OPEN BENCHMARKS
Evaluaciones de modelos de IA
Compara modelos de lenguaje, imagen, vídeo y voz con datos abiertos y verificables.
Comparar modelos
0/3Elige 2–3 modelos de esta lista. Solo se comparan mediciones con la misma fuente, versión y categoría.
| Puesto | Modelo | Puntuación | Creador | Fuente |
|---|---|---|---|---|
| 1 | claude-fable-5-1-max-effort | 83,783 score | Anthropic | LiveBench |
| 2 | claude-fable-5-max-effort | 83,383 score | Anthropic | LiveBench |
| 3 | claude-opus-5-5-max-effort | 83,185 score | Anthropic | LiveBench |
| 4 | gpt-6-astra-max | 83,046 score | OpenAI | LiveBench |
| 5 | gpt-6.1-sol-max | 82,487 score | OpenAI | LiveBench |
| 6 | muse-spark-1.3-xhigh | 82,431 score | Unknown | LiveBench |
| 7 | claude-opus-5-5-xhigh-effort | 82,109 score | Anthropic | LiveBench |
| 8 | gpt-6.1-sol-xhigh | 81,827 score | OpenAI | LiveBench |
| 9 | gpt-5.6-sol-max | 81,647 score | OpenAI | LiveBench |
| 10 | deepseek-v4.1-flash-max | 81,447 score | DeepSeek | LiveBench |
| 11 | gpt-5.5-xhigh | 80,785 score | OpenAI | LiveBench |
| 12 | claude-opus-5-max-effort | 80,48 score | Anthropic | LiveBench |
| 13 | gemini-3.7-flash-high | 79,898 score | LiveBench | |
| 14 | gpt-6-sol-max | 79,825 score | OpenAI | LiveBench |
| 15 | smaug-agentic | 79,669 score | Unknown | LiveBench |
| 16 | qwen3.8-max | 79,496 score | Alibaba | LiveBench |
| 17 | kimi-k3 | 79,482 score | Moonshot AI | LiveBench |
| 18 | grok-4.6 | 79,002 score | xAI | LiveBench |
| 19 | muse-spark-1.2-xhigh | 78,915 score | Unknown | LiveBench |
| 20 | gpt-5.4-xhigh | 78,798 score | OpenAI | LiveBench |
| 21 | gpt-5.6-terra-max | 78,634 score | OpenAI | LiveBench |
| 22 | grok-4.7-xhigh | 78,338 score | xAI | LiveBench |
| 23 | claude-sonnet-5-5-xhigh-effort | 78,174 score | Anthropic | LiveBench |
| 24 | deepseek-v4-pro-0813 | 78,158 score | DeepSeek | LiveBench |
| 25 | smaug-flash | 78,026 score | Unknown | LiveBench |
| 26 | gemini-3.1-pro-preview-high | 77,986 score | LiveBench | |
| 27 | deepseek-v4-flash-vision-exp | 77,734 score | DeepSeek | LiveBench |
| 28 | smaug-mini | 77,678 score | Unknown | LiveBench |
| 29 | gemini-3.8-flash-high | 77,486 score | LiveBench | |
| 30 | qwen3.8-flash-next | 77,297 score | Alibaba | LiveBench |
| 31 | claude-opus-4-8-max-effort | 77,149 score | Anthropic | LiveBench |
| 32 | grok-4.5 | 77,051 score | xAI | LiveBench |
| 33 | claude-opus-4-7-xhigh-effort | 77,035 score | Anthropic | LiveBench |
| 34 | glm-5.3 | 76,65 score | Unknown | LiveBench |
| 35 | claude-sonnet-5-xhigh-effort | 76,593 score | Anthropic | LiveBench |
| 36 | muse-spark-1.1-xhigh | 76,028 score | Unknown | LiveBench |
| 37 | qwen3.8-27b | 75,82 score | Alibaba | LiveBench |
| 38 | claude-sonnet-5-5-max-effort | 75,752 score | Anthropic | LiveBench |
| 39 | gemini-3.5-flash-high | 75,437 score | LiveBench | |
| 40 | gpt-5.2-2025-12-11-high | 75,192 score | OpenAI | LiveBench |
| 41 | claude-opus-4-6-thinking-auto-high-effort | 75,132 score | Anthropic | LiveBench |
| 42 | deepseek-v4-flash-0731 | 74,85 score | DeepSeek | LiveBench |
| 43 | gemini-3.6-flash-high | 74,539 score | LiveBench | |
| 44 | qwen3.7-max | 74,099 score | Alibaba | LiveBench |
| 45 | gpt-5.2-codex | 74,034 score | OpenAI | LiveBench |
| 46 | gpt-5.6-luna-max | 73,687 score | OpenAI | LiveBench |
| 47 | claude-sonnet-4-6-thinking-auto-medium-effort | 73,413 score | Anthropic | LiveBench |
| 48 | glm-5.2 | 73,363 score | Unknown | LiveBench |
| 49 | claude-opus-4-5-20251101-thinking-64k-high-effort | 72,939 score | Anthropic | LiveBench |
| 50 | inkling-xhigh | 72,876 score | Unknown | LiveBench |
| 51 | deepseek-v4-pro | 72,554 score | DeepSeek | LiveBench |
| 52 | gpt-6-luna-max | 72,193 score | OpenAI | LiveBench |
| 53 | glm-5.3-flash | 71,138 score | Unknown | LiveBench |
| 54 | kimi-k2.6-thinking | 70,902 score | Moonshot AI | LiveBench |
| 55 | gpt-5.4-nano-xhigh | 70,85 score | OpenAI | LiveBench |
| 56 | ox-alpha-max | 69,242 score | Unknown | LiveBench |
| 57 | qwen3.6-plus | 68,989 score | Alibaba | LiveBench |
| 58 | kimi-k2.7-code | 68,756 score | Moonshot AI | LiveBench |
| 59 | nemotron-3-ultra-550b-a55b | 68,723 score | Unknown | LiveBench |
| 60 | grok-build-0.1 | 68,61 score | xAI | LiveBench |
| 61 | minimax-m3 | 67,527 score | Unknown | LiveBench |
| 62 | gpt-5.4-mini-xhigh | 66,601 score | OpenAI | LiveBench |
| 63 | deepseek-v4-flash | 66,054 score | DeepSeek | LiveBench |
| 64 | qwen3.6-27b | 64,181 score | Alibaba | LiveBench |
| 65 | gemini-3.5-flash-lite-high | 63,816 score | LiveBench | |
| 66 | grok-4.3 | 63,268 score | xAI | LiveBench |
No hay modelos medidos que coincidan.
EXTERNAL REFERENCE
Más datos en Artificial Analysis
Compara modelos más allá de la puntuación. Consulta los datos actuales en las páginas oficiales.
- Índice de inteligenciaCombina evaluaciones independientes; una puntuación mayor indica mejor resultado global.
- Agentes de programaciónCompara resultados, coste y duración de tareas completas de desarrollo.
- Índices especializadosConsulta índices de finanzas, derecho, medicina e ingeniería.
- Velocidad y latenciaDistingue tokens por segundo, espera hasta el primer token y tiempo total de respuesta.
- Precios y coste por tareaDistingue el precio por millón de tokens del coste de una tarea evaluada.
- Contexto y uso de tokensConsulta la ventana de contexto y los tokens de salida por tarea.
- AperturaCompara pesos abiertos, restricciones de uso y transparencia.
- Capacidad multilingüeConsulta un índice separado por idioma; no forma parte del índice de inteligencia, centrado en texto en inglés.
- Razonamiento en documentos largosAA-LCR evalúa cómo relaciona datos entre documentos largos; una ventana amplia no garantiza precisión.
- Proveedores de APICompara precio, velocidad de salida y latencia de primera respuesta entre puntos de acceso del mismo modelo.
- Evaluación de trabajo profesionalAA-Briefcase muestra éxito, calidad analítica y presentación en entregables como hojas de cálculo, diapositivas y memorandos.
- Comparación de versionesCompara lanzamientos y variantes de razonamiento por capacidad, coste, velocidad y contexto.
- Recomendador de modelosObtén sugerencias oficiales según tus prioridades de inteligencia, velocidad y coste.
Evaluaciones especializadas
Ver todas las evaluaciones ↗- GDPval-AAEvalúa el uso de herramientas y la entrega de archivos en tareas profesionales reales mediante comparaciones a ciegas.
- AutomationBench-AAMide el logro de objetivos en flujos SaaS simulados, teniendo en cuenta las infracciones de reglas.
- AA-OmniscienceDistingue respuestas correctas, alucinaciones y abstenciones apropiadas ante la incertidumbre.
- GDP.pdfEvalúa la lectura y el razonamiento sobre PDF profesionales extensos según requisitos concretos.
- IFBenchMide el cumplimiento de restricciones de salida novedosas y verificables.
Fuentes y metodología
LiveBenchDatos antiguos
- Versión
- 2026-06-25
- Licencia
- Apache-2.0
- Actualizado
- 2026-06-25T00:00:00.000Z