Ranking Poly · de la tendencia del día

Los mejores modelos de IA para agentes (de pesos abiertos, octubre de 2026)

Mistral Large 4 ocupa el puesto 6 de 75 en la prueba de agente jurídico de Harvey, con solo 15,83%, y el puesto 32 de 44 en el Vals Index más amplio, donde DeepSeek V4.1 Flash llega a 61,26% por 0,66 dólares por prueba.

N.º 1: Mistral Large 4
10 puestos
Vigente a 30 de octubre de 2026, 14:55 EDT

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
Mistral Large 4
La menor brecha en ciberseguridad: Mistral afirma alrededor de 82%, y las pruebas independientes midieron entre 79% y 81,7%. Vals mide 26,26% en Terminal-Bench 4.0 y 15,83% en la prueba de agente jurídico de Harvey.
Lo incluyeron: Claude, ChatGPT, Meta, Gemini, Wenxin, DeepSeek, Qwen. No lo incluyeron: Nova.
En sus listas: Claude: 2 · ChatGPT: 10 · Meta: 5 · Gemini: 5 · Wenxin: 3 · DeepSeek: 3 · Qwen: 3
Qué señaló cada IA 7
- Claudepuesto 2
  Su afirmación de ciberseguridad es la de menor brecha visible: Mistral dice ~82% en CyberGym-E2E, y un índice independiente midió 81,7%.
  Fuente ↗
- ChatGPTpuesto 10
  Apache 2.0 ofrece una ventaja operativa cuando un negocio necesita alojar agentes de clientes sin la excepción de Modelo como Servicio de Large 4.
  Fuente ↗
- Metapuesto 5
  Según el fabricante: 93% en Cybench, 82% en parcheo de vulnerabilidades, 61,7% en DeepSWE v1.1; de forma independiente, 41% en Terminal-Bench 4.0 y 48% en el Coding Agent Index, usando 47% menos tokens
  Fuente ↗
- Geminipuesto 5
  Afirma un impresionante 82% en CyberGym-E2E y 61,7% en DeepSWE v1.1, pero baja a 15,83% en el Harvey Legal Agent Benchmark independiente.
  Fuente ↗
- Wenxinpuesto 3
  Las puntuaciones del agente de 123.000 millones se ven muy bien sobre el papel; las pruebas independientes muestran una diferencia de 20 puntos
  Fuente ↗
- DeepSeekpuesto 3
  Los lanzamientos de Mistral afirman 82% en CyberGym-E2E, 93% en Cybench y 61,7% en DeepSWE; pero las pruebas independientes del Cyber Index la sitúan en torno al 51%, una brecha de confianza de unos 31 puntos que es la cifra decisiva para quien compra agentes de seguridad.
  Fuente ↗
- Qwenpuesto 3
  Mistral afirma 82% en CyberGym y 61,7% en DeepSWE, pero los evaluadores independientes miden 81,7% y 60%, mostrando una rara brecha de confianza 'honesta'.
  Fuente ↗
7 IA lo pusieron aquí
Fuente ↗
2
DeepSeek V4.1 Flash
El mejor modelo abierto en el Vals Index, con 61,26%, a 0,66 dólares por prueba, y el mejor modelo publicado en FrontierCode, con 28%. Sus resultados independientes en Terminal-Bench 4.0 no coinciden: 19,7% frente a 31,8%.
Lo incluyeron: Claude, ChatGPT, Meta, DeepSeek, Qwen. No lo incluyeron: Gemini, Nova, Wenxin.
En sus listas: Claude: 3 · ChatGPT: 1 · Meta: 1 · DeepSeek: 1 · Qwen: 2
Qué señaló cada IA 5
- Claudepuesto 3
  El gráfico de Mistral no lo incluyó, y la tabla de Reflection lo pone por encima de Large 4 en DeepSWE (74,2% frente a 61,7%).
  Fuente ↗
- ChatGPTpuesto 1
  Su 28% de finalización independiente en FrontierCode lidera entre los pesos abiertos publicados, y un proveedor medido cobra 0,37 dólares por intento del test de inteligencia compuesto.
  Fuente ↗
- Metapuesto 1
  Líder abierto del Índice Vals con 61,26% a 0,66 dólares por prueba frente a Sonnet 5.5 a 18,70 dólares: 28 veces más barato; 90,6 en Terminal-Bench 2.1 según el fabricante, pero 31,8 independiente
  Fuente ↗
- DeepSeekpuesto 1
  Un 61,26% independiente en el Índice Vals a 0,66 dólares por prueba; pero su 74,2 en DeepSWE, informado por el fabricante, se desploma a 19,7% en el Terminal-Bench 4.0 independiente de Vals, una de las brechas de confianza más amplias del campo.
- Qwenpuesto 2
  El caballo de batalla con licencia MIT completa agentes de programación de varios archivos a una fracción del coste de los modelos de frontera estadounidenses.
5 IA lo pusieron aquí
Fuente ↗
3
Xiaomi MiMo-V2.6-Pro
Obtiene entre 57,81% y 59,5% en el Vals Index, a entre 0,13 y 0,24 dólares por intento de prueba. Su 89,9 en Terminal-Bench 2.1 y su 71,9 en DeepSWE son cifras propias de Xiaomi.
Lo incluyeron: Claude, ChatGPT, Meta, DeepSeek, Qwen. No lo incluyeron: Gemini, Nova, Wenxin.
En sus listas: Claude: 7 · ChatGPT: 3 · Meta: 2 · DeepSeek: 5 · Qwen: 8
Qué señaló cada IA 5
- Claudepuesto 7
  Un artículo de Vals lo presenta como unas 100 veces más barato que Claude Opus 5.5.
- ChatGPTpuesto 3
  Combina 57,81% de precisión profesional en Vals con un coste reportado de 0,24 dólares por intento del test de inteligencia en GMI.
  Fuente ↗
- Metapuesto 2
  89,9 en Terminal-Bench 2.1, justo por encima de Claude Opus 5 con 89,1; 71,9 en DeepSWE v1.1; 94% en CyberGym; 0,13 dólares por tarea de inteligencia
  Fuente ↗
- DeepSeekpuesto 5
  Un 59,5% independiente en Vals, con licencia MIT completa y 0,435/0,87 dólares por millón de tokens: la mejor opción de coste por tarea terminada entre los modelos realmente permisivos.
  Fuente ↗
- Qwenpuesto 8
  Un agente de razonamiento especializado que supera a los modelos generales en tareas de programación con mucha matemática, sin necesitar una huella de 100.000 millones de parámetros.
  Fuente ↗
5 IA lo pusieron aquí
Fuente ↗
4
GLM-5.3 (Z.ai)
Obtiene entre 48 y 49 en el Coding Agent Index de Artificial Analysis y 40% en Terminal-Bench 4.0. Su 84,5% en CyberGym viene de Z.ai, que publicó su método, pero nadie lo ha replicado todavía.
Lo incluyeron: Claude, ChatGPT, Meta, DeepSeek. No lo incluyeron: Gemini, Nova, Wenxin, Qwen.
En sus listas: Claude: 1 · ChatGPT: 2 · Meta: 3 · DeepSeek: 2
Qué señaló cada IA 4
- Claudepuesto 1
  Z.ai publicó su método de prueba (Claude Code 2.1.207, pass@1 sobre 1.507 tareas de CyberGym) para que cualquiera pueda impugnar su 84,5, pero todavía ningún organismo independiente lo ha hecho.
- ChatGPTpuesto 2
  Iguala el índice de inteligencia de DeepSeek (32), pero cuesta 2,53 dólares por intento del test de inteligencia en un proveedor medido de forma independiente.
  Fuente ↗
- Metapuesto 3
  84,5% en CyberGym de caja blanca, técnicamente por delante de Claude Mythos 5 con 83,8%; DeepSWE 66,9% frente a 46,2 anterior; 40% en Terminal-Bench 4.0
  Fuente ↗
- DeepSeekpuesto 2
  La categoría de programación de Vals le da 64,3: la mejor puntuación de agente de programación de pesos abiertos; sus cifras independientes aguantan mejor que la mayoría, pero su disputa de licencia importa a quien aloje agentes para clientes.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
5
Kimi K3 (Moonshot AI)
Alrededor de 57–58% en el Vals Index. Su 88,3 en Terminal-Bench 2.1 es cifra propia de Moonshot; la tabla de Meta indica 85,0, y los pesos necesitan 1,4 TB.
Lo incluyeron: Claude, ChatGPT, Meta, DeepSeek. No lo incluyeron: Gemini, Nova, Wenxin, Qwen.
En sus listas: Claude: 4 · ChatGPT: 8 · Meta: 6 · DeepSeek: 4
Qué señaló cada IA 4
- Claudepuesto 4
  Su 88,3 en Terminal-Bench 2.1 es de Moonshot, mientras la tabla de Meta da 85,0, y los pesos ocupan 1,4 TB.
  Fuente ↗
- ChatGPTpuesto 8
  Su sólida valoración de preferencia humana lo hace interesante para probarlo como agente de planificación o revisión, pero eso no demuestra flujos de herramientas completados.
- Metapuesto 6
  Líder abierto en el Índice Vals con 57%, 1.488 en Arena; K3.1 Pro logra 67% en Terminal-Bench 4.0 en v5: la mejor puntuación de terminal abierta
  Fuente ↗
- DeepSeekpuesto 4
  Un 57,8% independiente en Vals y 1.487 de Elo abierto en LMArena, pero el disparador de 20 millones de dólares en ingresos y el límite de 100 millones de usuarios activos mensuales obligan a las plataformas de agentes a presupuestar un acuerdo comercial, no solo GPU.
  Fuente ↗
4 IA lo pusieron aquí
Fuente ↗
6
Qwen3.8 Max (2.4T-A95B)
Sus cifras propias de Terminal-Bench 2.1 chocan (86,6 frente a 67,4) y no tiene una puntuación independiente como agente. Con 2,4T de parámetros, tiene una barrera de 50 millones de dólares para negocios de servicios y de asistentes de programación.
Lo incluyeron: Claude, Meta, DeepSeek, Qwen. No lo incluyeron: ChatGPT, Gemini, Nova, Wenxin.
En sus listas: Claude: 6 · Meta: 8 · DeepSeek: 6 · Qwen: 5
Qué señaló cada IA 4
- Claudepuesto 6
  El 92,6 de GPQA corresponde a la versión Max, no al punto de control que se puede descargar.
- Metapuesto 8
  2,4 billones en total, 95.000 millones activos, límite comercial de 50 millones de dólares para MaaS, 68,89% en IOI; el hermano de 27.000 millones con Apache es la licencia limpia de reserva
  Fuente ↗
- DeepSeekpuesto 6
  Buenas cifras de agentes de programación (67,4 en Terminal-Bench 2.1 en pruebas del fabricante), pero un tope de ingresos de 50 millones para los negocios de MaaS y de asistentes de programación que compiten: la plataforma de agentes que lo aloja para clientes debe planificar un acuerdo comercial.
  Fuente ↗
- Qwenpuesto 5
  El orquestador de agentes de Alibaba domina los flujos de trabajo legales y financieros asiáticos, aunque su tope de licencia de 50 millones de dólares frena la adopción en SaaS globales.
4 IA lo pusieron aquí
Fuente ↗
7
Meta Muse Spark Open
Primero en la prueba de agente jurídico de Harvey, con 25,00%, y puesto 3 de 79 en los agentes financieros de Vals, pero solo 46,61% en el Vals Index, a 4,08 dólares por prueba (según una fuente).
Lo incluyeron: Claude, Meta, DeepSeek. No lo incluyeron: ChatGPT, Gemini, Nova, Wenxin, Qwen.
En sus listas: Claude: 5 · Meta: ver lista · DeepSeek: 7
Qué señaló cada IA 3
- Claudepuesto 5
  Meta dice que supera a Kimi K3 en uso de herramientas, pero queda detrás en programación: 76,4 frente a 85,0 en Terminal-Bench 2.1.
  Fuente ↗
- Meta
  En su propia lista tiene otro nombre: abre la lista completa.
  ver lista
- DeepSeekpuesto 7
  Primero en el Harvey Legal Agent Benchmark de Vals AI con 25,00%, pero su disparador de reventa MaaS de 20 millones de dólares obliga a las plataformas legaltech a cerrar un acuerdo aparte antes de alojarlo para sus clientes.
3 IA lo pusieron aquí
Fuente ↗
8
GLM-5.3 Flash (Z.ai)
Un agente económico con licencia MIT: 47,22% en el Vals Index, a 0,15 y 0,50 dólares por millón de tokens. Su 84,3 en Terminal-Bench 2.1 es cifra propia del fabricante.
Lo incluyeron: Meta, DeepSeek. No lo incluyeron: Claude, ChatGPT, Gemini, Nova, Wenxin, Qwen.
En sus listas: Meta: 4 · DeepSeek: 9
Qué señaló cada IA 2
- Metapuesto 4
  MIT, 0,15/0,50 dólares, 84,3 en Terminal-Bench 2.1 según el fabricante; el mejor coste para ejecutar un agente abierto en un solo host
  Fuente ↗
- DeepSeekpuesto 9
  Solo un 23 en AA v5, pero OpenMDW-1.1 abre pesos, datos de entrenamiento y recetas: el modelo de agente de larga duración más transparente, a 0,60/2,60 dólares por millón de tokens.
2 IA lo pusieron aquí
Fuente ↗
9
Nvidia Nemotron 3.5 Bolt 74B
La opción más ligera: 74B con 9B activos, que cabe en una GPU de 24 GB con 2 bits. Su 50,98 en Terminal-Bench 2.1 es cifra propia de Nvidia, sin puntuación independiente todavía.
Lo incluyeron: Claude, Meta. No lo incluyeron: ChatGPT, Gemini, Nova, Wenxin, DeepSeek, Qwen.
En sus listas: Claude: 8 · Meta: 10
Qué señaló cada IA 2
- Claudepuesto 8
  El más ligero del grupo: 74.000 millones, con 9.000 millones activos, que caben en 24 GB con 2 bits.
- Metapuesto 10
  El mejor ajuste de hardware de EE. UU.: Gemma con 1.452 en Arena en 31B; Nemotron, de 74.000 millones en total y 9.000 millones activos, cabe en una GPU de 24 GB; Apache 2.0 más la licencia abierta de NVIDIA
  Fuente ↗
2 IA lo pusieron aquí
Fuente ↗
10
DeepSeek V4 Pro
76% en CyberGym-E2E, sin rechazos en 840 tareas adversarias, cerca del 79% de Mistral, con licencia MIT. Solo una fuente lo informa.
Lo incluyeron: Meta. No lo incluyeron: Claude, ChatGPT, Gemini, Nova, Wenxin, DeepSeek, Qwen.
En sus listas: Meta: 7
Qué señaló cada IA 1
- Metapuesto 7
  MIT, cero rechazos en 840 tareas adversarias de seguridad, 76% en CyberGym-E2E frente a 79% de Mistral Large 4, la mitad de coste por éxito
  Fuente ↗
1 IA lo pusieron aquí
Fuente ↗

Más sobre los tres primeros ↓

02Más sobre los tres primeros

El ranking está arriba. Aquí tiene más sobre los tres primeros puestos: qué son, por qué están aquí y qué vale la pena saber.

Los tres no se miden igual: el lugar de Mistral depende de qué tan cerca está su afirmación sobre ciberseguridad de las pruebas independientes, mientras que los otros dos se juzgan por sus puntuaciones en el Vals Index y por su precio por prueba, que varía según el proveedor.

1Mistral Large 4

N.º 1 — Mistral Large 4. En las listas de 7 de 8 IA; puesto mediano allí: 3. Las IA lo pusieron en primer lugar porque su afirmación sobre ciberseguridad es la que menos se aleja de lo que midieron las pruebas independientes, aunque sus otras puntuaciones son más bajas.

¿Sabía que…?

Mistral 7B se publicó el 27 de septiembre de 2023 como un enlace magnet de BitTorrent, no como una página de descarga normal. Mixtral 8x7B (diciembre de 2023) y Mixtral 8x22B (abril de 2024) también se compartieron como enlaces de torrent en Twitter.
Fuente ↗

Qué es: Un modelo grande de Mistral que puede usarse para agentes, con pesos abiertos prometidos.
Su ventaja: Su afirmación sobre ciberseguridad, de alrededor del 82%, es la más cercana a los resultados independientes.
Para quién: Sirve a equipos preocupados por la seguridad que valoran las afirmaciones honestas; no a quienes necesitan bajo costo o velocidad.

Puntuación en el Vals Index#32 de 44 en el Vals Index

¿Sabía que…?

La primera ronda de financiación de Mistral, en junio de 2023, fue de 105 millones de euros (117 millones de dólares). El Financial Times estimó el valor de la empresa en 240 millones de euros, y la empresa tenía apenas unos dos meses de vida.
Fuente ↗

Historia

El 6 de octubre de 2026, Mistral abrió una vista previa pública de Mistral Large 4. Dijo que los pesos descargables llegarían a finales de octubre, después de más trabajo de seguridad. El artículo dice que ese paso de seguridad todavía no había terminado.
Fuente ↗

A tener en cuenta

Piensa mucho antes de responder, así que usa muchas palabras. Una prueba contó unos 200 millones de tokens frente a una mediana de unos 81 millones. El primer token tardó unos 18,7 segundos con una consulta larga.
Fuente ↗
Obtuvo 38,4 en el Artificial Analysis Intelligence Index, por detrás de Kimi K3 y Qwen 3.8 Max. Su tasa de alucinaciones fue del 41,9%. Modelos más baratos, como DeepSeek V4.1 Flash, obtienen casi lo mismo por mucho menos por tarea.
Fuente ↗

Dónde seguir

Abra el anuncio de Mistral Large 4 y lea primero la lista de pruebas de rendimiento que publicó la propia empresa, empezando por la afirmación de ciberseguridad del 82%. La página dice que los pesos abiertos estaban previstos para finales de mes, así que compruebe si ya salieron.
Fuente ↗

Comparar los tres primeros ↓

2DeepSeek V4.1 Flash

N.º 2 — DeepSeek V4.1 Flash. En las listas de 5 de 8 IA; puesto mediano allí: 1. Las IA lo pusieron en segundo lugar por la mejor puntuación en el Vals Index entre los modelos abiertos, a un precio bajo por prueba, pese a resultados irregulares en Terminal-Bench.

¿Sabía que…?

A pesar de su nombre «Flash», el modelo tiene unos 552.000 millones de parámetros en total. Por cada token solo se activan unos 8.000 millones al leer la consulta y unos 16.000 millones al escribir la respuesta, lo que lo mantiene barato de operar.
Fuente ↗

Qué es: Un modelo de DeepSeek barato y rápido, con una memoria enorme para textos largos.
Su ventaja: Encabeza los modelos abiertos en el Vals Index y cuesta mucho menos por prueba.
Para quién: Sirve a programadores que quieren buenos resultados a bajo costo; no a quienes necesitan resultados estables en todas las pruebas.

Puntuación en el Vals Index61,26% a $0,66 por prueba

¿Sabía que…?

DeepSeek V4.1 Flash puede leer unos 1 millón de tokens de una vez, más o menos varias novelas largas. También puede escribir hasta 384 mil tokens en una sola respuesta, aunque los límites exactos varían según el proveedor.
Fuente ↗

Historia

DeepSeek V4.1 Flash se publicó el 10 de septiembre de 2026. Su ficha dice que «sucede» a V4 Flash y V4 Pro. La ficha no dice si esos modelos anteriores se retiraron.
Fuente ↗

A tener en cuenta

Las grandes puntuaciones son de la propia DeepSeek y no han sido verificadas de forma independiente. En Humanity's Last Exam, una prueba académica difícil, obtiene 36,8 frente a 56,3 de Opus 5. También queda por detrás de los modelos estadounidenses en Terminal-Bench 3.0.
Fuente ↗

Dónde seguir

Abra la página de Vals AI y mire primero la puntuación de Terminal-Bench 4.0. Muestra 19,70% en esa prueba; compárela con el resultado de Terminal-Bench 2.1 en la misma página para ver por qué los números no coinciden.
Fuente ↗

ChatGPT, Meta, DeepSeek lo pusieron primero. Qué vieron en él

ChatGPT: Su 28% de finalización independiente en FrontierCode lidera entre los pesos abiertos publicados, y un proveedor medido cobra 0,37 dólares por intento del test de inteligencia compuesto.
Meta: Líder abierto del Índice Vals con 61,26% a 0,66 dólares por prueba frente a Sonnet 5.5 a 18,70 dólares: 28 veces más barato; 90,6 en Terminal-Bench 2.1 según el fabricante, pero 31,8 independiente
DeepSeek: Un 61,26% independiente en el Índice Vals a 0,66 dólares por prueba; pero su 74,2 en DeepSWE, informado por el fabricante, se desploma a 19,7% en el Terminal-Bench 4.0 independiente de Vals, una de las brechas de confianza más amplias del campo.

Comparar los tres primeros ↓

3Xiaomi MiMo-V2.6-Pro

N.º 3 — Xiaomi MiMo-V2.6-Pro. En las listas de 5 de 8 IA; puesto mediano allí: 5. Las IA lo colocaron en tercer lugar por una puntuación sólida en el Vals Index y un precio muy bajo; sus mejores cifras solo vienen de Xiaomi.

¿Sabía que…?

MiMo-V2.6-Pro tiene unos 1,02 billones de parámetros, pero solo se activan 42.000 millones por token. Sus pesos están en Hugging Face bajo la licencia MIT, que permite el uso comercial.
Fuente ↗

Qué es: Un modelo enorme de Xiaomi con pesos abiertos bajo licencia MIT, pensado para trabajo con agentes.
Su ventaja: Es el más barato por prueba de los tres, con un precio de $0,13–$0,24.
Para quién: Sirve a equipos que quieren un modelo abierto y barato; no a quienes no tienen servidores grandes con GPU.

Puntuación en el Vals Index57,81–59,5% a $0,13–$0,24

¿Sabía que…?

Según se informa, la publicación incluye también el código de entrenamiento y los entornos de aprendizaje por refuerzo, no solo los pesos. Eso es más raro que una simple descarga del modelo.
Fuente ↗

Historia

Tras la salida de MiMo-V2.6 en 2026, los usuarios que trabajan con agentes vieron que a veces enviaba la misma llamada a herramientas una y otra vez, dando la impresión de estar ocupado sin avanzar. El punto de control MOPD que Xiaomi publicó después se evalúa precisamente frente a ese problema.
Fuente ↗

A tener en cuenta

Ejecutarlo uno mismo es pesado: «Se necesitan unos 573 GB de pesos en memoria de GPU antes de cualquier caché KV.» La guía dice que, en la práctica, eso significa 8 tarjetas H200.
Fuente ↗
Las altas puntuaciones en agentes son de la propia Xiaomi, medidas en sus propios entornos de prueba. La guía dice que «nadie fuera de Xiaomi puede reproducir» las internas. Además, el modelo es muy prolijo: 140 millones de tokens de salida en el conjunto de evaluación.
Fuente ↗

Dónde seguir

Lea primero la tabla de pruebas de la ficha del modelo y luego los ajustes recomendados. Las cifras allí son de la propia Xiaomi, así que compárelas con resultados independientes, como los de Vals, antes de confiar en ellas.
Fuente ↗

Comparar los tres primeros ↓

Los tres primeros, lado a lado

	Mistral Large 4	DeepSeek V4.1 Flash	Xiaomi MiMo-V2.6-Pro
En las listas de las IA	7 / 8	5 / 8	5 / 8
Puntuación en el Vals Index	#32 de 44 en el Vals Index	61,26% a $0,66 por prueba	57,81–59,5% a $0,13–$0,24
Primero para	—	ChatGPT, Meta, DeepSeek	—

Los puestos con el mismo número de IA se ordenan por su puesto medio en las listas de las IA.

03Vale la pena saber

Lo que notaron las IA al armar la lista.

El arnés mueve las puntuaciones de agente tanto como el modelo: un modelo obtuvo 45,9% en SWE-Bench Pro con una estructura estándar y 55,4% con el agente propio de su fabricante.

Lo notaron:

Lo incluyeron: Claude, DeepSeek. No lo incluyeron: ChatGPT, Meta, Gemini, Nova, Wenxin, Qwen.

01Lista final

Mistral Large 4

DeepSeek V4.1 Flash

Xiaomi MiMo-V2.6-Pro

GLM-5.3 (Z.ai)

Kimi K3 (Moonshot AI)

Qwen3.8 Max (2.4T-A95B)

Meta Muse Spark Open

GLM-5.3 Flash (Z.ai)

Nvidia Nemotron 3.5 Bolt 74B

DeepSeek V4 Pro

02Más sobre los tres primeros

1Mistral Large 4

¿Sabía que…?

2DeepSeek V4.1 Flash

¿Sabía que…?

3Xiaomi MiMo-V2.6-Pro

¿Sabía que…?

Los tres primeros, lado a lado

Más rankings

03Vale la pena saber

04Lo que la gente pregunta

05Cómo lo calculamos

1La pregunta

2Por qué este tema

3Dónde aplica

4Qué miramos

5Quién clasificó

6Cómo se fijaron los puestos

06La lista de cada IA

Lo que notó Claude

Lo que notó ChatGPT

Lo que notó Meta

Lo que notó Wenxin

Lo que notó DeepSeek

Lo que notó Qwen