Clasificación

Clasificación: Razonamiento científico

Razonamiento científico de posgrado: GPQA, HLE, SciCode.

General738 Código437 Matemáticas56 Razonamiento451 Agéntico55 Conocimiento450 Multimodal420 Agentes de código55 Razonamiento científico82 Multilingüe12 Escritura61 Chat y asistentes61 Investigación85 Llamada de herramientas32 Contexto largo82 Velocidad440 Valor439 Pesos abiertos173

82 modelos

#	Modelo	Podium Score	GPQA Diamond	Humanity’s Last Exam	SciCode	Velocidad
01	Seed 2.0 Pro ByteDance	88.9	88.9%	—	—	40 t/s
02	GPT-5.1 OpenAI	88.1	88.1%	—	—	60 t/s
03	Claude Opus 4.5 Anthropic	87.0	87%	—	—	50 t/s
4	Qwen3.5 122B-A10B Alibaba · Abierto	86.6	86.6%	—	—	126 t/s
5	GPT-5 OpenAI	85.7	85.7%	—	—	60 t/s
6	Qwen3.8 Flash Next Alibaba · Abierto	81.0	81%	—	—	168 t/s
7	Claude Mythos Preview Anthropic · razonamiento · vista previa	79.7	94.6%	64.7%	—	80 t/s
8	GLM-5.3 Flash Z.ai · Abierto	78.5	78.5%	—	—	182 t/s
9	GPT-6 Astra OpenAI · razonamiento	74.6	96%	53.2%	—	82 t/s
10	Claude Opus 4.7 Anthropic	74.5	94.2%	54.7%	—	80 t/s
11	Grok 4 Heavy xAI · vista previa	69.6	88.4%	50.7%	—	50 t/s
12	Claude Sonnet 4.6 Anthropic	69.5	89.9%	49%	—	50 t/s
13	Kimi K3 Moonshot AI · Abierto · razonamiento	69.4	93.5%	56%	58.7%	37 t/s
14	Claude Fable 5 Anthropic · razonamiento	68.7	92.6%	53.3%	60.2%	71 t/s
15	Claude Opus 4.8 Anthropic	68.3	93.6%	57.9%	53.5%	50 t/s
16	Gemini 3.1 Pro Google	68.2	94.3%	51.4%	59%	136 t/s
17	Qwen3.8 Max Alibaba	68.1	92.6%	43.6%	—	55 t/s
18	Granite 4.2 30B Instruct IBM · Abierto	68.0	68%	—	—	78 t/s
19	GPT-5.5 OpenAI	67.3	93.6%	52.2%	56.1%	60 t/s
20	Claude Opus 5 Anthropic	67.2	93.2%	52.6%	55.7%	60 t/s
21	GLM-5.1 Z.ai · Abierto	67.0	67%	—	—	74 t/s
22	Gemini 3 Flash Google	67.0	90.4%	43.5%	—	120 t/s
23	Claude Sonnet 4.6 (max) Anthropic	67.0	67%	—	—	50 t/s
24	Muse Spark Meta	66.5	89.5%	58.4%	51.5%	80 t/s
25	GPT-5.4 OpenAI	66.3	92.8%	39.8%	—	60 t/s
26	GPT-5.6 Sol OpenAI	66.0	94.6%	47.2%	56.1%	72 t/s
27	GLM-5.2 Z.ai · Abierto	65.5	91.2%	54.7%	50.5%	164 t/s
28	Gemini 3 Pro Google	64.6	91.9%	45.8%	56.1%	120 t/s
29	Muse Spark 1.1 Meta	64.4	89.8%	45.1%	58.2%	208 t/s
30	MiniMax-M2.7 MiniMax	64.0	64%	—	—	40 t/s
31	GPT-5.2 OpenAI	63.5	92.4%	34.5%	—	90 t/s
32	Claude Opus 4.6 Anthropic	63.4	91.3%	53.1%	45.7%	50 t/s
33	GPT-5.6 Terra OpenAI	62.9	92.9%	41.8%	53.9%	127 t/s
34	Grok 4.5 xAI	62.5	93%	40.3%	54.1%	59 t/s
35	Qwen3.7 Max Alibaba	62.4	92.4%	41.4%	53.5%	203 t/s
36	Gemini 3.5 Flash Google	62.1	92.2%	41%	53.1%	267 t/s
37	DeepSeek V4.1 Flash DeepSeek · Abierto · razonamiento	62.0	62%	—	—	214 t/s
38	GPT-5.3 Codex OpenAI	61.5	91.5%	39.9%	53.2%	118 t/s
39	Gemini 3.6 Flash Google	61.3	92.8%	38.3%	52.7%	233 t/s
40	DeepSeek V4 Flash DeepSeek · Abierto	61.0	88.1%	45.1%	49.9%	113 t/s
41	GPT-5.6 Luna OpenAI	60.7	92.3%	37.2%	52.5%	175 t/s
42	DeepSeek V4 Pro DeepSeek · Abierto	60.2	90.1%	48.2%	42.4%	66 t/s
43	Kimi K2.6 Moonshot AI · Abierto	59.7	90.5%	36.4%	52.2%	40 t/s
44	Qwen3.7 Plus Alibaba	58.8	90.3%	34.7%	51.3%	54 t/s
45	Qwen3.5 397B-A17B Alibaba · Abierto	58.6	88.4%	28.7%	—	71 t/s
46	MiniMax M3 MiniMax	58.5	92.9%	37.1%	45.4%	93 t/s
47	MiMo V2.5 Pro Xiaomi · Abierto	56.9	86.6%	33.8%	50.2%	65 t/s
48	Kimi K2.7 Code Moonshot AI · Abierto	56.6	89.6%	32.8%	47.5%	39 t/s
49	Hunyuan Hy3 Tencent	56.5	90.4%	31.6%	47.6%	69 t/s
50	Inkling Thinking Machines	54.3	87.2%	29.7%	46.1%	81 t/s
51	Granite 4.2 8B Instruct IBM · Abierto	54.0	54%	—	—	115 t/s
52	Qwen3.6 Plus Alibaba	53.3	90.4%	28.8%	40.7%	55 t/s
53	Nemotron 3 Ultra 550B NVIDIA · Abierto	51.2	87%	26.6%	39.9%	142 t/s
54	Mistral Medium 3.5 Mistral	51.0	51%	—	—	60 t/s
55	Agnes 3.0 Flash Agnes · razonamiento	49.0	49%	—	—	235 t/s
56	Claude Sonnet 5 Anthropic	48.8	80%	17.8%	48.6%	96 t/s
57	Claude 4.5 Haiku Anthropic	48.0	48%	—	—	80 t/s
58	Nova 2.0 Pro Preview Amazon · vista previa	46.0	46%	—	—	40 t/s
59	Agnes 2.5 Pro Beta Agnes	45.0	45%	—	—	65 t/s
60	GPT-oss-120B OpenAI · Abierto	43.0	43%	—	—	240 t/s
61	Granite 4.2 3B Instruct IBM · Abierto	42.0	42%	—	—	148 t/s
62	DeepSeek V4 Flash Vision DeepSeek	36.0	36%	—	—	120 t/s
63	G9v3-39A5B AI9Stars · Abierto	36.0	36%	—	—	60 t/s
64	G9v3-3B AI9Stars · Abierto	36.0	36%	—	—	60 t/s
65	GLM-5.3 Zhipu AI	36.0	36%	—	—	90 t/s
66	Grok 4.6 (low) xAI	36.0	36%	—	—	59 t/s
67	Grok 4.6 (medium) xAI	36.0	36%	—	—	59 t/s
68	Grok 4.6 (xhigh) xAI	36.0	36%	—	—	62 t/s
69	HyperNova 60B Multiverse · Abierto	36.0	36%	—	—	367 t/s
70	KAT-Coder-Pro V2 Kwai	36.0	36%	—	—	103 t/s
71	LFM2.5-2.6B Liquid AI · Abierto	36.0	36%	—	—	60 t/s
72	LFM2.5-8B-A1B Liquid AI · Abierto	36.0	36%	—	—	338 t/s
73	LFM2.5-VL-1.6B Liquid AI · Abierto	36.0	36%	—	—	395 t/s
74	LongCat 2.0 LongCat · Abierto	36.0	36%	—	—	42 t/s
75	Magistral Small 1.2 Mistral · Abierto	36.0	36%	—	—	60 t/s
76	Qwen3.8 27B (xhigh) Alibaba · Abierto	36.0	36%	—	—	53 t/s
77	Qwen3.8 27B (low) Alibaba · Abierto	36.0	36%	—	—	64 t/s
78	Qwen3.8 27B (medium) Alibaba · Abierto	36.0	36%	—	—	62 t/s
79	Qwen3.8 27B (Non-reasoning) Alibaba · Abierto · razonamiento	36.0	36%	—	—	62 t/s
80	Solar Pro 3 Upstage	34.0	34%	—	—	40 t/s
81	GPT-oss-20B OpenAI · Abierto	32.0	32%	—	—	90 t/s
82	K2 Think V2 K2	31.0	31%	—	—	40 t/s

Podium Score es una mezcla ponderada de cinco clasificaciones. Consulta la Metodología para más detalles.