51.58	84.95
5	DeepSeek-V4-Flash(max)	深度求索	Abierto	65.6	78.95	78.25	70.17	35.24	58.95	80.72
6	MiniMax-M3	稀宇科技	Abierto	56.9	70.18	70.44	70.17	20	46.32	77.68
7	LongCat-2.0	美团	Abierto	54.22	70.18	70.02	64.91	19.05	42.11	71.32

Radar de capacidades

Selecciona un modelo para comparar 6 ejes de tareas (porcentaje del máximo 100)

Model

Fuente: SuperCLUE · instantánea 2026-08-06 · se actualiza mensualmente

El mejor por capacidad

¿Qué modelo lidera cada habilidad? Cada ranking muestra el Top 10 con la fuente que mejor mide esa capacidad: el código del AA Coding Index, las matemáticas y el razonamiento de OpenCompass, lo agéntico de SuperCLUE.

#	Modelo	Proveedor	Código
1	Claude Fable 5.1 (Max, Default Fallback)	Anthropic	81.6
2	Claude Fable 5.1 (Xhigh, Default Fallback)	Anthropic	80.7
3	Claude Fable 5.1 (High, Default Fallback)	Anthropic	79.1
4	Claude Opus 5 (Max)	Anthropic	78.0
5	GPT-5.6 Sol (Max)	OpenAI	77.4
6	GPT-6 Astra (High)	OpenAI	77.1
7	Claude Fable 5.1 (Medium, Default Fallback)	Anthropic	77.1
8	Claude Opus 5 (Xhigh)	Anthropic	77.0
9	GPT-6 Astra (Max)	OpenAI	76.9
10	GPT-6 Astra (Medium)	OpenAI	76.7

Fuente: AA Coding Index · instantánea 2026-10-19 · actualización según la fuente

#	Modelo	Proveedor	Matemáticas
1	Claude Opus 5 (high)	Anthropic	77.3
2	Gemini-3.7-Flash	Google	76.8
3	Kimi-K2.6 (high)	Moonshot AI	75.7
4	Qwen3.8-Max	Alibaba	75.0
5	Doubao-Seed-2.1-Pro-260628 (high)	ByteDance	74.9
6	Kimi-K3 (high)	Moonshot AI	74.1
7	Grok-4.6 (high)	xAI	73.0
8	Hy3-preview (high)	Tencent	72.2
9	Claude Opus 4.8 (high)	Anthropic	71.5
10	GPT-5.6-Sol (high)	OpenAI	71.4

Fuente: OpenCompass · instantánea 2026-08-24 · actualización según la fuente

#	Modelo	Proveedor	Razonamiento
1	Claude Opus 5 (high)	Anthropic	68.4
2	GPT-5.5 (high)	OpenAI	66.9
3	GPT-5.6-Sol (high)	OpenAI	66.8
4	Qwen3.8-Max	Alibaba	65.2
5	Doubao-Seed-2.1-Pro-260628 (high)	ByteDance	64.9
6	Claude Opus 4.8 (high)	Anthropic	64.1
7	Kimi-K3 (high)	Moonshot AI	63.9
8	Kimi-K2.6 (high)	Moonshot AI	62.9
9	Gemini-3.7-Flash	Google	62.1
10	GLM-5.3	Zhipu AI	62.0

#	Modelo	Proveedor	Agéntico
1	Kimi-K3(max)	月之暗面	75.8
2	Qwen3.8-Max(max)	阿里巴巴	68.4
3	DeepSeek-V4-Pro(max)	深度求索	63.2
4	DeepSeek-V4-Flash(max)	深度求索	59.0
5	Doubao-Seed-2.1-pro(high)	字节跳动	51.6
6	MiniMax-M3	稀宇科技	46.3
7	LongCat-2.0	美团	42.1

Fuente: SuperCLUE · instantánea 2026-08-06 · actualización según la fuente