Ranking de modelos de IA por resultados de benchmark

Name: Ranking de modelos de IA por resultados de benchmark
Creator: LessWork Lab
License: https://creativecommons.org/licenses/by-sa/4.0/

Compara modelos de IA mediante resultados de benchmarks publicados, con enlaces a la fuente original. LessWork Lab no realizó estas pruebas.

Fuente del benchmark: LiveBenchFecha de la versión del benchmark: 2026-06-25Fecha de verificación: 2026-10-10 11:01 (UTC+8)

Método de clasificación

Buscar modelos o proveedoresMétrica

69 / 69 resultados

LiveBench 2026-06-25
Posición	Modelo	Proveedor	General
1	Claude Fable 5.1 Max Effort Mostrar puntuaciones por categoría Razonamiento 91.69 Programación 86.38 Programación con agentes 66.06 Matemáticas 97.01 Análisis de datos 80.28 Lenguaje 89.50 Seguimiento de instrucciones 72.99	Anthropic	83.41
2	Claude 5.5 Opus Thinking Max Effort Mostrar puntuaciones por categoría Razonamiento 92.15 Programación 89.25 Programación con agentes 71.72 Matemáticas 97.08 Análisis de datos 80.31 Lenguaje 86.27 Seguimiento de instrucciones 65.74	Anthropic	83.22
3	Claude Fable 5 Max Effort Mostrar puntuaciones por categoría Razonamiento 89.65 Programación 85.99 Programación con agentes 62.17 Matemáticas 95.99 Análisis de datos 80.54 Lenguaje 90.68 Seguimiento de instrucciones 75.77	Anthropic	82.97
4	GPT-6 Astra Max Effort Mostrar puntuaciones por categoría Razonamiento 92.65 Programación 80.36 Programación con agentes 57.32 Matemáticas 96.81 Análisis de datos 82.97 Lenguaje 89.43 Seguimiento de instrucciones 75.58	OpenAI	82.16
5	Claude 5.5 Opus Thinking xHigh Effort Mostrar puntuaciones por categoría Razonamiento 90.65 Programación 89.25 Programación con agentes 65.35 Matemáticas 96.80 Análisis de datos 79.80 Lenguaje 85.50 Seguimiento de instrucciones 67.05	Anthropic	82.06
6	GPT-6.1 Sol Max Effort Mostrar puntuaciones por categoría Razonamiento 92.63 Programación 80.36 Programación con agentes 54.55 Matemáticas 96.83 Análisis de datos 82.66 Lenguaje 90.13 Seguimiento de instrucciones 74.15	OpenAI	81.62
7	Muse Spark 1.3 xHigh Effort Mostrar puntuaciones por categoría Razonamiento 89.65 Programación 81.06 Programación con agentes 64.09 Matemáticas 95.95 Análisis de datos 79.57 Lenguaje 82.79 Seguimiento de instrucciones 78.00	Meta	81.59
8	DeepSeek V4.1 Flash Max Effort Mostrar puntuaciones por categoría Razonamiento 86.69 Programación 80.04 Programación con agentes 77.27 Matemáticas 93.29 Análisis de datos 79.25 Lenguaje 81.19 Seguimiento de instrucciones 70.03	DeepSeek	81.11
8	GPT-6.1 Sol xHigh Effort Mostrar puntuaciones por categoría Razonamiento 91.63 Programación 80.74 Programación con agentes 56.77 Matemáticas 96.48 Análisis de datos 82.18 Lenguaje 88.64 Seguimiento de instrucciones 71.33	OpenAI	81.11
10	GPT-5.6 Sol Max Effort Mostrar puntuaciones por categoría Razonamiento 91.65 Programación 83.94 Programación con agentes 56.21 Matemáticas 96.20 Análisis de datos 79.84 Lenguaje 87.68 Seguimiento de instrucciones 71.85	OpenAI	81.05
11	GPT-5.5 Thinking xHigh Effort Mostrar puntuaciones por categoría Razonamiento 89.65 Programación 82.15 Programación con agentes 53.99 Matemáticas 95.86 Análisis de datos 81.58 Lenguaje 87.36 Seguimiento de instrucciones 70.73	OpenAI	80.19
12	Claude 5 Opus Thinking Max Effort Mostrar puntuaciones por categoría Razonamiento 91.21 Programación 81.45 Programación con agentes 65.20 Matemáticas 95.73 Análisis de datos 74.55 Lenguaje 88.69 Seguimiento de instrucciones 63.77	Anthropic	80.08
13	Smaug Agentic Mostrar puntuaciones por categoría Razonamiento 90.27 Programación 82.47 Programación con agentes 64.65 Matemáticas 83.92 Análisis de datos 79.90 Lenguaje 84.36 Seguimiento de instrucciones 70.99	Abacus.AI	79.51
14	GPT-6 Sol Max Effort Mostrar puntuaciones por categoría Razonamiento 88.65 Programación 81.77 Programación con agentes 52.88 Matemáticas 96.36 Análisis de datos 81.19 Lenguaje 85.30 Seguimiento de instrucciones 68.57	OpenAI	79.25
15	Kimi K3 Mostrar puntuaciones por categoría Razonamiento 90.67 Programación 81.45 Programación con agentes 62.17 Matemáticas 84.44 Análisis de datos 78.73 Lenguaje 85.53 Seguimiento de instrucciones 71.36	Moonshot AI	79.19
16	Gemini 3.7 Flash High Mostrar puntuaciones por categoría Razonamiento 87.80 Programación 78.89 Programación con agentes 58.28 Matemáticas 93.47 Análisis de datos 67.96 Lenguaje 85.45 Seguimiento de instrucciones 79.93	Google	78.83
17	Qwen 3.8 Max Mostrar puntuaciones por categoría Razonamiento 88.21 Programación 72.87 Programación con agentes 64.65 Matemáticas 91.31 Análisis de datos 78.41 Lenguaje 79.69 Seguimiento de instrucciones 74.08	Alibaba	78.46
18	Grok 4.6 xHigh Mostrar puntuaciones por categoría Razonamiento 90.51 Programación 76.78 Programación con agentes 57.02 Matemáticas 92.57 Análisis de datos 73.86 Lenguaje 83.70 Seguimiento de instrucciones 71.87	xAI	78.04
19	GPT-5.4 Thinking xHigh Effort Mostrar puntuaciones por categoría Razonamiento 88.12 Programación 77.54 Programación con agentes 53.84 Matemáticas 94.15 Análisis de datos 79.31 Lenguaje 82.63 Seguimiento de instrucciones 70.22	OpenAI	77.97
20	Muse Spark 1.2 xHigh Effort Mostrar puntuaciones por categoría Razonamiento 90.00 Programación 77.54 Programación con agentes 57.58 Matemáticas 91.20 Análisis de datos 76.46 Lenguaje 78.57 Seguimiento de instrucciones 74.33	Meta	77.95
21	GPT-5.6 Terra Max Effort Mostrar puntuaciones por categoría Razonamiento 90.63 Programación 78.25 Programación con agentes 54.95 Matemáticas 94.91 Análisis de datos 79.31 Lenguaje 82.89 Seguimiento de instrucciones 64.62	OpenAI	77.94
22	Claude Sonnet 5.5 xHigh Effort Mostrar puntuaciones por categoría Razonamiento 86.81 Programación 88.87 Programación con agentes 39.34 Matemáticas 96.69 Análisis de datos 78.62 Lenguaje 83.43 Seguimiento de instrucciones 70.52	Anthropic	77.75
23	DeepSeek V4 Pro 0813 Mostrar puntuaciones por categoría Razonamiento 85.84 Programación 77.16 Programación con agentes 54.95 Matemáticas 95.09 Análisis de datos 79.24 Lenguaje 82.07 Seguimiento de instrucciones 67.70	DeepSeek	77.44
23	Smaug Flash Mostrar puntuaciones por categoría Razonamiento 86.23 Programación 77.10 Programación con agentes 61.06 Matemáticas 90.06 Análisis de datos 79.12 Lenguaje 79.21 Seguimiento de instrucciones 69.26	Abacus.AI	77.44
25	Grok 4.7 xHigh Mostrar puntuaciones por categoría Razonamiento 82.65 Programación 77.16 Programación con agentes 53.99 Matemáticas 95.68 Análisis de datos 76.88 Lenguaje 80.14 Seguimiento de instrucciones 75.28	xAI	77.40
26	Gemini 3.1 Pro Preview High Mostrar puntuaciones por categoría Razonamiento 84.00 Programación 76.45 Programación con agentes 44.14 Matemáticas 91.04 Análisis de datos 78.54 Lenguaje 85.38 Seguimiento de instrucciones 79.10	Google	76.95
27	Smaug Mini Mostrar puntuaciones por categoría Razonamiento 82.81 Programación 75.43 Programación con agentes 60.81 Matemáticas 89.74 Análisis de datos 78.81 Lenguaje 77.00 Seguimiento de instrucciones 73.92	Abacus.AI	76.93
28	DeepSeek V4 Flash Vision Exp Mostrar puntuaciones por categoría Razonamiento 85.40 Programación 68.20 Programación con agentes 65.10 Matemáticas 87.81 Análisis de datos 79.48 Lenguaje 80.36 Seguimiento de instrucciones 70.96	DeepSeek	76.76
29	Claude 4.7 Opus Thinking xHigh Effort Mostrar puntuaciones por categoría Razonamiento 87.19 Programación 82.09 Programación con agentes 50.66 Matemáticas 92.85 Análisis de datos 78.26 Lenguaje 77.91 Seguimiento de instrucciones 66.74	Anthropic	76.53
30	Claude 4.8 Opus Thinking Max Effort Mostrar puntuaciones por categoría Razonamiento 89.19 Programación 81.83 Programación con agentes 50.50 Matemáticas 94.32 Análisis de datos 66.03 Lenguaje 79.66 Seguimiento de instrucciones 72.03	Anthropic	76.22
31	Qwen 3.8 Flash Next Mostrar puntuaciones por categoría Razonamiento 87.38 Programación 72.55 Programación con agentes 61.62 Matemáticas 85.82 Análisis de datos 74.24 Lenguaje 74.64 Seguimiento de instrucciones 77.11	Alibaba	76.19
32	GLM-5.3 Mostrar puntuaciones por categoría Razonamiento 85.80 Programación 78.95 Programación con agentes 60.91 Matemáticas 87.90 Análisis de datos 70.24 Lenguaje 79.86 Seguimiento de instrucciones 69.30	Z.AI	76.14
33	Claude Sonnet 5 xHigh Effort Mostrar puntuaciones por categoría Razonamiento 88.69 Programación 80.68 Programación con agentes 59.39 Matemáticas 92.94 Análisis de datos 71.74 Lenguaje 74.97 Seguimiento de instrucciones 63.86	Anthropic	76.04
34	Gemini 3.8 Flash High Mostrar puntuaciones por categoría Razonamiento 89.29 Programación 72.49 Programación con agentes 54.24 Matemáticas 91.56 Análisis de datos 54.01 Lenguaje 87.79 Seguimiento de instrucciones 81.41	Google	75.83
35	Grok 4.5 Mostrar puntuaciones por categoría Razonamiento 87.17 Programación 68.59 Programación con agentes 56.46 Matemáticas 90.82 Análisis de datos 73.04 Lenguaje 82.80 Seguimiento de instrucciones 71.53	xAI	75.77
36	Claude Sonnet 5.5 Max Effort Mostrar puntuaciones por categoría Razonamiento 91.63 Programación 91.37 Programación con agentes 56.31 Matemáticas 96.13 Análisis de datos 59.49 Lenguaje 77.98 Seguimiento de instrucciones 56.79	Anthropic	75.67
37	Muse Spark 1.1 xHigh Effort Mostrar puntuaciones por categoría Razonamiento 87.73 Programación 77.16 Programación con agentes 58.54 Matemáticas 87.14 Análisis de datos 72.55 Lenguaje 74.34 Seguimiento de instrucciones 69.64	Meta	75.30
38	Qwen3.8 27B Mostrar puntuaciones por categoría Razonamiento 80.03 Programación 75.69 Programación con agentes 61.36 Matemáticas 86.21 Análisis de datos 76.59 Lenguaje 74.35 Seguimiento de instrucciones 72.66	Alibaba	75.27
39	Gemini 3.5 Flash High Mostrar puntuaciones por categoría Razonamiento 82.00 Programación 78.18 Programación con agentes 48.99 Matemáticas 88.24 Análisis de datos 64.86 Lenguaje 84.58 Seguimiento de instrucciones 75.60	Google	74.64
40	GPT-5.2 High Mostrar puntuaciones por categoría Razonamiento 83.21 Programación 76.07 Programación con agentes 50.25 Matemáticas 93.17 Análisis de datos 78.16 Lenguaje 79.81 Seguimiento de instrucciones 61.77	OpenAI	74.63
41	Claude 4.6 Opus Thinking High Effort Mostrar puntuaciones por categoría Razonamiento 88.67 Programación 78.18 Programación con agentes 48.99 Matemáticas 89.32 Análisis de datos 69.89 Lenguaje 83.27 Seguimiento de instrucciones 63.31	Anthropic	74.52
42	DeepSeek V4 Flash 0731 Mostrar puntuaciones por categoría Razonamiento 86.63 Programación 74.98 Programación con agentes 46.77 Matemáticas 86.79 Análisis de datos 79.33 Lenguaje 79.17 Seguimiento de instrucciones 65.52	DeepSeek	74.17
43	GPT-5.2 Codex Mostrar puntuaciones por categoría Razonamiento 77.71 Programación 83.62 Programación con agentes 49.39 Matemáticas 88.77 Análisis de datos 78.20 Lenguaje 73.68 Seguimiento de instrucciones 66.45	OpenAI	73.98
44	Gemini 3.6 Flash High Mostrar puntuaciones por categoría Razonamiento 85.15 Programación 77.86 Programación con agentes 43.43 Matemáticas 86.40 Análisis de datos 63.00 Lenguaje 83.90 Seguimiento de instrucciones 75.37	Google	73.59
45	GPT-5.6 Luna Max Effort Mostrar puntuaciones por categoría Razonamiento 85.64 Programación 82.91 Programación con agentes 48.43 Matemáticas 87.20 Análisis de datos 78.03 Lenguaje 72.57 Seguimiento de instrucciones 60.12	OpenAI	73.56
46	GLM-5.2 Mostrar puntuaciones por categoría Razonamiento 78.63 Programación 79.65 Programación con agentes 51.77 Matemáticas 89.78 Análisis de datos 73.74 Lenguaje 76.24 Seguimiento de instrucciones 62.29	Z.AI	73.16
47	Qwen 3.7 Max Mostrar puntuaciones por categoría Razonamiento 83.34 Programación 74.22 Programación con agentes 43.59 Matemáticas 85.25 Análisis de datos 71.79 Lenguaje 79.74 Seguimiento de instrucciones 74.04	Alibaba	73.14
48	Claude 4.6 Sonnet Thinking Medium Effort Mostrar puntuaciones por categoría Razonamiento 84.77 Programación 79.27 Programación con agentes 42.63 Matemáticas 86.99 Análisis de datos 77.95 Lenguaje 76.10 Seguimiento de instrucciones 63.22	Anthropic	72.99
49	Claude 4.5 Opus Thinking High Effort Mostrar puntuaciones por categoría Razonamiento 80.09 Programación 79.65 Programación con agentes 39.70 Matemáticas 90.39 Análisis de datos 74.44 Lenguaje 81.26 Seguimiento de instrucciones 62.55	Anthropic	72.58
50	Claude Haiku 5.5 xHigh Effort Mostrar puntuaciones por categoría Razonamiento 81.23 Programación 76.39 Programación con agentes 51.36 Matemáticas 92.75 Análisis de datos 72.75 Lenguaje 63.52 Seguimiento de instrucciones 66.47	Anthropic	72.07
51	GPT-6 Luna Max Effort Mostrar puntuaciones por categoría Razonamiento 81.77 Programación 78.95 Programación con agentes 51.21 Matemáticas 89.12 Análisis de datos 73.37 Lenguaje 73.83 Seguimiento de instrucciones 55.93	OpenAI	72.03
52	Inkling xHigh Effort Mostrar puntuaciones por categoría Razonamiento 78.35 Programación 71.02 Programación con agentes 49.39 Matemáticas 88.36 Análisis de datos 72.78 Lenguaje 73.46 Seguimiento de instrucciones 70.10	Thinking Machines	71.92
53	Mistral Large 4 High Mostrar puntuaciones por categoría Razonamiento 83.94 Programación 77.16 Programación con agentes 57.17 Matemáticas 93.58 Análisis de datos 76.54 Lenguaje 49.64 Seguimiento de instrucciones 64.82	Mistral AI	71.84
54	GLM-5.3 Flash Mostrar puntuaciones por categoría Razonamiento 77.64 Programación 78.95 Programación con agentes 56.77 Matemáticas 81.24 Análisis de datos 76.40 Lenguaje 77.31 Seguimiento de instrucciones 52.82	Z.AI	71.59
55	deepseek-v4-pro Datos de presentación pendientes de verificación Mostrar puntuaciones por categoría Razonamiento 82.69 Programación 69.99 Programación con agentes 42.63 Matemáticas 90.68 Análisis de datos 74.54 Lenguaje 78.13 Seguimiento de instrucciones 62.35	No proporcionado	71.57
56	Kimi K2.6 Thinking Mostrar puntuaciones por categoría Razonamiento 79.38 Programación 78.57 Programación con agentes 46.92 Matemáticas 84.28 Análisis de datos 65.13 Lenguaje 75.14 Seguimiento de instrucciones 64.36	Moonshot AI	70.54
57	GPT-5.4 Nano xHigh Mostrar puntuaciones por categoría Razonamiento 81.10 Programación 70.84 Programación con agentes 46.77 Matemáticas 90.98 Análisis de datos 67.64 Lenguaje 62.51 Seguimiento de instrucciones 67.20	OpenAI	69.58
58	ox-alpha-max Mostrar puntuaciones por categoría Razonamiento 76.59 Programación 75.75 Programación con agentes 52.63 Matemáticas 77.53 Análisis de datos 75.77 Lenguaje 66.14 Seguimiento de instrucciones 60.25	Stealth	69.24
59	Qwen 3.6 Plus Mostrar puntuaciones por categoría Razonamiento 75.83 Programación 78.18 Programación con agentes 41.36 Matemáticas 83.72 Análisis de datos 69.91 Lenguaje 74.99 Seguimiento de instrucciones 58.34	Alibaba	68.91
60	Kimi K2.7 Code Mostrar puntuaciones por categoría Razonamiento 82.81 Programación 73.96 Programación con agentes 45.66 Matemáticas 79.60 Análisis de datos 62.66 Lenguaje 77.91 Seguimiento de instrucciones 56.29	Moonshot AI	68.41
61	Claude Haiku 5.5 Max Effort Mostrar puntuaciones por categoría Razonamiento 84.63 Programación 77.86 Programación con agentes 57.17 Matemáticas 86.44 Análisis de datos 51.78 Lenguaje 62.63 Seguimiento de instrucciones 54.66	Anthropic	67.88
62	Grok Build 0.1 Mostrar puntuaciones por categoría Razonamiento 76.37 Programación 65.39 Programación con agentes 45.81 Matemáticas 78.43 Análisis de datos 70.79 Lenguaje 72.46 Seguimiento de instrucciones 65.22	xAI	67.78
63	Nemotron 3 Ultra 550B A55B Mostrar puntuaciones por categoría Razonamiento 74.70 Programación 70.70 Programación con agentes 38.74 Matemáticas 88.66 Análisis de datos 54.46 Lenguaje 70.81 Seguimiento de instrucciones 73.45	NVIDIA	67.36
64	Minimax M3 Mostrar puntuaciones por categoría Razonamiento 74.48 Programación 68.20 Programación con agentes 40.66 Matemáticas 76.95 Análisis de datos 76.17 Lenguaje 76.84 Seguimiento de instrucciones 57.51	Minimax	67.26
65	GPT-5.4 Mini xHigh Mostrar puntuaciones por categoría Razonamiento 71.32 Programación 71.62 Programación con agentes 41.67 Matemáticas 78.46 Análisis de datos 70.79 Lenguaje 70.95 Seguimiento de instrucciones 59.80	OpenAI	66.37
66	deepseek-v4-flash Datos de presentación pendientes de verificación Mostrar puntuaciones por categoría Razonamiento 70.58 Programación 69.23 Programación con agentes 37.63 Matemáticas 79.65 Análisis de datos 68.02 Lenguaje 70.12 Seguimiento de instrucciones 63.14	No proporcionado	65.48
67	Qwen 3.6 27B Mostrar puntuaciones por categoría Razonamiento 70.28 Programación 71.78 Programación con agentes 39.29 Matemáticas 79.87 Análisis de datos 70.43 Lenguaje 63.30 Seguimiento de instrucciones 53.23	Alibaba	64.03
68	Gemini 3.5 Flash-Lite High Mostrar puntuaciones por categoría Razonamiento 60.19 Programación 76.07 Programación con agentes 45.25 Matemáticas 73.74 Análisis de datos 53.25 Lenguaje 71.82 Seguimiento de instrucciones 67.24	Google	63.94
69	Grok 4.3 Mostrar puntuaciones por categoría Razonamiento 70.82 Programación 69.93 Programación con agentes 18.54 Matemáticas 84.34 Análisis de datos 55.77 Lenguaje 73.58 Seguimiento de instrucciones 62.75	xAI	62.25

Cómo se calcula el ranking

Las puntuaciones tienen un máximo de 100. La puntuación general es la media de las medias de 7 categorías, todas con el mismo peso. La versión 2026-06-25 del benchmark incluye 23 tareas.

Se incluyen todas las configuraciones de modelos con puntuaciones numéricas completas en esta versión del benchmark. Si faltan datos de presentación, se muestra el identificador original del modelo en el CSV, sin deducir un nombre ni un proveedor. Una configuración no incluida o una puntuación ausente no implica una menor capacidad.

Solo se comparan puntuaciones de la misma fuente y versión del benchmark. Se conservan los nombres originales de los modelos y se muestran por separado las distintas configuraciones de razonamiento. El orden respeta las puntuaciones y la precisión de la fuente; los empates comparten posición. La puntuación general sigue el método oficial y se redondea a 2 decimales; las categorías se ordenan por sus medias sin redondear. El ranking no es una recomendación de productos ni compara precios, velocidad o capacidades de imagen.

La fecha de verificación no garantiza que el ranking use la última versión del benchmark. Las puntuaciones no abarcan todas las tareas.

La fuente se revisa cada 3 días según el calendario. La fecha de verificación solo cambia después de verificar los datos, superar el control de calidad y publicar la actualización.

Esta página utiliza datos oficiales de LiveBench. LessWork Lab edita los filtros, el ranking y las traducciones. Autores originales: LiveBench contributors. Los datos se comparten bajo CC BY-SA 4.0, con enlaces al ranking oficial, al CSV de origen y a la licencia.

Ver el ranking original · LiveBench CSV · CC BY-SA 4.0