Textos literarios y escritura libre, valorados a ciegas por personas: un trabajo así no tiene respuesta correcta, de modo que la preferencia es la medida más honesta disponible. También hay un segundo criterio, de una pasada de tareas puntuadas; mide otra cosa y da otro orden.
Una pregunta, dos formas de responderla. Los indicadores miden cosas distintas y no se suman en una única puntuación.
Aquí no se han medido todos los modelos. De los diez primeros de la pestaña «Por tareas resueltas», esta tabla no incluye 4 — GPT 5 2025-08-07, Kimi K2 Instruct, OpenAI o3-pro (2025-06-10), GPT 5 Mini 2025-08-07. No tienen ninguna puntuación en los conjuntos de tareas de esta pestaña: un hueco significa «no medido», no «rindió mal». El modelo más nuevo al que llegó este conjunto se lanzó el 27 julio 2026.
| # | Modelo | Desarrollador | Arena Score, texto | Acceso$ / 1M | Salida$ / 1M | Contextotokens |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5 | Anthropic | 1.510,88 1.481–1.541 | $5 | $25 | 1.000K |
| 2 | Claude Fable 5 ≈ | Anthropic | 1.498,96 1.487–1.511 | $10 | $50 | 1.000K |
| 3 | Gemini 3 Pro ≈ | Google DeepMind | 1.481,7 1.473–1.490 | $1,6 | $9,6 | 1.049K |
| 4 | Claude Opus 4.6 ≈ | Anthropic | 1.481,69 1.475–1.489 | $5 | $25 | 1.000K |
| 5 | Gemini 3.1 Pro Preview ≈ | Google DeepMind | 1.481,61 1.475–1.488 | $2 | $12 | 1.049K |
| 6 | Claude Opus 4.7 ≈ | Anthropic | 1.476,58 1.469–1.484 | $5 | $25 | 1.000K |
| 7 | Gemini 3.5 Flash ≈ | Google DeepMind | 1.470,09 1.454–1.486 | $1,5 | $9 | 1.049K |
| 8 | Kimi K3 ≈ | Moonshot AI (Kimi) | 1.464,37 1.440–1.489 | $2 | $8 | 1.049K |
| 9 | Gemini 3.6 Flash ≈ | Google DeepMind | 1.463,55 1.445–1.482 | $1,5 | $7,5 | 1.049K |
| 10 | Gemini 3 Flash ≈ | Google DeepMind | 1.458,54 1.449–1.468 | $0,4 | $2,4 | 1.049K |
| 11 | GLM 5.2 ≈ | Zhipu AI / Z.ai | 1.456,24 1.446–1.467 | $0,42 | $1,32 | 1.049K |
| 12 | Gemini 2.5 Pro ≈ | Google DeepMind | 1.454,49 1.449–1.460 | $1,25 | $10 | 1.049K |
| 13 | GLM 5.1 ≈ | Zhipu AI / Z.ai | 1.454,14 1.445–1.463 | $0,06 | $0,22 | 205K |
| 14 | GPT-5.6 Sol ≈ | OpenAI | 1.453,45 1.437–1.470 | $5 | $30 | 1.050K |
| 15 | DeepSeek V4 Pro ≈ | DeepSeek | 1.443,14 1.435–1.451 | $0,44 | $0,87 | 1.049K |
| 16 | Claude Opus 4.8 ≈ | Anthropic | 1.443,1 1.434–1.452 | $5 | $25 | 1.000K |
| 17 | Claude Sonnet 4.5 ≈ | Anthropic | 1.440,99 1.435–1.447 | $3 | $15 | 1.000K |
| 18 | Claude 4.5 Opus ≈ | Anthropic | 1.440,86 1.434–1.447 | $5 | $25 | 200K |
| 19 | Muse Spark 1.1 ≈ | Meta AI | 1.440,45 1.426–1.455 | $1,25 | $4,25 | 1.049K |
| 20 | Qwen3.7 Plus ≈ | Alibaba (Qwen) | 1.440,34 1.430–1.450 | $0,5 | $3 | 1.000K |
| 21 | ERNIE 5.1 ≈ | Baidu (Ernie) | 1.439,68 1.431–1.448 | $0,75 | $3 | 119K |
| 22 | Grok 4.5 ≈ | xAI | 1.439,21 1.424–1.454 | $2 | $6 | 500K |
| 23 | Claude Sonnet 4.6 ≈ | Anthropic | 1.438,07 1.431–1.445 | $3 | $15 | 1.000K |
| 24 | Grok 4.20 Multi Agent Beta 0309 ≈ | xAI | 1.436,86 1.430–1.444 | $2 | $6 | 2.000K |
| 25 | GLM 5 ≈ | Zhipu AI / Z.ai | 1.436,16 1.427–1.445 | $0,48 | $1,9 | 205K |
| 26 | Qwen3.6 Max Preview ≈ | Alibaba (Qwen) | 1.433,85 1.411–1.457 | $1,3 | $7,8 | 262K |
| 27 | MiMo V2.5 Pro ≈ | Xiaomi | 1.433,77 1.426–1.442 | $0,44 | $0,87 | 1.050K |
| 28 | Grok 4.20 (Reasoning) ≈ | xAI | 1.433,4 1.426–1.440 | $2 | $6 | 2.000K |
| 29 | Kimi K2.6 ≈ | Moonshot AI (Kimi) | 1.430,8 1.422–1.439 | $0,22 | $1,14 | 262K |
| 30 | Kimi K2.5 Thinking TEE ≈ | Moonshot AI (Kimi) | 1.423,84 1.417–1.431 | $0,3 | $1,9 | 256K |
| 31 | Gemini 3.5 Flash Lite ≈ | Google DeepMind | 1.420,66 1.403–1.439 | $0,3 | $2,5 | 1.049K |
| 32 | GPT-5.5 Instant ≈ | OpenAI | 1.420,47 1.411–1.430 | $5 | $30 | 400K |
| 33 | Gemma 4 31B ≈ | Google DeepMind | 1.417,17 1.398–1.436 | $0,14 | $0,4 | 262K |
| 34 | MiMo V2 Pro ≈ | Xiaomi | 1.416,27 1.406–1.427 | $0,44 | $0,87 | 1.049K |
| 35 | GLM 4.6 ≈ | Zhipu AI / Z.ai | 1.412,75 1.404–1.421 | $0,29 | $1,14 | 205K |
| 36 | Grok 4.1 ≈ | xAI | 1.412,53 1.406–1.419 | $2 | $10 | 200K |
| 37 | GPT-5.6 Terra ≈ | OpenAI | 1.410,72 1.395–1.426 | $2 | $12 | 1.050K |
| 38 | Hy3 ≈ | Tencent (Hunyuan) | 1.410,4 1.386–1.435 | $0,13 | $0,53 | 262K |
| 39 | Claude 4.1 Opus ≈ | Anthropic | 1.410,22 1.404–1.416 | $15 | $75 | 200K |
| 40 | GLM 5V Turbo ≈ | Zhipu AI / Z.ai | 1.409,81 1.394–1.425 | $0,7 | $3,1 | 203K |
| 41 | DeepSeek R1 0528 ≈ | DeepSeek | 1.409,54 1.397–1.422 | $0,25 | $0,25 | 164K |
| 42 | ChatGPT 4o Latest ≈ | OpenAI | 1.407,13 1.401–1.413 | $5 | $15 | 128K |
| 43 | Claude Sonnet 5 ≈ | Anthropic | 1.406,98 1.395–1.419 | $2 | $10 | 1.000K |
| 44 | Seed 2.0 Pro ≈ | ByteDance (Doubao) | 1.406,26 1.400–1.413 | $0,5 | $3 | 131K |
| 45 | DeepSeek V3.1 Terminus ≈ | DeepSeek | 1.405,52 1.378–1.433 | $0,21 | $0,79 | 164K |
| 46 | Gemma 4 26B-A4B ≈ | Google DeepMind | 1.404,92 1.386–1.424 | $0,05 | $0,29 | 262K |
| 47 | Qwen3.5 397B-A17B ≈ | Alibaba (Qwen) | 1.404,33 1.397–1.411 | $0,6 | $3,6 | 262K |
| 48 | DeepSeek V3.2 Exp ≈ | DeepSeek | 1.403,82 1.389–1.418 | $0,22 | $0,33 | 164K |
| 49 | MiniMax M3 ≈ | MiniMax | 1.403,76 1.394–1.413 | $0,3 | $1,2 | 1.049K |
| 50 | GPT-5.6 Luna ≈ | OpenAI | 1.403,67 1.388–1.419 | $0,2 | $1,2 | 1.050K |
| 51 | Qwen3.6 Plus ≈ | Alibaba (Qwen) | 1.403,57 1.395–1.412 | $0,5 | $3 | 1.000K |
| 52 | Gemini 2.5 Flash ≈ | Google DeepMind | 1.402,43 1.397–1.407 | $0,3 | $2,5 | 1.049K |
| 53 | GLM 4.7 ≈ | Zhipu AI / Z.ai | 1.402,36 1.389–1.416 | $0,15 | $0,8 | 205K |
| 54 | DeepSeek V4 Flash ≈ | DeepSeek | 1.402,07 1.394–1.410 | $0,14 | $0,28 | 1.049K |
| 55 | GPT-5.2 Chat ≈ | OpenAI | 1.401,99 1.393–1.411 | $1,75 | $14 | 128K |
| 56 | Qwen3 Max Preview ≈ | Alibaba (Qwen) | 1.400,79 1.391–1.411 | $1,2 | $6 | 256K |
| 57 | Gemini 3.1 Flash Lite Preview ≈ | Google DeepMind | 1.400,66 1.394–1.408 | $0,25 | $1,5 | 1.049K |
| 58 | DeepSeek V3.2 ≈ | DeepSeek | 1.399,13 1.391–1.407 | $0,28 | $0,4 | 164K |
| 59 | Grok 4 ≈ | xAI | 1.398,43 1.390–1.407 | $3 | $15 | 256K |
| 60 | Inkling ≈ | Thinking Machines Lab | 1.395,2 1.379–1.412 | $1,87 | $4,68 | 1.049K |
| 61 | GLM 4.5 ≈ | Zhipu AI / Z.ai | 1.395,04 1.384–1.406 | $0,2 | $0,8 | 131K |
| 62 | GPT 4.5 Preview ≈ | OpenAI | 1.394,29 1.382–1.406 | $75 | $150 | 128K |
| 63 | Grok 4.1 Fast Reasoning ≈ | xAI | 1.393,1 1.386–1.400 | $0,2 | $0,5 | 2.000K |
| 64 | Hunyuan T1 ≈ | Tencent (Hunyuan) | 1.392,73 1.369–1.416 | — | — | 131K |
| 65 | Mistral Medium 3.1 ≈ | Mistral AI | 1.392,2 1.387–1.398 | $0,4 | $2 | 262K |
| 66 | MiMo V2.5 ≈ | Xiaomi | 1.391,79 1.384–1.400 | $0,14 | $0,28 | 1.050K |
| 67 | MiMo V2 Omni ≈ | Xiaomi | 1.391,39 1.380–1.403 | $0,14 | $0,28 | 262K |
| 68 | Mistral Large 3 ≈ | Mistral AI | 1.390,53 1.383–1.398 | $0,5 | $1,5 | 256K |
| 69 | Grok 4.3 ≈ | xAI | 1.388,05 1.380–1.396 | $1,25 | $2,5 | 1.000K |
| 70 | 2025) ≈ | Google DeepMind | 1.387,99 1.379–1.397 | $0,3 | $2,5 | 1.049K |
| 71 | DeepSeek V3.1 ≈ | DeepSeek | 1.387,55 1.374–1.401 | $0,2 | $0,7 | 164K |
| 72 | Qwen3 235B A22B Thinking-2507 ≈ | Alibaba (Qwen) | 1.386,32 1.368–1.404 | $0,1 | $0,1 | 262K |
| 73 | Qwen3 Max 2025-09-23 ≈ | Alibaba (Qwen) | 1.382,56 1.366–1.400 | $0,86 | $3,43 | 258K |
| 74 | MiMo V2 Flash ≈ | Xiaomi | 1.378,57 1.371–1.386 | $0,14 | $0,28 | 262K |
| 75 | Qwen3 235B A22B Instruct 2507 ≈ | Alibaba (Qwen) | 1.375,98 1.370–1.381 | $0,1 | $0,1 | 262K |
| 76 | Kimi K2 Thinking Turbo ≈ | Moonshot AI (Kimi) | 1.374,88 1.368–1.382 | $1,15 | $8 | 262K |
| 77 | Grok 4 Fast Reasoning ≈ | xAI | 1.374,71 1.363–1.386 | $0,2 | $0,5 | 2.000K |
| 78 | Claude 4 Opus ≈ | Anthropic | 1.374,61 1.366–1.383 | $15 | $75 | 200K |
| 79 | Claude Haiku 4.5 ≈ | Anthropic | 1.371,16 1.366–1.377 | $1 | $5 | 200K |
| 80 | Qwen3 VL 235B A22B Instruct ≈ | Alibaba (Qwen) | 1.370,17 1.353–1.387 | $0,4 | $1,6 | 262K |
| 81 | Qwen3.5 122B-A10B ≈ | Alibaba (Qwen) | 1.369,14 1.360–1.379 | $0,4 | $3,2 | 262K |
| 82 | Mistral Medium 3.5 ≈ | Mistral AI | 1.368,5 1.354–1.383 | $1,5 | $7,5 | 262K |
| 83 | GPT 5 Chat ≈ | OpenAI | 1.367,89 1.358–1.377 | $1,25 | $10 | 128K |
| 84 | Gemini 2.5 Flash Lite Preview ≈ | Google DeepMind | 1.366,02 1.357–1.375 | $0,1 | $0,4 | 1.049K |
| 85 | DeepSeek Chat 0324 ≈ | DeepSeek | 1.364,71 1.357–1.373 | $0,2 | $0,6 | 164K |
| 86 | GPT 4.1 2025-04-14 ≈ | OpenAI | 1.363,66 1.356–1.371 | $2 | $8 | 1.048K |
| 87 | Qwen3.5 27B ≈ | Alibaba (Qwen) | 1.361,69 1.352–1.371 | $0,3 | $2,4 | 262K |
| 88 | o3 2025-04-16 ≈ | OpenAI | 1.359,4 1.352–1.367 | $2 | $8 | 200K |
| 89 | Hunyuan TurboS ≈ | Tencent (Hunyuan) | 1.358,18 1.343–1.374 | — | — | 131K |
| 90 | Step 3.5 Flash ≈ | StepFun | 1.355,92 1.349–1.363 | $0,1 | $0,3 | 262K |
| 91 | GPT-5.3 Chat (latest) ≈ | OpenAI | 1.355,23 1.346–1.364 | $1,75 | $14 | 128K |
| 92 | DeepSeek Reasoner ≈ | DeepSeek | 1.354,71 1.344–1.365 | $0,55 | $2,19 | 164K |
| 93 | MiniMax M2.7 ≈ | MiniMax | 1.353,29 1.345–1.361 | $0,3 | $1,2 | 205K |
| 94 | Kimi K2 0905 Preview ≈ | Moonshot AI (Kimi) | 1.349,52 1.334–1.365 | $0,6 | $2,5 | 262K |
| 95 | MiMo V2 Flash (Thinking) ≈ | Xiaomi | 1.348,09 1.334–1.362 | $0,1 | $0,31 | 256K |
| 96 | o1 2024-12-17 ≈ | OpenAI | 1.347,89 1.339–1.357 | $15 | $60 | 200K |
| 97 | Qwen3.5 35B A3B ≈ | Alibaba (Qwen) | 1.347,69 1.338–1.357 | $0,25 | $2 | 262K |
| 98 | Longcat Flash Chat ≈ | Meituan | 1.346,08 1.330–1.362 | — | — | 131K |
| 99 | Gemma 3 27B ≈ | Google DeepMind | 1.344,5 1.337–1.352 | $0,03 | $0,11 | 131K |
| 100 | Qwen3 VL 235B A22B Thinking ≈ | Alibaba (Qwen) | 1.344,2 1.326–1.362 | $0,4 | $4 | 262K |
La tabla se desplaza en horizontal: no caben todas las columnas.
El precio es el más bajo entre los proveedores del modelo, tarifa base, sin tarifas por lotes ni reducidas. La entrada y la salida se muestran por separado a propósito: en la mayoría de los modelos la salida cuesta varias veces más que la entrada, y la factura final depende de qué predomine en la tarea.
El signo ≈ marca los modelos cuyo intervalo de confianza se solapa con el de la fila de arriba. Aquí hay 99 modelos — su orden entre sí no está determinado por los datos disponibles.
El intervalo de confianza de la mitad de los modelos supera 18,5 puntos — es decir, unas 11 filas adyacentes de la tabla. Dentro de ese grupo el orden no lo marcan los datos, sino quién votó esta vez; los datos sostienen la diferencia entre el principio y el final de la lista, pero no la vecindad de los puestos. Votos por modelo aquí — mediana 4.577: cuantos menos hay, más ancho es el intervalo.
Arena (LMArena)
— licencia CC-BY-4.0 · fuente original
По данным Arena (LMArena)
Aquí no se han medido todos los modelos. De los diez primeros de la pestaña «Por votos humanos», esta tabla no incluye 10 — Claude Opus 5, Claude Fable 5, Gemini 3 Pro, Claude Opus 4.6, Gemini 3.1 Pro Preview y 5 más. No tienen ninguna puntuación en los conjuntos de tareas de esta pestaña: un hueco significa «no medido», no «rindió mal». El modelo más nuevo al que llegó este conjunto se lanzó el 1 diciembre 2025.
| # | Modelo | Desarrollador | Puntuación por tareas % | Acceso$ / 1M | Salida$ / 1M | Contextotokens |
|---|---|---|---|---|---|---|
| 1 | GPT 5 2025-08-07 | OpenAI | 86 % | $1,25 | $10 | 272K |
| 2 | Kimi K2 Instruct | Moonshot AI (Kimi) | 85,6 % | $0,1 | $2 | 131K |
| 3 | Claude 4.1 Opus | Anthropic | 84,7 % | $15 | $75 | 200K |
| 4 | OpenAI o3-pro (2025-06-10) | OpenAI | 84,4 % | $20 | $80 | 200K |
| 5 | o3 2025-04-16 | OpenAI | 83,9 % | $2 | $8 | 200K |
| 6 | Gemini 2.5 Pro | Google DeepMind | 83,8 % | $1,25 | $10 | 1.049K |
| 7 | Claude 4 Opus | Anthropic | 83,6 % | $15 | $75 | 200K |
| 8 | GPT 5 Mini 2025-08-07 | OpenAI | 83,1 % | $0,25 | $2 | 272K |
| 9 | DeepSeek Reasoner | DeepSeek | 83 % | $0,55 | $2,19 | 164K |
| 10 | Qwen 3 235b A22B | Alibaba (Qwen) | 83 % | $0,7 | $2,8 | 131K |
| 11 | Qwen3 235B A22B Thinking-2507 | Alibaba (Qwen) | 82,4 % | $0,1 | $0,1 | 262K |
| 12 | DeepSeek R1 0528 | DeepSeek | 81,9 % | $0,25 | $0,25 | 164K |
| 13 | GPT-4o (2024-11-20) | OpenAI | 81,8 % | $2,5 | $10 | 128K |
| 14 | Claude 4 Sonnet | Anthropic | 81,4 % | $3 | $15 | 1.000K |
| 15 | Claude Sonnet 3.7 | Anthropic | 81,1 % | $3 | $15 | 200K |
| 16 | Gemini 2.5 Pro Preview 0506 | Google DeepMind | 80,9 % | $1,25 | $10 | 1.049K |
| 17 | Gemini 2.5 Pro Experimental 0325 | Google DeepMind | 80,5 % | $2,5 | $10 | 1.049K |
| 18 | Claude 3.5 Sonnet 2024-10-22 | Anthropic | 80,3 % | $3 | $15 | 200K |
| 19 | Gemma 3 27B | Google DeepMind | 79,9 % | $0,03 | $0,11 | 131K |
| 20 | Mistral Medium 3 | Mistral AI | 77,3 % | $0,4 | $2 | 131K |
| 21 | GPT OSS 120B | OpenAI | 77,1 % | $0,03 | $0,14 | 131K |
| 22 | DeepSeek Chat 0324 | DeepSeek | 77 % | $0,2 | $0,6 | 164K |
| 23 | Grok 4 | xAI | 76,9 % | $3 | $15 | 256K |
| 24 | Gemini 2.5 Flash Preview | Google DeepMind | 76,5 % | $0,15 | $0,6 | 1.049K |
| 25 | Grok 3 | xAI | 76,4 % | $3 | $15 | 131K |
| 26 | GPT 4.5 Preview | OpenAI | 75,6 % | $75 | $150 | 128K |
| 27 | o4 Mini 2025-04-16 | OpenAI | 75 % | $1,1 | $4,4 | 200K |
| 28 | Gemini 2.0 Flash Thinking 0121 | Google DeepMind | 73,8 % | $0,31 | $1 | 1.000K |
| 29 | Grok 3 Mini | xAI | 73,5 % | $0,3 | $0,5 | 131K |
| 30 | Claude 3.5 Haiku | Anthropic | 73,5 % | $0,25 | $1,25 | 200K |
| 31 | o1 2024-12-17 | OpenAI | 70,2 % | $15 | $60 | 200K |
| 32 | Mistral Large 2407 | Mistral AI | 69 % | $3 | $9 | 131K |
| 33 | OpenAI: GPT-4o-mini (2024-07-18) | OpenAI | 67,2 % | $0,15 | $0,6 | 128K |
| 34 | o1 Mini 2024-09-12 | OpenAI | 64,9 % | $1,1 | $4,4 | 128K |
| 35 | Grok 2 1212 | xAI | 63,6 % | $2 | $10 | 131K |
| 36 | Phi 4 | Microsoft | 62,6 % | $0,06 | $0,14 | 128K |
| 37 | Llama 4 Maverick 17b 128e Instruct | Meta AI | 62 % | $0,05 | $0,1 | 1.049K |
| 38 | o3 Mini 2025-01-31 | OpenAI | 61,7 % | $1,1 | $4,4 | 200K |
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.
Epoch AI
— licencia CC-BY · fuente original
По данным Epoch AI