Peticiones sobre maquetación y aplicaciones web, valoradas a ciegas por personas. Se distingue de la selección de programación en la medida: allí se cuentan tareas resueltas, aquí qué resultado prefirió la gente. Para la web eso se acerca más al asunto, porque el aspecto del resultado es parte de lo que se juzga.
| # | Modelo | Desarrollador | Arena Score, web | Acceso$ / 1M | Salida$ / 1M | Contextotokens |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5 | Anthropic | 1.704,67 1.689–1.720 | $5 | $25 | 1.000K |
| 2 | Kimi K3 | Moonshot AI (Kimi) | 1.675,56 1.664–1.687 | $2 | $8 | 1.049K |
| 3 | Claude Fable 5 | Anthropic | 1.630,02 1.621–1.639 | $10 | $50 | 1.000K |
| 4 | GPT-5.6 Sol ≈ | OpenAI | 1.620,27 1.611–1.630 | $5 | $30 | 1.050K |
| 5 | GLM 5.2 | Zhipu AI / Z.ai | 1.586,29 1.577–1.595 | $0,42 | $1,32 | 1.049K |
| 6 | DeepSeek V4 Flash ≈ | DeepSeek | 1.576,54 1.559–1.594 | $0,14 | $0,28 | 1.049K |
| 7 | Claude Opus 4.7 ≈ | Anthropic | 1.560,63 1.554–1.567 | $5 | $25 | 1.000K |
| 8 | Grok 4.5 ≈ | xAI | 1.549,24 1.539–1.560 | $2 | $6 | 500K |
| 9 | Claude Sonnet 5 ≈ | Anthropic | 1.541,89 1.532–1.552 | $2 | $10 | 1.000K |
| 10 | Claude Opus 4.8 ≈ | Anthropic | 1.538,84 1.531–1.547 | $5 | $25 | 1.000K |
| 11 | Claude Opus 4.6 ≈ | Anthropic | 1.537,93 1.532–1.544 | $5 | $25 | 1.000K |
| 12 | Muse Spark 1.1 ≈ | Meta AI | 1.535,95 1.525–1.546 | $1,25 | $4,25 | 1.049K |
| 13 | Gemini 3.6 Flash ≈ | Google DeepMind | 1.532,54 1.521–1.544 | $1,5 | $7,5 | 1.049K |
| 14 | GPT-5.6 Luna ≈ | OpenAI | 1.522,94 1.512–1.534 | $0,2 | $1,2 | 1.050K |
| 15 | Claude Sonnet 4.6 ≈ | Anthropic | 1.522,64 1.517–1.528 | $3 | $15 | 1.000K |
| 16 | GPT-5.6 Terra ≈ | OpenAI | 1.521,61 1.510–1.533 | $2 | $12 | 1.050K |
| 17 | Qwen3.7 Max ≈ | Alibaba (Qwen) | 1.516,97 1.509–1.525 | $2,5 | $7,5 | 1.000K |
| 18 | Hy3 ≈ | Tencent (Hunyuan) | 1.516,53 1.500–1.533 | $0,13 | $0,53 | 262K |
| 19 | GLM 5.1 ≈ | Zhipu AI / Z.ai | 1.516,16 1.508–1.524 | $0,06 | $0,22 | 205K |
| 20 | Kimi K2.6 ≈ | Moonshot AI (Kimi) | 1.509,51 1.502–1.517 | $0,22 | $1,14 | 262K |
| 21 | MiniMax M3 | MiniMax | 1.490,74 1.483–1.499 | $0,3 | $1,2 | 1.049K |
| 22 | Gemini 3.5 Flash ≈ | Google DeepMind | 1.486,18 1.478–1.494 | $1,5 | $9 | 1.049K |
| 23 | Qwen3.6 Max Preview ≈ | Alibaba (Qwen) | 1.478,18 1.465–1.491 | $1,3 | $7,8 | 262K |
| 24 | MiMo V2.5 Pro ≈ | Xiaomi | 1.474,02 1.467–1.481 | $0,44 | $0,87 | 1.050K |
| 25 | Kimi K2.7 Code ≈ | Moonshot AI (Kimi) | 1.472,57 1.463–1.482 | $0,28 | $1,1 | 262K |
| 26 | Claude 4.5 Opus ≈ | Anthropic | 1.466,99 1.460–1.474 | $5 | $25 | 200K |
| 27 | Qwen3.6 Plus ≈ | Alibaba (Qwen) | 1.457,86 1.452–1.464 | $0,5 | $3 | 1.000K |
| 28 | Gemini 3.5 Flash Lite ≈ | Google DeepMind | 1.451,88 1.408–1.496 | $0,3 | $2,5 | 1.049K |
| 29 | Gemini 3.1 Pro Preview ≈ | Google DeepMind | 1.446,83 1.441–1.452 | $2 | $12 | 1.049K |
| 30 | DeepSeek V4 Pro ≈ | DeepSeek | 1.446 1.439–1.453 | $0,44 | $0,87 | 1.049K |
| 31 | Gemini 3 Pro ≈ | Google DeepMind | 1.438,15 1.430–1.447 | $1,6 | $9,6 | 1.049K |
| 32 | Gemini 3 Flash ≈ | Google DeepMind | 1.438,01 1.429–1.447 | $0,4 | $2,4 | 1.049K |
| 33 | Kimi K2.5 Thinking TEE ≈ | Moonshot AI (Kimi) | 1.435,77 1.430–1.441 | $0,3 | $1,9 | 256K |
| 34 | MiMo V2.5 ≈ | Xiaomi | 1.435,5 1.428–1.443 | $0,14 | $0,28 | 1.050K |
| 35 | GLM 5 ≈ | Zhipu AI / Z.ai | 1.434,74 1.426–1.443 | $0,48 | $1,9 | 205K |
| 36 | GLM 4.7 ≈ | Zhipu AI / Z.ai | 1.433,46 1.421–1.446 | $0,15 | $0,8 | 205K |
| 37 | MiMo V2 Pro ≈ | Xiaomi | 1.433 1.425–1.441 | $0,44 | $0,87 | 1.049K |
| 38 | Inkling | Thinking Machines Lab | 1.411,46 1.402–1.421 | $1,87 | $4,68 | 1.049K |
| 39 | Qwen3.5 397B-A17B ≈ | Alibaba (Qwen) | 1.399,59 1.394–1.405 | $0,6 | $3,6 | 262K |
| 40 | GLM 5V Turbo ≈ | Zhipu AI / Z.ai | 1.399,35 1.385–1.414 | $0,7 | $3,1 | 203K |
| 41 | MiniMax M2.7 ≈ | MiniMax | 1.398,49 1.392–1.405 | $0,3 | $1,2 | 205K |
| 42 | Claude 4.1 Opus ≈ | Anthropic | 1.388,74 1.378–1.400 | $15 | $75 | 200K |
| 43 | MiniMax M2.5 ≈ | MiniMax | 1.386,27 1.378–1.395 | $0,3 | $1,2 | 1.000K |
| 44 | Claude Sonnet 4.5 ≈ | Anthropic | 1.385,13 1.378–1.392 | $3 | $15 | 1.000K |
| 45 | Grok 4.20 (Reasoning) ≈ | xAI | 1.373,68 1.367–1.380 | $2 | $6 | 2.000K |
| 46 | Gemma 4 26B-A4B ≈ | Google DeepMind | 1.366,59 1.349–1.384 | $0,05 | $0,29 | 262K |
| 47 | Gemma 4 31B ≈ | Google DeepMind | 1.363,39 1.355–1.371 | $0,14 | $0,4 | 262K |
| 48 | Qwen3.5 122B-A10B ≈ | Alibaba (Qwen) | 1.359,5 1.352–1.367 | $0,4 | $3,2 | 262K |
| 49 | Qwen3.5 27B ≈ | Alibaba (Qwen) | 1.357,62 1.349–1.366 | $0,3 | $2,4 | 262K |
| 50 | Grok 4.3 ≈ | xAI | 1.356,93 1.350–1.364 | $1,25 | $2,5 | 1.000K |
| 51 | Laguna M.1 ≈ | Poolside | 1.348,81 1.339–1.359 | $0,2 | $0,4 | 262K |
| 52 | GLM 4.6 ≈ | Zhipu AI / Z.ai | 1.339,03 1.328–1.350 | $0,29 | $1,14 | 205K |
| 53 | MiMo V2 Flash ≈ | Xiaomi | 1.330,69 1.321–1.341 | $0,14 | $0,28 | 262K |
| 54 | Claude Haiku 4.5 ≈ | Anthropic | 1.325,04 1.320–1.330 | $1 | $5 | 200K |
| 55 | DeepSeek V3.2 ≈ | DeepSeek | 1.323,38 1.315–1.331 | $0,28 | $0,4 | 164K |
| 56 | Kimi K2 Thinking Turbo ≈ | Moonshot AI (Kimi) | 1.322 1.315–1.329 | $1,15 | $8 | 262K |
| 57 | Laguna XS.2 ≈ | Poolside | 1.303,56 1.292–1.315 | $0,2 | $0,4 | 262K |
| 58 | MiniMax M2 ≈ | MiniMax | 1.296,69 1.286–1.308 | $0,3 | $1,2 | 205K |
| 59 | MiMo V2 Flash (Thinking) ≈ | Xiaomi | 1.291,23 1.275–1.308 | $0,1 | $0,31 | 256K |
| 60 | Qwen3 Coder 480B A35B ≈ | Alibaba (Qwen) | 1.272,22 1.264–1.280 | $1,5 | $7,5 | 262K |
| 61 | DeepSeek V3.2 Exp ≈ | DeepSeek | 1.271,78 1.258–1.285 | $0,22 | $0,33 | 164K |
| 62 | Mistral Medium 3.5 ≈ | Mistral AI | 1.267,07 1.251–1.283 | $1,5 | $7,5 | 262K |
| 63 | Gemini 3.1 Flash Lite Preview ≈ | Google DeepMind | 1.256,23 1.249–1.263 | $0,25 | $1,5 | 1.049K |
| 64 | KAT-Coder-Pro V1 ≈ | Kuaishou (Kling, KAT) | 1.255,01 1.235–1.275 | $0,3 | $1,2 | 256K |
| 65 | Qwen3.5 35B A3B ≈ | Alibaba (Qwen) | 1.250,46 1.233–1.268 | $0,25 | $2 | 262K |
| 66 | Grok 4.1 Fast Reasoning ≈ | xAI | 1.240,06 1.229–1.251 | $0,2 | $0,5 | 2.000K |
| 67 | Trinity Large Thinking ≈ | Arcee AI | 1.238,93 1.218–1.260 | $0,22 | $0,85 | 262K |
| 68 | Qwen3.5 Flash ≈ | Alibaba (Qwen) | 1.237,96 1.218–1.258 | $0,09 | $0,36 | 1.000K |
| 69 | Mistral Large 3 ≈ | Mistral AI | 1.230,02 1.204–1.256 | $0,5 | $1,5 | 256K |
| 70 | Gemini 2.5 Pro ≈ | Google DeepMind | 1.224,23 1.208–1.240 | $1,25 | $10 | 1.049K |
| 71 | Grok 4.1 ≈ | xAI | 1.210,33 1.185–1.235 | $2 | $10 | 200K |
| 72 | Granite 4.1 8B ≈ | IBM | 1.193,98 1.175–1.213 | $0,05 | $0,1 | 131K |
| 73 | Devstral 2 ≈ | Mistral AI | 1.193,89 1.173–1.215 | $0,4 | $2 | 256K |
| 74 | Mercury 2 ≈ | Inception Labs | 1.166,34 1.141–1.192 | $0,25 | $0,75 | 128K |
| 75 | Grok Code Fast 1 ≈ | xAI | 1.163,41 1.135–1.192 | $0,2 | $1,5 | 256K |
| 76 | Grok 4 Fast Reasoning ≈ | xAI | 1.160,41 1.133–1.188 | $0,2 | $0,5 | 2.000K |
| 77 | Devstral Medium | Mistral AI | 1.079,26 1.048–1.111 | $0,4 | $2 | 128K |
La tabla se desplaza en horizontal: no caben todas las columnas.
El precio es el más bajo entre los proveedores del modelo, tarifa base, sin tarifas por lotes ni reducidas. La entrada y la salida se muestran por separado a propósito: en la mayoría de los modelos la salida cuesta varias veces más que la entrada, y la factura final depende de qué predomine en la tarea.
El signo ≈ marca los modelos cuyo intervalo de confianza se solapa con el de la fila de arriba. Aquí hay 70 modelos — su orden entre sí no está determinado por los datos disponibles.
El intervalo de confianza de la mitad de los modelos supera 19,2 puntos — es decir, unas 2 filas adyacentes de la tabla. Dentro de ese grupo el orden no lo marcan los datos, sino quién votó esta vez; los datos sostienen la diferencia entre el principio y el final de la lista, pero no la vecindad de los puestos. Votos por modelo aquí — mediana 6.310: cuantos menos hay, más ancho es el intervalo.
Arena (LMArena)
— licencia CC-BY-4.0 · fuente original
По данным Arena (LMArena)