Ranking de modelos de IA
Qué modelo de IA usar para cada tarea, según quienes los miden. Con la fuente y la fecha de cada dato.
- 22modelos, del 2 abr 2026 al 12 oct 2026
- 10clasificaciones de 3 fuentes con licencia abierta
- 6tareas, con los cinco primeros de cada una
- 15 oct 2026fecha de los datos; se actualizan cada semana
Datos de LMArena, Epoch AI, OpenRouter Rankings y la Comisión Europea, consultados el 15 oct 2026. No hacemos pruebas propias todavía: citamos a quien mide y enlazamos cada dato. Cómo se compone, al final de la página.
¿Para qué lo quieres?
Los cinco primeros de cada tarea, por consenso entre las clasificaciones que la miden.
Conversar y escribir
Respuestas, redacción y ayuda general, según los votos de miles de personas que comparan dos respuestas sin saber de qué modelo son. Según LMArena · texto.
- 1Gemini 4 ArgonGoogle · pesos cerrados
- 2Muse WonderMeta · pesos cerrados
- 3Claude Opus 5.5Anthropic · pesos cerrados
- 4Claude Fable 5.1Anthropic · pesos cerrados
- 5Gemini 3.8 FlashGoogle · pesos cerrados
Lectura del equipo
Gemini 4 Argon va primero, pero Muse Wonder no se distingue de él, y con muchos menos votos. Si el precio pesa, Gemini 3.8 Flash queda unos puestos más abajo y cuesta menos de la mitad que Argon, cuyo precio actual es de lanzamiento hasta el 30 de noviembre.
Opinión de Andruna con los datos del 15 oct 2026.Empates técnicos
Texto: Muse Wonder no se distingue de Gemini 4 Argon, el mejor colocado.
Dos modelos empatan cuando sus márgenes de error se solapan: la diferencia entre ellos podría ser azar.Programar
Código en la conversación y aplicaciones web completas, según los votos de quienes las prueban. Según LMArena · programación y LMArena · desarrollo web.
- 1Claude Opus 5.5Anthropic · pesos cerrados
- 2GPT-6 AstraOpenAI · pesos cerrados
- 3Gemini 4 ArgonGoogle · pesos cerrados
- 4GPT-6.1 SolOpenAI · pesos cerrados
- 5Muse WonderMeta · pesos cerrados
Lectura del equipo
Depende de cómo programes. Para pedir código en la conversación, ninguno de los cinco se distingue del primero; para construir una aplicación web completa, Claude Opus 5.5 va delante con ventaja. Ninguna de estas clasificaciones mide si el código aguanta en un proyecto real.
Opinión de Andruna con los datos del 15 oct 2026.Empates técnicos
Programación: Muse Wonder, Claude Opus 5.5, GPT-6 Astra y GPT-6.1 Sol no se distinguen de Gemini 4 Argon, el mejor colocado.
Desarrollo web: el primero se distingue de los demás.
Dos modelos empatan cuando sus márgenes de error se solapan: la diferencia entre ellos podría ser azar.Razonar y matemáticas
Problemas de matemáticas de investigación y preguntas de ciencia de nivel de doctorado, en pruebas que corre Epoch AI. Según Epoch AI · FrontierMath 1-3 y Epoch AI · GPQA Diamond.
- 1GPT-6 AstraOpenAI · pesos cerrados
- 2GPT-6.1 SolOpenAI · pesos cerrados
- 3Gemini 4 ArgonGoogle · pesos cerrados
- 4Claude Sonnet 5.5Anthropic · pesos cerrados
- 5Claude Fable 5.1Anthropic · pesos cerrados
- FrontierMath 1-34.º de 11790,2 %Empate
- GPQA DiamondSin datoNo lo incluye
Lectura del equipo
En los problemas de FrontierMath, los dos GPT-6 van delante, aunque Claude Fable 5.1 y Sonnet 5.5 no se distinguen de ellos. En GPQA, la prueba de ciencia, los cinco primeros están entre el 95,4 y el 96,4 %: está casi saturada y ya no separa a los mejores.
Opinión de Andruna con los datos del 15 oct 2026.Empates técnicos
FrontierMath 1-3: GPT-6.1 Sol, Claude Fable 5.1 y Claude Sonnet 5.5 no se distinguen de GPT-6 Astra, el mejor colocado.
GPQA Diamond: la fuente no publica márgenes de error, así que no se puede saber.
Dos modelos empatan cuando sus márgenes de error se solapan: la diferencia entre ellos podría ser azar.En español
Las conversaciones en español de LMArena. Mide qué respuesta prefiere la gente, no si es exacta: es el único dato vigente en español. Según LMArena · español.
- 1Claude Opus 5.5Anthropic · pesos cerrados
- 2Claude Fable 5.1Anthropic · pesos cerrados
- 3Gemini 4 ArgonGoogle · pesos cerrados
- 4Muse Spark 1.3Meta · pesos cerrados
- 5Qwen3.8-MaxAlibaba · pesos abiertos
Lectura del equipo
No hay ganador: ninguno de los cinco se distingue del primero, y cada uno tiene entre 223 y 839 votos en español. Con estos datos, cualquiera de ellos sirve; medirlo bien en español es justo la prueba propia que queremos hacer.
Opinión de Andruna con los datos del 15 oct 2026.Empates técnicos
Español: Claude Fable 5.1, Gemini 4 Argon, Muse Spark 1.3 y Qwen3.8-Max no se distinguen de Claude Opus 5.5, el mejor colocado.
Dos modelos empatan cuando sus márgenes de error se solapan: la diferencia entre ellos podría ser azar.Entender imágenes
Preguntas sobre fotos, capturas y documentos, según los votos de quienes las comparan. Según LMArena · visión.
- 1Claude Opus 5.5Anthropic · pesos cerrados
- 2Claude Fable 5.1Anthropic · pesos cerrados
- 3Gemini 3.8 FlashGoogle · pesos cerrados
- 4Qwen3.8-MaxAlibaba · pesos abiertos
- 5Muse Spark 1.3Meta · pesos cerrados
Lectura del equipo
Claude Opus 5.5 va primero, pero los otros cuatro no se distinguen de él: están todos en apenas once puntos. Entre ellos, Gemini 3.8 Flash es el más barato.
Opinión de Andruna con los datos del 15 oct 2026.Empates técnicos
Visión: Claude Fable 5.1, Gemini 3.8 Flash, Qwen3.8-Max y Muse Spark 1.3 no se distinguen de Claude Opus 5.5, el mejor colocado.
Dos modelos empatan cuando sus márgenes de error se solapan: la diferencia entre ellos podría ser azar.En tu ordenador
Modelos abiertos y pequeños que se pueden descargar y usar sin conexión, ordenados por el índice de Epoch AI y los votos de LMArena. Según Epoch AI · índice de capacidades y LMArena · texto.
- 1Gemma 4 31BGoogle · pesos abiertos
- 2Qwen3.8-27BAlibaba · pesos abiertos
- Índice de capacidadesSin datoEpoch AI no lo incluye
- Texto100.º de 415LMArena · 1437,7 puntos
- 3Gemma 4 26B A4BGoogle · pesos abiertos
- 4Muse GlimmerMeta · pesos abiertos
- Índice de capacidadesSin datoEpoch AI no lo incluye
- Texto124.º de 415LMArena · 1424,5 puntos
Lectura del equipo
Gemma 4 31B es la mejor opción para tu ordenador según los dos evaluadores, y Gemma 4 26B A4B no se distingue de ella. Todos quedan lejos de los grandes: en la tabla general de LMArena, el mejor está en el puesto 76.
Opinión de Andruna con los datos del 15 oct 2026.Empates técnicos
Índice de capacidades: Gemma 4 26B A4B no se distingue de Gemma 4 31B, el mejor colocado.
Texto: Gemma 4 26B A4B no se distingue de Gemma 4 31B, el mejor colocado.
Dos modelos empatan cuando sus márgenes de error se solapan: la diferencia entre ellos podría ser azar.Capacidad y precio
Arriba, más capaz; a la derecha, más caro. Con nombre, los que dan más por menos.
Ver los datos de la gráfica en una tabla
| Modelo | Índice de capacidades (Epoch AI) | Precio combinado por millón de tokens |
|---|---|---|
| Claude Opus 5.5 | 166,82 | 8 $ |
| Claude Sonnet 5.5 | 164,45 | 4 $ |
| Claude Fable 5.1 | 164,65 | 20 $ |
| Claude Haiku 5.5 | 158,98 | 0,2 $ |
| GPT-6 Astra | 166,41 | 20 $ |
| GPT-6.1 Sol | 166,32 | 4 $ |
| Gemini 4 Argon | 164,56 | 4 $ |
| Gemini 3.8 Flash | 157,2 | 1,5 $ |
| Muse Spark 1.3 | 156,76 | 2 $ |
| Grok 4.7 | 154,37 | 3 $ |
| Qwen3.8-Max | 156,88 | 3 $ |
| Mistral Large 4 (Preview) | 146,9 | 2,07 $ |
| GLM-5.3 | 155,91 | 2,15 $ |
| Kimi K3 | 157,42 | 6 $ |
| DeepSeek-V4.1-Flash | 155,57 | 0,52 $ |
Todos los modelos
22 modelos, con filtros y orden. Precio en dólares por millón de tokens, de entrada y de salida.
| Modelo | Mejor puesto | Lanzamiento | Pesos | Contexto (tokens) | Precio | Código de la UE |
|---|---|---|---|---|---|---|
| Muse WonderMeta (Meta Superintelligence Labs) | Conversar y escribir2.º de 20 | 12 oct 2026 | Cerrados | 1,05 millones | 4 $ / 20 $ | No consta |
| Claude Haiku 5.5Anthropic | Razonar y matemáticas10.º de 18 | 7 oct 2026 | Cerrados | 1 millón | 0,1 $ / 0,5 $ | Firmado |
| Mistral Large 4 (Preview)Mistral AI | Razonar y matemáticas15.º de 18 | 6 oct 2026 | Cerrados | 1 millón | 1,36 $ / 4,18 $ | Firmado |
| Gemini 4 ArgonGoogle (Google DeepMind) | Conversar y escribir1.º de 20 | 30 sept 2026 | Cerrados | 1,05 millones | 2 $ / 10 $ | Firmado |
| GPT-6.1 SolOpenAI | Razonar y matemáticas2.º de 18 | 29 sept 2026 | Cerrados | 1,05 millones | 2 $ / 10 $ | Firmado |
| Claude Sonnet 5.5Anthropic | Razonar y matemáticas4.º de 18 | 28 sept 2026 | Cerrados | 1 millón | 2 $ / 10 $ | Firmado |
| Claude Opus 5.5Anthropic | Programar1.º de 21 | 22 sept 2026 | Cerrados | 1 millón | 4 $ / 20 $ | Firmado |
| MiMo-V2.6-ProXiaomi (MiMo Team) | Programar10.º de 21 | 22 sept 2026 | Abiertos | 1 millón | 0,44 $ / 0,87 $ | No consta |
| Grok 4.7SpaceXAI LLC (antes xAI) | Razonar y matemáticas12.º de 18 | 21 sept 2026 | Cerrados | 500.000 | 2 $ / 6 $ | En parte |
| DeepSeek-V4.1-FlashDeepSeek | En español10.º de 17 | 10 sept 2026 | Abiertos | 1 millón | 0,3 $ / 1,2 $ | No consta |
| GPT-6 AstraOpenAI | Razonar y matemáticas1.º de 18 | 3 sept 2026 | Cerrados | 1,05 millones | 10 $ / 50 $ | Firmado |
| Gemini 3.8 FlashGoogle (Google DeepMind) | Entender imágenes3.º de 14 | 2 sept 2026 | Cerrados | 1,05 millones | 0,75 $ / 3,75 $ | Firmado |
| Muse Spark 1.3Meta (Meta Superintelligence Labs) | En español4.º de 17 | 2 sept 2026 | Cerrados | 1,05 millones | 1,25 $ / 4,25 $ | No consta |
| Claude Fable 5.1Anthropic | En español2.º de 17 | 1 sept 2026 | Cerrados | 1 millón | 10 $ / 50 $ | Firmado |
| GLM-5.3Z.ai (Zhipu) | En español9.º de 17 | 14 ago 2026 | Abiertos | 1 millón | 1,4 $ / 4,4 $ | No consta |
| Qwen3.8-27BAlibaba (Qwen Team) | En tu ordenador2.º de 4 | 14 ago 2026 | Abiertos | 262.144 | 0,5 $ / 3 $ | No consta |
| Muse GlimmerMeta (Meta Superintelligence Labs) | En tu ordenador4.º de 4 | 10 ago 2026 | Abiertos | 131.072 | no consta | No consta |
| Qwen3.8-MaxAlibaba (Qwen Team) | Entender imágenes4.º de 14 | 3 ago 2026 | Abiertos | 1 millón | 2 $ / 6 $ | No consta |
| Kimi K3Moonshot AI | En español6.º de 17 | 16 jul 2026 | Abiertos | 1,05 millones | 3 $ / 15 $ | No consta |
| Qwen3.6-35B-A3BAlibaba (Qwen Team) | Razonar y matemáticas16.º de 18 | 15 abr 2026 | Abiertos | 262.144 | 0,38 $ / 2,25 $ | No consta |
| Gemma 4 26B A4BGoogle (Google DeepMind) | En tu ordenador3.º de 4 | 2 abr 2026 | Abiertos | 256.000 | no consta | Firmado |
| Gemma 4 31BGoogle (Google DeepMind) | En tu ordenador1.º de 4 | 2 abr 2026 | Abiertos | 256.000 | no consta | Firmado |
«Código de la UE»: si el fabricante ha firmado el Código de buenas prácticas de IA de uso general de la Comisión Europea. En la ficha de cada modelo, el detalle y el resumen de sus datos de entrenamiento. Es información, no asesoramiento jurídico.
Lo que más se usa
Los modelos de esta página que están entre los 20 más usados de OpenRouter. Mide uso, no calidad, y solo en esa plataforma.
- 1DeepSeek-V4.1-Flash37,43 billones de tokens en la semana
- 8Claude Opus 5.55,65 billones de tokens en la semana
- 10GLM-5.34,43 billones de tokens en la semana
- 14Muse Spark 1.33,00 billones de tokens en la semana
- 15Claude Sonnet 5.52,70 billones de tokens en la semana
- 16Kimi K32,63 billones de tokens en la semana
- 17GPT-6.1 Sol2,30 billones de tokens en la semana
- 18Gemini 3.8 Flash1,97 billones de tokens en la semana
- 19Claude Haiku 5.51,96 billones de tokens en la semana
Source: OpenRouter (openrouter.ai/rankings), as of 2026-10-14. Licensed under CC BY 4.0.
Cómo se compone este ranking
No hacemos pruebas propias todavía. Este apartado reúne lo que publican quienes miden los modelos de IA, con el enlace a cada dato y la fecha en que se consultó. Más adelante haremos pruebas nuestras, en español y con tareas reales, y las publicaremos con su método para que cualquiera pueda repetirlas.
El consenso. En cada tarea, los modelos de esta página se ordenan dentro de cada clasificación (1.º, 2.º, 3.º… entre ellos) y cada uno recibe la mediana de sus puestos. Si empatan, va delante el que aparece en más clasificaciones. Al lado de cada modelo se ve su posición en la tabla completa de cada fuente, donde un mismo modelo puede aparecer varias veces con distintas configuraciones.
Empates y opinión. Cuando una fuente publica el margen de error de cada puntuación, marcamos como empate a los modelos cuyo margen se solapa con el del primero: con esos datos no se puede decir que sean peores. La «Lectura del equipo» de cada tarea es nuestra opinión sobre los datos, y se revisa cada vez que se actualizan.
Solo copiamos cifras de quien lo permite. Las de las fuentes con licencia abierta, citadas como piden. De las que no lo permiten, solo el enlace. Los precios salen de las páginas oficiales de cada fabricante, y la situación ante la UE, de la Comisión Europea y de los propios fabricantes.
- LMArena (hoy «Arena», arena.ai; antes lmarena.ai)
Preferencia humana: los usuarios votan a ciegas entre dos respuestas anónimas; puntuación Bradley-Terry por arena y categoría, con control de estilo por defecto en texto y visión desde mayo de 2025.
Cifras reutilizadas con atribución: condiciones de uso.
- Epoch AI · Benchmarking Hub y Epoch Capabilities Index (ECI)
Recoge resultados de benchmarks, propios y de terceros (90 benchmarks, 410 modelos). Ejecuta él mismo FrontierMath, GPQA Diamond y SWE-bench Verified, entre otros. El ECI combina muchos benchmarks en una sola escala.
Cifras reutilizadas con atribución: condiciones de uso.
- OpenRouter Rankings
Uso real: tokens que pasan por OpenRouter para cada modelo. No mide calidad, y solo refleja el tráfico de esa plataforma.
Cifras reutilizadas con atribución: condiciones de uso.
- Comisión Europea · Código de buenas prácticas de IA de uso general, lista de firmantes
Lista oficial de los proveedores que han firmado el Código (publicado el 10-jul-2025; tres capítulos: transparencia, derechos de autor y seguridad).
- Comisión Europea · lista de modelos de IA de uso general con riesgo sistémico (art. 52.6 del Reglamento (UE) 2024/1689)
La Comisión debe publicar y mantener al día la lista de modelos con riesgo sistémico.
- Resumen público del contenido de entrenamiento (art. 53.1.d del Reglamento (UE) 2024/1689)
Plantilla de la Comisión (24-jul-2025) que el proveedor rellena y publica en su propia web. Obligatoria para los modelos comercializados desde el 2-ago-2025; para los anteriores, desde el 2-ago-2027.
Solo enlazadas
Artificial Analysis mide los modelos con sus propias pruebas, pero sus condiciones no permiten reproducir sus datos en una tabla ni en un ranking sin permiso escrito. Por eso aquí no salen sus cifras: consúltalas en su web.
Revisadas, sin datos vigentes
SWE-bench; La Leaderboard; Leaderboard ODESIA; METR, LiveBench y HELM (Stanford). No tienen resultados de los modelos de esta página o no publican con qué licencia se pueden usar.
Lo que no sabemos
- La Comisión Europea todavía no ha publicado la lista de modelos con riesgo sistémico que le encarga el Reglamento (art. 52.6): por eso todos figuran como «no consta».
- En español solo hay un dato vigente: la categoría de LMArena, que mide qué respuesta prefiere la gente, no si es exacta. Varios modelos tienen pocos votos en ella.
- Ningún fabricante de modelos cerrados publica el número de parámetros.
- SWE-bench, la prueba de referencia para programar, no tiene resultados de los modelos de esta página.
- OpenRouter solo muestra sus 20 modelos más usados: que un modelo no salga no significa que no se use.
- Algunos precios son temporales: el de Gemini 4 Argon, hasta el 30 de noviembre, y el de Gemini 3.8 Flash, hasta el 31 de diciembre de 2026.
Datos de LMArena: leaderboard-dataset (Hugging Face), CC BY 4.0. Datos de Epoch AI: «Capabilities & benchmarking», epoch.ai/benchmarks, CC BY 4.0. Datos de OpenRouter: openrouter.ai/rankings, CC BY 4.0. Contenido de la Comisión Europea: © Unión Europea, CC BY 4.0. Los nombres de los modelos y de las empresas son marcas de sus propietarios.