El precio de lanzamiento de Argon oculta su costo real. Su tarea de $1,99 pasa a $3,98 con el precio estándar, porque usa unos 62.000 tokens de salida por tarea frente a los 27.000 de Astra.
Volver a la tendencia del día: Google lanza su IA más inteligente hasta ahora, y 10,000 científicos la tendrán gratis
Ranking Poly · de la tendencia del día
Ranking de los 10 mejores modelos de IA de octubre de 2026: Gemini 4 Argon contra Claude
Gemini 4 Argon gana la votación ciega de personas con 1.525 puntos y 12 de las 18 pruebas propias de Google, pero GPT-6.1 Sol queda a solo un punto del índice por $0,72 por tarea, alrededor de una quinta parte de los $3,98 de Argon cuando termine el precio de lanzamiento.
- N.º 1: Gemini 4 Argon
- 10 puestos
01Lista final
Las IA líderes armaron cada una su propia lista de diez, de forma independiente. Aquí hay un resultado fácil de comprobar: cada puesto tiene un motivo, una fuente y la lista de IA que lo incluyeron.
Orden: de mayor a menor acuerdo entre las IA.
Una etiqueta brillante significa que esa IA puso el elemento en su lista. Una tenue, que no.
- 1
Gemini 4 Argon
Primero en la votación ciega con 1.525 y en 12 de las 18 pruebas de Google, pero solo obtiene 53 en el índice. Su costo de $1,99 por tarea se duplica a $3,98 cuando termina el precio de lanzamiento.
Lo incluyeron: Claude, ChatGPT, Gemini, Kimi, DeepSeek.En sus listas: Claude: 4 · ChatGPT: 2 · Gemini: 1 · Kimi: 3 · DeepSeek: 4
Qué señaló cada IA 5
- Claudepuesto 4
Primero en la votación de Arena (alrededor de 1524), pero 5 puntos del índice por debajo de Opus 5.5. Su costo de $1,99 por tarea casi se duplica, hasta unos $3,98, cuando termina el precio de introducción.
Fuente ↗ - ChatGPTpuesto 2
Artificial Analysis informa un 53 en su Intelligence Index y un costo de $1,99 para ejecutar ese índice. El precio de lanzamiento de la API de Google fue la mitad de su precio estándar declarado.
Fuente ↗ - Geminipuesto 1
El modelo insignia de Google: buen rendimiento en el índice de inteligencia y velocidades de respuesta competitivas.
- Kimipuesto 3
Mitad de precio hasta el 30 de noviembre ($1,99 por tarea) y primero en Arena, con 1.525 puntos. Pero al precio estándar del 1 de diciembre ($3,98 por tarea) su valor cae por debajo de Sonnet 5.5, y además gasta 62.000 tokens de salida por tarea.
Fuente ↗ - DeepSeekpuesto 4
Empata con GPT-6 Astra en 53 puntos y cuesta $3,98 después del descuento de lanzamiento. Aun así, gana la votación de preferencia de Arena, con 1.525.
Fuente ↗
5 IA lo pusieron aquí - 2
Claude Opus 5.5
Mayor puntuación independiente, con 58, y su precio de $4/$20 no tiene un salto al terminar el lanzamiento. Cuesta $5,98 por tarea con el esfuerzo máximo, pero su ajuste alto obtiene 54 por $1,82.
Lo incluyeron: Claude, ChatGPT, Kimi, DeepSeek. No lo incluyeron: Gemini.En sus listas: Claude: 1 · ChatGPT: 1 · Kimi: 2 · DeepSeek: 3
Qué señaló cada IA 4
- Claudepuesto 1
El único modelo que encabeza el índice independiente (58) y cuyo precio de lanzamiento coincide con su precio estándar ($4/$20), así que no hay salto de precio. Con esfuerzo alto obtiene 54 por $1,82 por tarea.
Fuente ↗ - ChatGPTpuesto 1
Artificial Analysis lo nombró líder del Intelligence Index. Eso no resuelve la competencia por la preferencia humana ni por la relación calidad-precio.
Fuente ↗ - Kimipuesto 2
Primero en el índice independiente, con 57,6–58, y segundo modelo de chat en Arena. Las cifras que anuncia su creador son las más cercanas a sus resultados independientes de todo lo que se ha lanzado en este ciclo.
Fuente ↗ - DeepSeekpuesto 3
Tiene la mayor inteligencia independiente, con 58, pero su costo de $5,98 por tarea es 8,3 veces el de Sol. La ventaja en capacidad es más estrecha que la factura.
Fuente ↗
4 IA lo pusieron aquí - 3
GPT-6 Astra
Empata con Argon en 53 en el índice, pero cuesta $3,26 por tarea a $10/$50 por millón de tokens, el precio por token más alto entre los líderes.
Lo incluyeron: Claude, ChatGPT, Kimi, DeepSeek. No lo incluyeron: Gemini.En sus listas: Claude: 5 · ChatGPT: 3 · Kimi: 5 · DeepSeek: 5
Qué señaló cada IA 4
- Claudepuesto 5
Empata con Argon en el índice con 53, pero cuesta $3,26 por tarea con el esfuerzo máximo, frente a los $1,99 de Argon. Con $10/$50 es el más caro por token entre los líderes.
Fuente ↗ - ChatGPTpuesto 3
Su página de Artificial Analysis le da un 53, empatado con Argon en el resultado consultado, mientras que la velocidad informada es de 57 tokens por segundo.
Fuente ↗ - Kimipuesto 5
Encabeza las tablas de razonamiento difícil (ARC-AGI-2 95%, FrontierMath Tier 4 97,6%, LiveBench Reasoning 92,65) y es segundo en Arena WebDev. Pero con $10/$50 resulta una compra premium de $3,26 por tarea, a 57 t/s.
Fuente ↗ - DeepSeekpuesto 5
Encabeza Vals Science con 65,09%, pero cuesta $3,26 por tarea y funciona a 66,5 tokens/s: el ganador en ciencia no es el ganador en velocidad.
Fuente ↗
4 IA lo pusieron aquí - 4
Claude Fable 5.1
Obtiene 53, igual que Argon y Astra, pero a $7,63 por tarea y $10/$50 por token es el que más paga por cada punto del índice.
Lo incluyeron: Claude, ChatGPT, Kimi, DeepSeek. No lo incluyeron: Gemini.En sus listas: Claude: 7 · ChatGPT: 4 · Kimi: 7 · DeepSeek: 9
Qué señaló cada IA 4
- Claudepuesto 7
Índice 53 a $7,63 por tarea y $10/$50 por millón de tokens. Encabeza la tabla de Humanity's Last Exam (59,1%), pero cuesta más que cualquier rival por los mismos puntos de índice.
Fuente ↗ - ChatGPTpuesto 4
Un resumen de octubre lo ubica entre los líderes en Artificial Analysis y en WebDev Arena, pero las fuentes consultadas no establecen un único ganador en todas las tablas.
Fuente ↗ - Kimipuesto 7
El techo de precisión: 67% de exactitud factual, la cifra más alta que ha medido Artificial Analysis, a un precio de $10/$50 que compra certeza, no velocidad.
Fuente ↗ - DeepSeekpuesto 9
Un premium enfocado en ciencia: $7,63 por tarea, 68,7 tokens/s, y una afirmación científica de su creador que las pruebas independientes reducen casi a la mitad.
Fuente ↗
4 IA lo pusieron aquí - 5
Claude Sonnet 5.5
El más rápido entre los primeros, con 134,5 tokens por segundo y 56 en el índice a $2/$10. Aun así, el alto uso de tokens eleva una tarea con esfuerzo máximo a $5,46.
Lo incluyeron: Claude, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Gemini.En sus listas: Claude: 2 · Kimi: 1 · DeepSeek: 2
Qué señaló cada IA 3
- Claudepuesto 2
A 2 puntos del índice de Opus 5.5 y a la mitad del precio de lista ($2/$10). Además, es el modelo de primer nivel más rápido de la tabla de Artificial Analysis (134 tokens por segundo).
Fuente ↗ - Kimipuesto 1
56 en el índice independiente, un punto por debajo de Opus 5.5, por $2,01 por tarea: la mitad del precio del modelo insignia. Además, lidera Terminal-Bench 4.0 (63,6%) de forma clara.
Fuente ↗ - DeepSeekpuesto 2
Obtiene 56 y funciona a 134,5 tokens/s, pero consume 420 millones de tokens en el índice, así que su precio de lista de $2/$10 se convierte en $5,46 por tarea.
Fuente ↗
3 IA lo pusieron aquí - 6
GPT-6.1 Sol
Más capacidad por dólar: 52 en el índice por $0,72 por tarea, menos de una quinta parte de los $3,98 de costo estándar de Argon. La contrapartida es la velocidad, de unos 55 tokens por segundo.
Lo incluyeron: Claude, Kimi, DeepSeek. No lo incluyeron: ChatGPT, Gemini.En sus listas: Claude: 3 · Kimi: 4 · DeepSeek: 1
Qué señaló cada IA 3
- Claudepuesto 3
Índice 52 por $0,72 por tarea, el costo más bajo entre las 15 primeras entradas de la tabla de Artificial Analysis, lo que lo convierte en el líder de capacidad por dólar. Su punto débil es la lentitud: 55 tokens por segundo.
Fuente ↗ - Kimipuesto 4
$0,72 por tarea del índice: la forma más barata de comprar capacidad de primera línea, a 66 t/s, con un punto del índice por debajo de Argon y por una quinta parte del precio de Astra.
Fuente ↗ - DeepSeekpuesto 1
Cede seis puntos del índice ante Claude Opus 5.5, pero cuesta $0,72 por tarea, una octava parte de los $5,98 de Opus. Por eso queda primero en capacidad por dólar.
Fuente ↗
3 IA lo pusieron aquí - 7
Claude Opus 5
El insignia que Opus 5.5 reemplazó: obtiene 51 por $5,86 por tarea a 53,8 tokens por segundo, así que Opus 5.5 da más puntos por casi la misma factura.
Lo incluyeron: Claude, DeepSeek. No lo incluyeron: ChatGPT, Gemini, Kimi.En sus listas: Claude: 9 · DeepSeek: 8
Qué señaló cada IA 2
- Claudepuesto 9
El modelo que reemplazó a Opus 5.5: 6,8 puntos de índice menos en la tabla de modelgrep y $1 más por millón de tokens de entrada ($5/$25).
Fuente ↗ - DeepSeekpuesto 8
Sigue en 51 en AA y cuesta $5,86 por tarea, pero Opus 5.5 lo ha dejado obsoleto. La pérdida de vigencia en la primera línea es tan rápida que deja fuera de juego a un antiguo modelo insignia.
Fuente ↗
2 IA lo pusieron aquí - 8
Meta Muse Wonder
Obtiene 52 a $4/$20 y es el modelo de API más rápido en la tabla de Artificial Analysis, con 161 tokens por segundo, aunque modelgrep mide 65. Sigue en vista previa, a $4,52 por tarea.
Lo incluyeron: Claude, Kimi. No lo incluyeron: ChatGPT, Gemini, DeepSeek.En sus listas: Claude: 6 · Kimi: 6
Qué señaló cada IA 2
- Claudepuesto 6
El primer modelo de frontera de Meta obtiene 52 y es el modelo de API más rápido de la tabla de Artificial Analysis, con 161 tokens por segundo. Sin embargo, sigue siendo una vista previa y cuesta $4,52 por tarea.
Fuente ↗ - Kimipuesto 6
Wonder Full empata con Sonnet 5.5 en 56 puntos del índice independiente y gana en SWE-Marathon por 11 puntos. Pero Full está encerrado dentro de Muse Code, y Meta califica como «de mejor esfuerzo» las pruebas de los rivales.
Fuente ↗
2 IA lo pusieron aquí - 9
Grok 4.7
Barato por token, a $2/$6, y rápido con 93,8 tokens por segundo, pero usa tantos tokens que una tarea cuesta $3,74, para un 46 en el índice.
Lo incluyeron: ChatGPT, DeepSeek. No lo incluyeron: Claude, Gemini, Kimi.En sus listas: ChatGPT: 5 · DeepSeek: 7
Qué señaló cada IA 2
- ChatGPTpuesto 5
La página de lanzamiento de Artificial Analysis informa una puntuación de índice de 46 y un costo por tarea del índice de entre $1,25 y $3,74 según la variante.
Fuente ↗ - DeepSeekpuesto 7
Rápido, a 93,8 tokens/s, y barato por token, pero tan verboso que cuesta $3,74 por tarea y queda en 46 en AA.
Fuente ↗
2 IA lo pusieron aquí - 10
Gemini 3.8 Flash
El nivel de volumen: 41 en el índice por $1,24 por tarea, con su propia subida de precio prevista para el 1 de enero de 2027. La velocidad está en disputa: 308 tokens por segundo en una tabla y 147 en otra.
Lo incluyeron: ChatGPT, Kimi. No lo incluyeron: Claude, Gemini, DeepSeek.En sus listas: ChatGPT: 7 · Kimi: 9
Qué señaló cada IA 2
- ChatGPTpuesto 7
Su puntuación de índice informada es 40. La cifra de menor costo que muestra Artificial Analysis es $0,93 por tarea del índice.
Fuente ↗ - Kimipuesto 9
El monstruo de rendimiento: 308–345 tokens de salida por segundo, con $1,24 por tarea del índice. Es el nivel rápido y barato que supera a todos los de arriba en trabajo de volumen.
Fuente ↗
2 IA lo pusieron aquí
02Vale la pena saber
Lo que notaron las IA al armar la lista.
Los votos y las puntuaciones de tareas no coinciden. Argon es el número 1 en Arena Text con 1.525, pero el número 9 en Arena WebDev y unos 5 puntos por debajo de Opus 5.5 en el índice independiente.
Los mejores modelos se movieron dentro de seis puntos del índice (53–58), mientras que su costo por tarea iba de $0,72 a $7,63, una diferencia de 10,6 veces.
El esfuerzo de razonamiento mueve la factura tanto como la elección del modelo. Opus 5.5 va desde 51 por $1,34 por tarea hasta 58 por $5,98.
Los medios cuentan de forma distinta la tabla de Google: 12 victorias de 18 más un empate, 13 de 19 más un empate, o 14 de 18. La tabla es de Google, con sus propias elecciones de pruebas y su propio entorno de pruebas.
03Lo que la gente pregunta
gemini 4 argon vs claude opus 5.5
Opus 5.5 lidera el índice independiente de Artificial Analysis con 58 frente a 53, y Argon lidera la votación de texto de Arena con 1.525 frente a unos 1.504. Argon cuesta $1,99 por tarea en el lanzamiento y $3,98 después, frente a los $5,98 de Opus con el esfuerzo máximo.
Fuente ↗gemini 4 argon vs claude
Claude Sonnet 5.5 obtiene 56 y Opus 5.5 obtiene 58, frente a los 53 de Argon. El precio de $2/$10 de Sonnet iguala el precio de lanzamiento de Argon, pero no se duplica después del 30 de noviembre.
Fuente ↗claude 4 vs gemini 2.5 pro
Ambos modelos son de una generación anterior. El duelo de octubre de 2026 es Opus 5.5 (58) contra Argon (53), y un rastreador de Arena todavía indica Gemini 2.5 Pro con 1.345 de Elo.
Fuente ↗cuántas pruebas de google gana gemini 4 argon
Los conteos varían según se incluyan o no las filas y los empates: VentureBeat dice 12 de 18 más un empate, Apidog 13 de 19 más un empate, y Wired 14 de 18.
Fuente ↗04Cómo lo calculamos
En palabras sencillas, sin fórmulas.
1La pregunta
Los 10 modelos de IA de vanguardia: lo que dicen los fabricantes, puntuaciones independientes y costo real por tarea
2Por qué este tema
El lector ve juntas las afirmaciones del fabricante, las puntuaciones independientes por tarea, la preferencia del público y la cuenta real por tarea, algo que ninguna clasificación única muestra.
3Dónde aplica
Modelos globales de lenguaje de IA de vanguardia disponibles en octubre de 2026
4Qué miramos
- Capacidad independiente: el índice de inteligencia de Artificial Analysis y la calificación de votación a ciegas de Arena, leídos lado a lado
- Diferencia entre las pruebas que afirma cada fabricante y las puntuaciones independientes
- Costo por tarea completada, al precio de lanzamiento y al precio estándar, más la velocidad de salida medida
- Desempate: cuántas de las pruebas de la tabla de lanzamiento del propio fabricante gana el modelo
- Índice de inteligencia de Artificial Analysis: promedio independiente de 10 evaluaciones de tareas, con más peso en el trabajo con agentes de IA. Se muestra con varios niveles de esfuerzo de razonamiento por modelo.
- Costo por tarea y velocidad de salida de Artificial Analysis: dólares estadounidenses para ejecutar las tareas del índice al precio del modelo, en el lanzamiento y al precio estándar, más la mediana de tokens de salida por segundo
- LMArena Text y WebDev Arena — puntuaciones tipo Elo a partir de votos humanos anónimos uno contra uno. Miden preferencia, no precisión.
- Tabla de lanzamiento de Gemini 4 Argon de Google — Puntuaciones de pruebas informadas por el propio fabricante. Google ejecutó algunas en su propio entorno de pruebas, y las cifras de los rivales vienen de otras fuentes. Los conteos de filas y victorias varían según el
5Quién clasificó
Las IA líderes: Claude, ChatGPT, Gemini, Kimi, DeepSeek. Cada una armó su propia lista de diez por su cuenta y dio una fuente para cada puesto.
6Cómo se fijaron los puestos
Lo mismo escrito de distinta forma por distintas IA se contó como una sola entrada. Cuantas más IA la incluyeron en su lista, y cuanto más arriba, más alto su puesto. «Acuerdo de las IA» muestra cuántas IA la tenían en su propia lista. Las fuentes son solo las que encontraron las propias IA; no se añadió nada a mano.
05La lista de cada IA
🇺🇸 Claude10 puestos · 4 notas
La misma pregunta, respondida solo por Claude. La lista final de arriba combina todas las IA.
- 1Claude Opus 5.5
El único modelo que encabeza el índice independiente (58) y cuyo precio de lanzamiento coincide con su precio estándar ($4/$20), así que no hay salto de precio. Con esfuerzo alto obtiene 54 por $1,82 por tarea.
Fuente ↗ - 2Claude Sonnet 5.5
A 2 puntos del índice de Opus 5.5 y a la mitad del precio de lista ($2/$10). Además, es el modelo de primer nivel más rápido de la tabla de Artificial Analysis (134 tokens por segundo).
Fuente ↗ - 3GPT-6.1 Sol
Índice 52 por $0,72 por tarea, el costo más bajo entre las 15 primeras entradas de la tabla de Artificial Analysis, lo que lo convierte en el líder de capacidad por dólar. Su punto débil es la lentitud: 55 tokens por segundo.
Fuente ↗ - 4Gemini 4 Argon (Google, 2026)
Primero en la votación de Arena (alrededor de 1524), pero 5 puntos del índice por debajo de Opus 5.5. Su costo de $1,99 por tarea casi se duplica, hasta unos $3,98, cuando termina el precio de introducción.
Fuente ↗ - 5GPT-6 Astra (OpenAI)
Empata con Argon en el índice con 53, pero cuesta $3,26 por tarea con el esfuerzo máximo, frente a los $1,99 de Argon. Con $10/$50 es el más caro por token entre los líderes.
Fuente ↗ - 6Muse Wonder (Meta, 2026)
El primer modelo de frontera de Meta obtiene 52 y es el modelo de API más rápido de la tabla de Artificial Analysis, con 161 tokens por segundo. Sin embargo, sigue siendo una vista previa y cuesta $4,52 por tarea.
Fuente ↗ - 7Claude Fable 5.1
Índice 53 a $7,63 por tarea y $10/$50 por millón de tokens. Encabeza la tabla de Humanity's Last Exam (59,1%), pero cuesta más que cualquier rival por los mismos puntos de índice.
Fuente ↗ - 8Muse Wonder Full (Meta)
Obtiene 56, tercero en el índice, pero no se puede comprar por token. Solo se vende en planes Muse Code de $50 y $200 al mes.
Fuente ↗ - 9Claude Opus 5
El modelo que reemplazó a Opus 5.5: 6,8 puntos de índice menos en la tabla de modelgrep y $1 más por millón de tokens de entrada ($5/$25).
Fuente ↗ - 10Muse Spark 1.3 (Meta)
La opción de nivel de frontera más barata de la tabla ($1,25 por millón de tokens de entrada), con un índice de 48,1.
Fuente ↗
Lo que notó Claude
El salto de precio de Argon es la principal razón por la que lo coloco por debajo de Sol y de los modelos Claude. Su costo por tarea de $1,99 sería de unos $3,98 con el precio estándar de $4/$20, lo que equivale a cerca del 120% del costo de Astra. Argon usa unos 62.000 tokens de salida por tarea, frente a los 27.000 de Astra.
El índice independiente y la votación humana no coinciden. Argon es primero en la votación de texto de Arena, con alrededor de 1524, y los modelos Claude están unos 20 puntos detrás. Pero en el índice de Artificial Analysis queda 5 puntos por debajo de Opus 5.5.
El esfuerzo de razonamiento cambia el costo más que la elección del modelo. Opus 5.5 va de 51 con $1,34 por tarea a 58 con $5,98. Un Opus 5.5 con esfuerzo medio cuesta menos por tarea que la ejecución de Argon con esfuerzo alto.
La tabla de Google incluye sus propias derrotas (Terminal-bench 4.0, FrontierSWE v2, PostTrainBench). Un medio lo calificó de enfoque inusual para informes de un proveedor, pero el entorno de evaluación y la elección de los benchmarks siguen siendo de Google.
🇺🇸 ChatGPT10 puestos · 4 notas
La misma pregunta, respondida solo por ChatGPT. La lista final de arriba combina todas las IA.
- 1Claude Opus 5.5
Artificial Analysis lo nombró líder del Intelligence Index. Eso no resuelve la competencia por la preferencia humana ni por la relación calidad-precio.
Fuente ↗ - 2Gemini 4 Argon
Artificial Analysis informa un 53 en su Intelligence Index y un costo de $1,99 para ejecutar ese índice. El precio de lanzamiento de la API de Google fue la mitad de su precio estándar declarado.
Fuente ↗ - 3GPT-6 Astra
Su página de Artificial Analysis le da un 53, empatado con Argon en el resultado consultado, mientras que la velocidad informada es de 57 tokens por segundo.
Fuente ↗ - 4Claude Fable 5.1
Un resumen de octubre lo ubica entre los líderes en Artificial Analysis y en WebDev Arena, pero las fuentes consultadas no establecen un único ganador en todas las tablas.
Fuente ↗ - 5Grok 4.7
La página de lanzamiento de Artificial Analysis informa una puntuación de índice de 46 y un costo por tarea del índice de entre $1,25 y $3,74 según la variante.
Fuente ↗ - 6Gemini 3.8 Flash (High)
Artificial Analysis le asigna 41, mientras que la familia anterior de modelos de Google ya no es el lanzamiento de frontera principal.
Fuente ↗ - 7Gemini 3.8 Flash (Medium)
Su puntuación de índice informada es 40. La cifra de menor costo que muestra Artificial Analysis es $0,93 por tarea del índice.
Fuente ↗ - 8Gemini 3.8 Flash (Low)
La página de creador de Artificial Analysis que se consultó informa 33, una caída considerable frente al 41 de la variante High.
Fuente ↗ - 9Gemini 3.1 Pro Preview
Artificial Analysis le asigna 30. Su página de creador informa 139 tokens por segundo, pero esa velocidad por sí sola no lo convierte en una opción destacada por capacidad.
Fuente ↗ - 10Otros modelos de frontera de octubre de 2026
Con las puntuaciones y los precios verificados que se consultaron no se puede asignar un décimo puesto defendible. La lista de lanzamientos vigente es el punto de partida para una preselección reproducible.
Fuente ↗
Lo que notó ChatGPT
El índice de 53 de Argon en Artificial Analysis es sólido, pero el costo por tarea del mismo índice es de $1,99. Una puntuación por sí sola no muestra cuál es la tarea completada más barata.
El precio de lanzamiento de la API de Argon de Google fue de US$2 / US$10 por millón de tokens de entrada / salida, y el precio estándar indicado a partir del 30 de noviembre de 2026 es de US$4 / US$20.
Arena mide la preferencia humana, y los informes de octubre describen líderes distintos en texto, WebDev y otras tablas. No existe un único resultado de Arena que responda a todos los casos de uso.
El cuadro de lanzamiento de Google es un conjunto de benchmarks informado por el propio fabricante. Para compararlo con un índice independiente hay que igualar la tarea, la configuración y la variante del modelo.
🇺🇸 Gemini10 puestos
La misma pregunta, respondida solo por Gemini. La lista final de arriba combina todas las IA.
- 1Gemini 4 Argon
El modelo insignia de Google: buen rendimiento en el índice de inteligencia y velocidades de respuesta competitivas.
- 2Claude 3.5 Sonnet
El modelo eficiente de Anthropic: mantiene las mejores puntuaciones de preferencia humana en relación con su costo.
- 3Claude 3 Opalescent / Opus Series
Gigante del razonamiento profundo: precisión de élite en programación, a un precio de gama alta.
- 4GPT-4o
El modelo multimodal insignia de OpenAI, versátil: genera tokens rápido y mantiene una inteligencia base sólida.
- 5OpenAI o1 / o3 Series
Arquitectura de razonamiento especializada: cambia más demora por resolver problemas paso a paso.
- 6Gemini 1.5 Pro
Ventana de contexto enorme, pensada para analizar documentos a fondo a precios competitivos para empresas.
- 7Llama 3.3 70B
El estándar de pesos abiertos de Meta: rivaliza con las API cerradas de punta, con costos de alojamiento de código abierto.
- 8DeepSeek V3 / R1
Estándar de API ultrabarato: ofrece rendimiento de primera por cada centavo invertido.
- 9Mistral Large 2
Propuesta europea de punta con sólidas capacidades multilingües y métricas de ejecución de código.
- 10Qwen 2.5 72B
Modelo de pesos abiertos de Alibaba, destacado en matemáticas, programación y tareas de lenguaje estructurado.
🇨🇳 Kimi10 puestos · 4 notas
La misma pregunta, respondida solo por Kimi. La lista final de arriba combina todas las IA.
- 1Claude Sonnet 5.5 (Anthropic, 2026)
56 en el índice independiente, un punto por debajo de Opus 5.5, por $2,01 por tarea: la mitad del precio del modelo insignia. Además, lidera Terminal-Bench 4.0 (63,6%) de forma clara.
Fuente ↗ - 2Claude Opus 5.5 (Anthropic, 2026)
Primero en el índice independiente, con 57,6–58, y segundo modelo de chat en Arena. Las cifras que anuncia su creador son las más cercanas a sus resultados independientes de todo lo que se ha lanzado en este ciclo.
Fuente ↗ - 3Gemini 4 Argon (Google DeepMind, 2026)
Mitad de precio hasta el 30 de noviembre ($1,99 por tarea) y primero en Arena, con 1.525 puntos. Pero al precio estándar del 1 de diciembre ($3,98 por tarea) su valor cae por debajo de Sonnet 5.5, y además gasta 62.000 tokens de salida por tarea.
Fuente ↗ - 4GPT-6.1 Sol (OpenAI, 2026)
$0,72 por tarea del índice: la forma más barata de comprar capacidad de primera línea, a 66 t/s, con un punto del índice por debajo de Argon y por una quinta parte del precio de Astra.
Fuente ↗ - 5GPT-6 Astra (OpenAI, 2026)
Encabeza las tablas de razonamiento difícil (ARC-AGI-2 95%, FrontierMath Tier 4 97,6%, LiveBench Reasoning 92,65) y es segundo en Arena WebDev. Pero con $10/$50 resulta una compra premium de $3,26 por tarea, a 57 t/s.
Fuente ↗ - 6Muse Wonder / Muse Wonder Full (Meta, 2026)
Wonder Full empata con Sonnet 5.5 en 56 puntos del índice independiente y gana en SWE-Marathon por 11 puntos. Pero Full está encerrado dentro de Muse Code, y Meta califica como «de mejor esfuerzo» las pruebas de los rivales.
Fuente ↗ - 7Claude Fable 5.1 (Anthropic, 2026)
El techo de precisión: 67% de exactitud factual, la cifra más alta que ha medido Artificial Analysis, a un precio de $10/$50 que compra certeza, no velocidad.
Fuente ↗ - 8Kimi K3 (Moonshot AI, 2026)
El techo de los pesos abiertos: 57 en el índice con $3/$15 y pesos descargables de 2,8 billones de parámetros. Su puntuación GDPval Elo de 1.687 es la mejor de un tercero en trabajo profesional que haya logrado un modelo abierto.
Fuente ↗ - 9Gemini 3.8 Flash (Google, 2026)
El monstruo de rendimiento: 308–345 tokens de salida por segundo, con $1,24 por tarea del índice. Es el nivel rápido y barato que supera a todos los de arriba en trabajo de volumen.
Fuente ↗ - 10GPT-6 Sol (OpenAI, 2026)
La opción de mayor alcance, el modelo predeterminado de ChatGPT desde el 7 de octubre. Pero los votantes lo ponen en el puesto 67 de Arena texto (1.455,9), por debajo de su antecesor, y tiene 47,6 en el índice.
Fuente ↗
Lo que notó Kimi
El precio de lanzamiento distorsiona todas las tablas de valor de este trimestre: los $1,99 por tarea de Argon son un espejismo del 30 de noviembre. Con la tarifa estándar cuestan $3,98, más que Sonnet 5.5 ($2,01), con una puntuación menor.
Los votos de las personas y la precisión en las tareas nunca habían discrepado tanto: Argon es primero en Arena texto (1.525,4), pero solo octavo o noveno en Arena WebDev y unos 5 puntos por detrás de Opus 5.5 en el índice independiente. La gente lo prefiere; las pruebas técnicas, no.
Argon es un horno de tokens: 62.000 tokens de salida por tarea del índice, frente a 27.000 de GPT-6 Astra. Su ventaja de precio se compra con verborrea, no con eficiencia.
Cada laboratorio gana la prueba que publica: Google se atribuye 14 de 18 victorias en la tabla de lanzamiento de Argon, y la tabla de Meta da a Wonder Full y a Opus 5.5 seis filas cada uno. Los índices independientes son el único terreno común.
🇨🇳 DeepSeek10 puestos · 4 notas
La misma pregunta, respondida solo por DeepSeek. La lista final de arriba combina todas las IA.
- 1GPT-6.1 Sol (razonamiento máximo)
Cede seis puntos del índice ante Claude Opus 5.5, pero cuesta $0,72 por tarea, una octava parte de los $5,98 de Opus. Por eso queda primero en capacidad por dólar.
Fuente ↗ - 2Claude Sonnet 5.5 (máximo, con respaldo)
Obtiene 56 y funciona a 134,5 tokens/s, pero consume 420 millones de tokens en el índice, así que su precio de lista de $2/$10 se convierte en $5,46 por tarea.
Fuente ↗ - 3Claude Opus 5.5 (máximo, con respaldo)
Tiene la mayor inteligencia independiente, con 58, pero su costo de $5,98 por tarea es 8,3 veces el de Sol. La ventaja en capacidad es más estrecha que la factura.
Fuente ↗ - 4Gemini 4 Argon (alto)
Empata con GPT-6 Astra en 53 puntos y cuesta $3,98 después del descuento de lanzamiento. Aun así, gana la votación de preferencia de Arena, con 1.525.
Fuente ↗ - 5GPT-6 Astra (máximo)
Encabeza Vals Science con 65,09%, pero cuesta $3,26 por tarea y funciona a 66,5 tokens/s: el ganador en ciencia no es el ganador en velocidad.
Fuente ↗ - 6GPT-5.6 Sol (máximo)
El Sol anterior todavía supera a Grok 4.7 en AA (47 frente a 46) y cuesta $1,99 por tarea, pero está retirado y ya no se actualiza.
Fuente ↗ - 7Grok 4.7 (xhigh)
Rápido, a 93,8 tokens/s, y barato por token, pero tan verboso que cuesta $3,74 por tarea y queda en 46 en AA.
Fuente ↗ - 8Claude Opus 5 (máximo)
Sigue en 51 en AA y cuesta $5,86 por tarea, pero Opus 5.5 lo ha dejado obsoleto. La pérdida de vigencia en la primera línea es tan rápida que deja fuera de juego a un antiguo modelo insignia.
Fuente ↗ - 9Claude Fable 5.1 (máximo, con respaldo)
Un premium enfocado en ciencia: $7,63 por tarea, 68,7 tokens/s, y una afirmación científica de su creador que las pruebas independientes reducen casi a la mitad.
Fuente ↗ - 10Muse Wonder Full (máximo)
Obtiene 56 en AA, pero no tiene API, ni velocidad publicada, ni precio por tarea: una capacidad que no se puede asignar ni calcular en costo.
Fuente ↗
Lo que notó DeepSeek
El ranking pondera el 40% al AA Intelligence Index, el 40% al costo estándar por tarea y el 20% a la velocidad de salida. Las victorias según las afirmaciones del creador solo sirven para desempatar casos muy parejos. Por eso la tarea de $0,72 de Sol supera la ventaja de capacidad de 58 puntos de Opus.
Gemini 4 Argon es el número 1 en LMArena Text, con 1.525, pero solo el número 9 en LMArena WebDev, con 1.677,8. El mismo modelo gana la votación de preferencia general y pierde la de desarrollo web.
Google calculó por sí mismo 10 de las 19 filas de la tabla de lanzamiento de Argon y tomó las otras 9 de clasificaciones públicas. Sus cinco derrotas se concentran en programación por terminal y en código de largo plazo, no en trabajo de conocimiento.
Los cuatro modelos más capaces en AA estaban a seis puntos entre sí (53–58) el 12 de octubre, mientras que su costo medido por tarea iba de $0,72 a $7,63: una diferencia de 10,6 veces para una franja de capacidad de seis puntos.