NUEVOAdded Agnes 3.0 Flash & DeepSeek V4.1 Flash
Análisis independiente de modelos de IA
Comprende el panorama de la IA de frontera para elegir el modelo base óptimo, el nivel de precios y el proveedor de inferencia multinube para tu caso de uso.
- Modelos clasificados
- 767
- Categorías
- 18
- Fuentes de datos
- 5
Destacados
01 · Rankings en tiempo real
Modelos Principales
Top 10 modelos por puntuación Podium
Ver Todos →| # | Modelo | Podium Score |
|---|---|---|
| 01 | Claude Mythos Preview Anthropic · Proprietary | 97.4 |
| 02 | Claude 5.5 Sonnet Anthropic · Proprietary | 94.8 |
| 03 | Kimi K3.1 Pro Moonshot AI · Open Weights | 94.2 |
| 4 | Eleven Multilingual v3 ElevenLabs · Proprietary | 94.0 |
| 5 | FLUX.2 Pro Black Forest Labs · Proprietary | 93.8 |
| 6 | Gemini 4 Argon Google · Proprietary | 93.6 |
| 7 | Claude Fable 5 Anthropic · Proprietary | 93.4 |
| 8 | GPT-Image 2 OpenAI · Proprietary | 93.1 |
| 9 | Grok Imagine Quality xAI · Proprietary | 92.6 |
| 10 | ElevenLabs Scribe v2 ElevenLabs · Proprietary | 92.5 |
02 · Dominios de evaluación
Mejores por Caso de Uso
Código
Ingeniería de código a nivel de repositorio: SWE-Bench, LiveCodeBench, SciCode, Terminal-Bench, HumanEval.
Líder: Claude Fable 5.1
Matemáticas
De matemática de competición a frontera: AIME, MATH, FrontierMath.
Líder: Claude Mythos Preview
Razonamiento
Razonamiento profundo y ciencia: GPQA Diamond, HLE, ARC-AGI-2.
Líder: Claude Mythos Preview
Agéntico
Uso autónomo de herramientas: OSWorld, Toolathlon, MCP Atlas, τ²-Bench.
Líder: Kimi K3
Conocimiento
Conocimiento factual y anti-alucinación: SimpleQA, MMLU-Pro, MMMLU.
Líder: Claude Mythos Preview
Multimodal
Comprensión visual y de documentos: MMMU, CharXiv, ScreenSpot-Pro.
Líder: Claude Mythos Preview
03 · Investigación y análisis
Últimos Artículos
04 · FAQ
Preguntas Frecuentes
Cada modelo recibe un Podium Score (0–100): una combinación ponderada de cuatro señales: 35% Arena Elo de comparaciones humanas, 30% promedio de benchmarks, 20% índice de inteligencia de Artificial Analysis y 15% puntuación de LLM Stats.
Claude Mythos Preview lidera el podio con una puntuación de 97.4. Le siguen Claude 5.5 Sonnet (94.8) y Kimi K3.1 Pro (94.2).
Curamos 767 modelos principales en 18 categorías, más la tabla completa de la arena con 722 modelos.
De cinco clasificaciones públicas: Arena.ai, Artificial Analysis, LLM Stats, Vellum Leaderboard, LLMBase. Cada fuente se resincroniza semanalmente.