Benchmarks de IA

Modelos de IA, comparados en calidad y costo.

Una vista práctica de las puntuaciones publicadas de modelos que te ayuda a comparar capacidad, fortalezas por categoría y coste de ejecución sin perder el detalle.

Ver el gráfico de valor Fuente del benchmark Última versión seleccionada · 25 jun 2026

¿Por qué modelo debería pagar?

Compara la puntuación con el coste por tarea en cada nivel de esfuerzo.

Cada línea representa un modelo y cada punto, un nivel de esfuerzo de razonamiento, de bajo a máximo. Más arriba significa más inteligente; más a la izquierda, más barato. La escalera azul conecta los niveles que ningún modelo más barato supera.

Datos registrados el 10 de noviembre de 2026 de Artificial Analysis, Artificial Analysis Intelligence Index v5.0.1.

Cómo leerlo

Más arriba significa una puntuación mayor en el Índice de Inteligencia; más a la derecha, más dinero por tarea. El eje del coste es logarítmico, así que cada línea de la cuadrícula representa diez veces la anterior.
Un punto en la escalera azul es la mejor compra para ese precio: ningún modelo más barato obtiene una puntuación mayor. Algo por debajo de la escalera queda superado por una opción más barata.
Una tarea es uno de los trabajos de prueba del punto de referencia; muchos son largos y tienen varios pasos. Usa el coste para comparar modelos, no para calcular tu presupuesto: un correo del día a día cuesta una pequeña parte.

Inteligencia frente al coste por tarea

Teclado: usa el tabulador para entrar en el gráfico; las flechas izquierda y derecha recorren una línea, las flechas arriba y abajo cambian de línea, Enter selecciona y Escape borra la selección.

Todos los puntos del gráfico: modelo, nivel de esfuerzo, Índice de inteligencia, coste por tarea y si es una de las mejores compras.
Modelo	Esfuerzo	Índice	Coste por tarea	Mejor compra
Claude Fable 5.2	bajo	54	3,10 US$	No
Claude Fable 5.2	medio	56	3,80 US$	Sí
Claude Fable 5.2	alto	62	9,08 US$	Sí
Claude Fable 5.2	xhigh	62	14,83 US$	Sí
Claude Fable 5.2	máximo	65	26,54 US$	Sí
Claude Opus 5.5	bajo	35	0,98 US$	No
Claude Opus 5.5	medio	48	2,45 US$	No
Claude Opus 5.5	alto	52	3,47 US$	No
Claude Opus 5.5	xhigh	57	6,05 US$	Sí
Claude Opus 5.5	máximo	59	10,04 US$	No
Claude Sonnet 5.5	bajo	26	0,51 US$	No
Claude Sonnet 5.5	medio	31	0,78 US$	No
Claude Sonnet 5.5	alto	42	1,64 US$	No
Claude Sonnet 5.5	xhigh	50	4,09 US$	No
Claude Sonnet 5.5	máximo	55	10,02 US$	No
Claude Haiku 5.5	bajo	19	0,044 US$	Sí
Claude Haiku 5.5	medio	25	0,092 US$	No
Claude Haiku 5.5	alto	30	0,16 US$	No
Claude Haiku 5.5	xhigh	35	0,25 US$	No
Claude Haiku 5.5	máximo	37	0,41 US$	No
GPT-6 Astra	bajo	43	1,42 US$	No
GPT-6 Astra	medio	52	2,73 US$	No
GPT-6 Astra	alto	55	3,24 US$	Sí
GPT-6 Astra	xhigh	55	3,66 US$	Sí
GPT-6 Astra	máximo	57	6,25 US$	No
GPT-6.1 Sol	bajo	35	0,16 US$	No
GPT-6.1 Sol	medio	46	0,36 US$	Sí
GPT-6.1 Sol	alto	50	0,59 US$	Sí
GPT-6.1 Sol	xhigh	53	0,76 US$	Sí
GPT-6.1 Sol	máximo	55	1,27 US$	Sí
GPT-6.1 Terra	bajo	29	0,071 US$	Sí
GPT-6.1 Terra	medio	38	0,17 US$	Sí
GPT-6.1 Terra	alto	42	0,26 US$	Sí
GPT-6.1 Terra	xhigh	45	0,40 US$	No
GPT-6.1 Terra	máximo	51	0,96 US$	No
GPT-6 Luna	bajo	10	0,005 US$	Sí
GPT-6 Luna	medio	18	0,042 US$	Sí
GPT-6 Luna	alto	21	0,073 US$	No
GPT-6 Luna	xhigh	23	0,10 US$	No
GPT-6 Luna	máximo	28	0,15 US$	No
Gemini 4 Carbon	bajo	54	7,19 US$	No
Gemini 4 Carbon	medio	58	6,59 US$	Sí
Gemini 4 Carbon	alto	60	7,76 US$	Sí
Gemini 4 Argon	alto	50	9,95 US$	No
Gemini 3.8 Flash	medio	30	6,26 US$	No
Gemini 3.8 Flash	alto	31	7,77 US$	No
DeepSeek V4.1 Flash 1017	alto	29	0,46 US$	No
DeepSeek V4.1 Flash 1017	máximo	33	0,60 US$	No
Grok 4.7	bajo	31	2,92 US$	No
Grok 4.7	alto	35	6,18 US$	No
Grok 4.7	xhigh	36	7,77 US$	No
Kimi K3.1 Pro	predeterminado	47	3,68 US$	No
Muse Ember 1.0	máximo	36	0,14 US$	Sí
Mistral Large 4	medio	23	1,41 US$	No
Mistral Large 4	alto	26	2,06 US$	No

Fuentes y notas

Cada punto se ha copiado de la página de su modelo en Artificial Analysis: el Índice de inteligencia y el coste por tarea del índice publicados por Artificial Analysis, al precio de lista del proveedor e incluyendo el almacenamiento en caché. Dapols solo calcula la escalera, la opción con mejor relación calidad-precio y el consejo comparativo. Solo se muestran los niveles de esfuerzo que Artificial Analysis ha probado. Por eso, una línea corta indica que hay menos niveles publicados, no que falte una medición.

La línea de Gemini 4 Carbon vuelve sobre sí misma: Artificial Analysis midió que el nivel bajo cuesta más por tarea que el medio. Se muestra tal como se publicó.

Gemini 3.8 Flash con nivel de esfuerzo bajo obtiene 23 en Artificial Analysis, que todavía no ha publicado su coste por tarea, así que no aparece en el gráfico. artificialanalysis.ai

Cómo calcula Artificial Analysis el índice

Claude Fable 5.2 bajo · medio · alto · xhigh · máximo
Claude Opus 5.5 bajo · medio · alto · xhigh · máximo
Claude Sonnet 5.5 bajo · medio · alto · xhigh · máximo
Claude Haiku 5.5 bajo · medio · alto · xhigh · máximo
GPT-6 Astra bajo · medio · alto · xhigh · máximo
GPT-6.1 Sol bajo · medio · alto · xhigh · máximo
GPT-6.1 Terra bajo · medio · alto · xhigh · máximo
GPT-6 Luna bajo · medio · alto · xhigh · máximo
Gemini 4 Carbon bajo · medio · alto
Gemini 4 Argon alto
Gemini 3.8 Flash medio · alto
DeepSeek V4.1 Flash 1017 alto · máximo
Grok 4.7 bajo · alto · xhigh
Kimi K3.1 Pro predeterminado
Muse Ember 1.0 máximo
Mistral Large 4 medio · alto

Últimas actualizaciones de modelos y benchmarks

La tabla de clasificación en esta página es la versión del 25 de junio de LiveBench, recapturada el 22 de septiembre de 2026. Ahora incluye Grok 4.7 xHigh y DeepSeek V4.1 Flash Max Effort. Las notas de los modelos a continuación provienen de las propias páginas de los proveedores, etiquetadas como tales.

Grok 4.6

El mismo precio de API que Grok 4.5: $2 / $6. xAI informa un Artificial Analysis Intelligence Index de 61 — empatado con GPT-5.6 Sol Max, un punto por detrás de Fable 5 Max. Fuerte en trabajo de conocimiento; 26% en Terminal-Bench v3.

Leer el briefing de Grok 4.6

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash sustituyó a V4 Flash el 10 sep 2026 con el nuevo id de API deepseek-flash, a $0.15 / $0.60 por 1M de tokens fuera de hora punta y $0.30 / $1.20 en hora punta. Desde el 14 sep, las solicitudes a V4 Pro también se redirigen a él, así que cambia el id del modelo ya. Todavía no aparece en LiveBench.

Verlo en el rastreador de modelos

Las filas de la tabla de clasificación provienen solo de datos publicados de LiveBench. No inventamos puntuaciones.

Best overall

Claude Fable 5.1 Max Effort leads this snapshot at 83.4 overall, $1.212 per successful task.

Best value per task

ox-alpha-max runs at $0.000 per successful task and still scores 69.2 overall.

Best open weights

DeepSeek V4.1 Flash Max Effort is the strongest open-weight model here at 81.1 overall — the option you can host yourself.

Best per capability

If your work is mostly one kind of task, these lead their category in this snapshot.

Razonamiento: GPT-6 Astra Max Effort 92.7
Programación: Claude 5.5 Opus Thinking Max Effort 89.3
Programación agéntica: DeepSeek V4.1 Flash Max Effort 77.3
Matemáticas: Claude 5.5 Opus Thinking Max Effort 97.1
Análisis de datos: GPT-6 Astra Max Effort 83.0
Lenguaje: Claude Fable 5 Max Effort 90.7
Seguimiento de instrucciones: Gemini 3.8 Flash High 81.4

Every number above comes from the 2026-06-25 release dated 2026-06-25, published by a third-party benchmark and reproduced unaltered.

Quién destaca en la clasificación de abajo.

El gráfico de modelos más avanzados, al principio de la página, responde a qué modelo merece la pena pagar. Este gráfico clasifica los modelos de la instantánea de la clasificación según su puntuación, para que veas cuánta distancia hay entre los líderes.

Cómo se clasifican

Más largo es mejor. Las barras muestran la puntuación de General sobre 100; la cifra al lado de cada barra es el valor exacto. Selecciona una fila para llevar ese modelo al gráfico de costos a continuación.

Mostrando los 12 primeros de 58. Cambia a la vista de comparación completa para ver todos los modelos.

Perfil de categoría

Elige hasta tres modelos de la tabla de clasificación para comparar sus puntuaciones en siete categorías.

Claude Fable 5.1 Max Effort83.4
ox-alpha-max69.2
DeepSeek V4.1 Flash Max Effort81.1

Razonamiento91.776.686.7
Programación86.475.880.0
Programación agéntica66.152.677.3
Matemáticas97.077.593.3
Análisis de datos80.375.879.3
Lenguaje89.566.181.2
Seguimiento de instrucciones73.060.370.0

Cada categoría va de 0 a 100. Más a la derecha es más fuerte; la cifra en negrita es el líder en esa fila.

Leer estas puntuaciones como tabla

Perfil de categoría
Categoría	Claude Fable 5.1 Max Effort	ox-alpha-max	DeepSeek V4.1 Flash Max Effort
Razonamiento	91.7	76.6	86.7
Programación	86.4	75.8	80.0
Programación agéntica	66.1	52.6	77.3
Matemáticas	97.0	77.5	93.3
Análisis de datos	80.3	75.8	79.3
Lenguaje	89.5	66.1	81.2
Seguimiento de instrucciones	73.0	60.3	70.0

Tabla de clasificación

Ordena cada categoría, reduce la lista y abre un modelo para ver su desglose de subtareas publicado.

01
Claude Fable 5.1 Max Effort
Anthropic
83.4
General
1,212 US$
por tarea exitosa
Matemáticas97.0Razonamiento91.7Lenguaje89.5
02
Claude 5.5 Opus Thinking Max Effort
Anthropic
83.2
General
0,799 US$
por tarea exitosa
Matemáticas97.1Razonamiento92.2Programación89.3
03
Claude Fable 5 Max Effort
Anthropic
83.0
General
1,439 US$
por tarea exitosa
Matemáticas96.0Lenguaje90.7Razonamiento89.7
04
GPT-6 Astra Max Effort
OpenAI
82.2
General
0,736 US$
por tarea exitosa
Matemáticas96.8Razonamiento92.7Lenguaje89.4
05
GPT-6.1 Sol Max Effort
OpenAI
81.6
General
0,142 US$
por tarea exitosa
Matemáticas96.8Razonamiento92.6Lenguaje90.1
06
Muse Spark 1.3 xHigh Effort
Meta
81.6
General
0,219 US$
por tarea exitosa
Matemáticas95.9Razonamiento89.7Lenguaje82.8
07
DeepSeek V4.1 Flash Max Effort
abierto
DeepSeek
81.1
General
0,029 US$
por tarea exitosa
Matemáticas93.3Razonamiento86.7Lenguaje81.2
08
GPT-5.6 Sol Max Effort
OpenAI
81.0
General
0,515 US$
por tarea exitosa
Matemáticas96.2Razonamiento91.7Lenguaje87.7
09
GPT-5.5 Thinking xHigh Effort
OpenAI
80.2
General
0,435 US$
por tarea exitosa
Matemáticas95.9Razonamiento89.7Lenguaje87.4
10
Claude 5 Opus Thinking Max Effort
Anthropic
80.1
General
0,699 US$
por tarea exitosa
Matemáticas95.7Razonamiento91.2Lenguaje88.7
11
GPT-6 Sol Max Effort
OpenAI
79.3
General
0,268 US$
por tarea exitosa
Matemáticas96.4Razonamiento88.7Lenguaje85.3
12
Kimi K3
abierto
Moonshot AI
79.2
General
0,348 US$
por tarea exitosa
Razonamiento90.7Lenguaje85.5Matemáticas84.4
13
Gemini 3.7 Flash High
Google
78.8
General
0,157 US$
por tarea exitosa
Matemáticas93.5Razonamiento87.8Lenguaje85.5
14
Qwen 3.8 Max
abierto
Alibaba
78.5
General
0,275 US$
por tarea exitosa
Matemáticas91.3Razonamiento88.2Lenguaje79.7
15
Muse Spark 1.2 xHigh Effort
Meta
78.0
General
0,375 US$
por tarea exitosa
Matemáticas91.2Razonamiento90.0Lenguaje78.6
16
Grok 4.6 xHigh
xAI
78.0
General
0,207 US$
por tarea exitosa
Matemáticas92.6Razonamiento90.5Lenguaje83.7
17
GPT-5.4 Thinking xHigh Effort
OpenAI
78.0
General
0,387 US$
por tarea exitosa
Matemáticas94.1Razonamiento88.1Lenguaje82.6
18
GPT-5.6 Terra Max Effort
OpenAI
77.9
General
0,352 US$
por tarea exitosa
Matemáticas94.9Razonamiento90.6Lenguaje82.9
19
Claude Sonnet 5.5 xHigh Effort
Anthropic
77.8
General
0,141 US$
por tarea exitosa
Matemáticas96.7Programación88.9Razonamiento86.8
20
DeepSeek V4 Pro 0813
abierto
DeepSeek
77.4
General
0,044 US$
por tarea exitosa
Matemáticas95.1Razonamiento85.8Lenguaje82.1
21
Grok 4.7 xHigh
xAI
77.4
General
0,718 US$
por tarea exitosa
Matemáticas95.7Razonamiento82.7Lenguaje80.1
22
Gemini 3.1 Pro Preview High
Google
77.0
General
0,286 US$
por tarea exitosa
Matemáticas91.0Lenguaje85.4Razonamiento84.0
23
DeepSeek V4 Flash Vision Exp
abierto
DeepSeek
76.8
General
0,051 US$
por tarea exitosa
Matemáticas87.8Razonamiento85.4Lenguaje80.4
24
Claude 4.7 Opus Thinking xHigh Effort
Anthropic
76.5
General
0,528 US$
por tarea exitosa
Matemáticas92.9Razonamiento87.2Programación82.1
25
Claude 4.8 Opus Thinking Max Effort
Anthropic
76.2
General
0,983 US$
por tarea exitosa
Matemáticas94.3Razonamiento89.2Programación81.8
26
Qwen 3.8 Flash Next
abierto
Alibaba
76.2
General
0,042 US$
por tarea exitosa
Razonamiento87.4Matemáticas85.8Seguimiento de instrucciones77.1
27
GLM-5.3
abierto
Z.AI
76.1
General
0,450 US$
por tarea exitosa
Matemáticas87.9Razonamiento85.8Lenguaje79.9
28
Claude Sonnet 5 xHigh Effort
Anthropic
76.0
General
0,505 US$
por tarea exitosa
Matemáticas92.9Razonamiento88.7Programación80.7
29
Grok 4.5
xAI
75.8
General
0,131 US$
por tarea exitosa
Matemáticas90.8Razonamiento87.2Lenguaje82.8
30
Gemini 3.8 Flash High
Google
75.8
General
0,307 US$
por tarea exitosa
Matemáticas91.6Razonamiento89.3Lenguaje87.8
31
Qwen3.8 27B
abierto
Alibaba
75.3
General
0,094 US$
por tarea exitosa
Matemáticas86.2Razonamiento80.0Análisis de datos76.6
32
Muse Spark 1.1 xHigh Effort
Meta
75.3
General
0,198 US$
por tarea exitosa
Razonamiento87.7Matemáticas87.1Programación77.2
33
GPT-5.2 High
OpenAI
74.6
General
0,234 US$
por tarea exitosa
Matemáticas93.2Razonamiento83.2Lenguaje79.8
34
Gemini 3.5 Flash High
Google
74.6
General
0,249 US$
por tarea exitosa
Matemáticas88.2Lenguaje84.6Razonamiento82.0
35
Claude 4.6 Opus Thinking High Effort
Anthropic
74.5
General
0,404 US$
por tarea exitosa
Matemáticas89.3Razonamiento88.7Lenguaje83.3
36
DeepSeek V4 Flash 0731
abierto
DeepSeek
74.2
General
0,060 US$
por tarea exitosa
Matemáticas86.8Razonamiento86.6Análisis de datos79.3
37
GPT-5.2 Codex
OpenAI
74.0
General
0,187 US$
por tarea exitosa
Matemáticas88.8Programación83.6Análisis de datos78.2
38
GPT-5.6 Luna Max Effort
OpenAI
73.6
General
0,169 US$
por tarea exitosa
Matemáticas87.2Razonamiento85.6Programación82.9
39
Gemini 3.6 Flash High
Google
73.6
General
0,235 US$
por tarea exitosa
Matemáticas86.4Razonamiento85.1Lenguaje83.9
40
GLM-5.2
abierto
Z.AI
73.2
General
0,225 US$
por tarea exitosa
Matemáticas89.8Programación79.7Razonamiento78.6
41
Qwen 3.7 Max
Alibaba
73.1
General
0,182 US$
por tarea exitosa
Matemáticas85.2Razonamiento83.3Lenguaje79.7
42
Claude 4.6 Sonnet Thinking Medium Effort
Anthropic
73.0
General
0,306 US$
por tarea exitosa
Matemáticas87.0Razonamiento84.8Programación79.3
43
Claude 4.5 Opus Thinking High Effort
Anthropic
72.6
General
0,610 US$
por tarea exitosa
Matemáticas90.4Lenguaje81.3Razonamiento80.1
44
GPT-6 Luna Max Effort
OpenAI
72.0
General
0,026 US$
por tarea exitosa
Matemáticas89.1Razonamiento81.8Programación79.0
45
Inkling xHigh Effort
abierto
Thinking Machines
71.9
General
0,310 US$
por tarea exitosa
Matemáticas88.4Razonamiento78.3Lenguaje73.5
46
GLM-5.3 Flash
abierto
Z.AI
71.6
General
0,031 US$
por tarea exitosa
Matemáticas81.2Programación79.0Razonamiento77.6
47
Kimi K2.6 Thinking
abierto
Moonshot AI
70.5
General
0,169 US$
por tarea exitosa
Matemáticas84.3Razonamiento79.4Programación78.6
48
GPT-5.4 Nano xHigh
OpenAI
69.6
General
0,091 US$
por tarea exitosa
Matemáticas91.0Razonamiento81.1Programación70.8
49
ox-alpha-max
Stealth
69.2
General
0,000 US$
por tarea exitosa
Matemáticas77.5Razonamiento76.6Programación75.8
50
Qwen 3.6 Plus
Alibaba
68.9
General
0,227 US$
por tarea exitosa
Matemáticas83.7Programación78.2Razonamiento75.8
51
Kimi K2.7 Code
abierto
Moonshot AI
68.4
General
0,100 US$
por tarea exitosa
Razonamiento82.8Matemáticas79.6Lenguaje77.9
52
Grok Build 0.1
xAI
67.8
General
0,024 US$
por tarea exitosa
Matemáticas78.4Razonamiento76.4Lenguaje72.5
53
Nemotron 3 Ultra 550B A55B
abierto
NVIDIA
67.4
General
0,371 US$
por tarea exitosa
Matemáticas88.7Razonamiento74.7Seguimiento de instrucciones73.4
54
Minimax M3
Minimax
67.3
General
0,060 US$
por tarea exitosa
Matemáticas76.9Lenguaje76.8Análisis de datos76.2
55
GPT-5.4 Mini xHigh
OpenAI
66.4
General
0,334 US$
por tarea exitosa
Matemáticas78.5Programación71.6Razonamiento71.3
56
Qwen 3.6 27B
abierto
Alibaba
64.0
General
0,202 US$
por tarea exitosa
Matemáticas79.9Programación71.8Análisis de datos70.4
57
Gemini 3.5 Flash-Lite High
Google
63.9
General
0,069 US$
por tarea exitosa
Programación76.1Matemáticas73.7Lenguaje71.8
58
Grok 4.3
xAI
62.3
General
0,061 US$
por tarea exitosa
Matemáticas84.3Lenguaje73.6Razonamiento70.8

El coste es la métrica de coste por tarea exitosa proporcionada por la fuente para el alcance seleccionado.

Las puntuaciones son una instantánea de un benchmark público de terceros, reproducido sin alteraciones. Dapols añade el análisis de coste por tarea exitosa.Ver fuente

A benchmark rank is not a hiring decision.

These scores say which model is strongest at a set of held-out tasks. They don’t say which one fits your workflow, your budget, or the tools you already pay for — and the cheapest model that clears your bar usually beats the highest scorer.

What changed recently

Dated releases from every major lab, with the vendor's own claims labelled as claims.

Open

What it costs to run

Our tool catalogue carries the price we last verified and the date we checked it.

Open

What to actually build

A deployment plan picks the stack for one workflow at your budget — models included.

Open