Valores publicados por otras instituciones
Editar código en 6 lenguajes de programación (Aider polyglot)
Tarea en la que el modelo resuelve ejercicios difíciles de C++, Go, Java, JavaScript, Python y Rust reescribiendo archivos existentes.
Cómo leer esta tabla
- Cuanto más arriba, mejor valoración; la diferencia entre modelos que aparecen con un intervalo como «1–2» está dentro del margen de error.
- La valoración es el valor publicado por la institución que creó la tarea, entre otras.
- Las condiciones de medición pueden variar según el modelo, así que no hace falta preocuparse por diferencias pequeñas.
- El precio es una referencia por cada millón de tokens: primero lo que se le da a leer y después lo que se le pide escribir.
- La longitud es la cantidad de texto que se le puede dar a leer de una vez (tokens).
| Puesto | Modelo | Desarrollador | Tasa de éxito (%) | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|
| 1.º | GPT-5 | OpenAI | Valoración 88.0 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 2.º | o3-pro | OpenAI | Valoración 84.9 | — | — | 200K | OpenAI Publicación 2025-06 Precio — Longitud 200K | |||
| 3.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 83.1 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 4.º | o3 | OpenAI | Valoración 81.3 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | |||
| 5.º | Grok 4 | xAI | Valoración 79.6 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | |||
| 6–7.º | DeepSeek-V3.2 (exp) | DeepSeek | Valoración 74.2 | — | — | 163.8K | DeepSeek Publicación 2025-09 Precio — Longitud 163.8K | |||
| 6–7.º | DeepSeek-V3.2 | DeepSeek | Valoración 74.2 | — | — | 128K | DeepSeek Publicación 2025-12 Precio — Longitud 128K | |||
| 8–9.º | Gemini 2.5 Pro (exp) | Valoración 72.9 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | ||||
| 8–9.º | Gemini 2.5 Pro (preview, 2025-03) | Valoración 72.9 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | ||||
| 10–11.º | Claude Opus 4 | Anthropic | Valoración 72.0 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 10–11.º | o4-mini | OpenAI | Valoración 72.0 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | |||
| 12.º | DeepSeek-R1 (2025-05) | DeepSeek | Valoración 71.4 | — | — | 131.1K | DeepSeek Publicación 2025-05 Precio — Longitud 131.1K | |||
| 13.º | DeepSeek Chat (API) | DeepSeek | Valoración 70.2 | — | — | 1M | DeepSeek Publicación 2025-12 Precio — Longitud 1M | |||
| 14.º | Claude 3.7 Sonnet | Anthropic | Valoración 64.9 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | |||
| 15.º | o1 | OpenAI | Valoración 61.7 | $15 | $60 | 128K | OpenAI Publicación 2024-12 Precio $15 / $60 Longitud 128K | |||
| 16.º | Claude Sonnet 4 | Anthropic | Valoración 61.3 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 17.º | o3-mini | OpenAI | Valoración 60.4 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | |||
| 18–19.º | Qwen3 235B A22B | Alibaba | Valoración 59.6 | $0.7 | $2.8 | 128K | Alibaba Publicación 2025-04 Precio $0.7 / $2.8 Longitud 128K | |||
| 18–19.º | Qwen3 235B A22B (instruct) | Alibaba | Valoración 59.6 | — | — | 128K | Alibaba Publicación 2025-07 Precio — Longitud 128K | |||
| 20–21.º | Kimi K2 (instruct) | Moonshot | Valoración 59.1 | — | — | 131.1K | Moonshot Publicación 2025-07 Precio — Longitud 131.1K | |||
| 20–21.º | Kimi K2 (instruct, 2025-09) | Moonshot | Valoración 59.1 | — | — | 262.1K | Moonshot Publicación 2025-09 Precio — Longitud 262.1K | |||
| 22.º | DeepSeek-R1 | DeepSeek | Valoración 56.9 | — | — | 128K | DeepSeek Publicación 2025-01 Precio — Longitud 128K | |||
| 23–24.º | DeepSeek-V3 (2025-03) | DeepSeek | Valoración 55.1 | — | — | 163.8K | DeepSeek Publicación 2025-03 Precio — Longitud 163.8K | |||
| 23–24.º | Gemini 2.5 Flash (preview, 2025-05) | Valoración 55.1 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 25.º | Grok 3 (beta) | xAI | Valoración 53.3 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | |||
| 26.º | GPT-4.1 | OpenAI | Valoración 52.4 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | |||
| 27.º | Claude 3.5 Sonnet (2024-10) | Anthropic | Valoración 51.6 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | |||
| 28.º | Grok 3 Mini (beta) | xAI | Valoración 49.3 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | |||
| 29.º | DeepSeek-V3 | DeepSeek | Valoración 48.4 | — | — | 128K | DeepSeek Publicación 2024-12 Precio — Longitud 128K | |||
| 30.º | Gemini 2.5 Flash (preview, 2025-04) | Valoración 47.1 | — | — | 1.05M | Google Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 31.º | ChatGPT-4o (2025-03-27) | OpenAI | Valoración 45.3 | — | — | — | OpenAI Publicación 2025-03 Precio — Longitud — | |||
| 32.º | GPT-4.5 (preview) | OpenAI | Valoración 44.9 | — | — | — | OpenAI Publicación 2025-02 Precio — Longitud — | |||
| 33.º | GPT-OSS 120B | OpenAI | Valoración 41.8 | — | — | 128K | OpenAI Publicación 2025-08 Precio — Longitud 128K | |||
| 34.º | Qwen3 32B | Alibaba | Valoración 40.0 | $0.7 | $2.8 | 131.1K | Alibaba Publicación 2025-04 Precio $0.7 / $2.8 Longitud 131.1K | |||
| 35.º | Gemini Exp | Valoración 38.2 | — | — | 2.1M | Google Publicación 2024-12 Precio — Longitud 2.1M | ||||
| 36.º | Gemini 2.0 Pro (exp) | Valoración 35.6 | — | — | 2.1M | Google Publicación 2025-02 Precio — Longitud 2.1M | ||||
| 37.º | o1-mini | OpenAI | Valoración 32.9 | — | — | 128K | OpenAI Publicación 2024-09 Precio — Longitud 128K | |||
| 38.º | GPT-4.1 mini | OpenAI | Valoración 32.4 | — | — | 1.05M | OpenAI Publicación 2025-04 Precio — Longitud 1.05M | |||
| 39.º | Claude 3.5 Haiku | Anthropic | Valoración 28.0 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | |||
| 40.º | ChatGPT-4o (2025-01) | OpenAI | Valoración 27.1 | — | — | — | OpenAI Publicación 2025-01 Precio — Longitud — | |||
| 41.º | GPT-4o (2024-08) | OpenAI | Valoración 23.1 | $2.5 | $10 | 128K | OpenAI Publicación 2024-08 Precio $2.5 / $10 Longitud 128K | |||
| 42.º | Gemini 2.0 Flash (thinking, exp) | Valoración 22.2 | — | — | — | Google Publicación 2024-12 Precio — Longitud — | ||||
| 43.º | Qwen Max | Alibaba | Valoración 21.8 | — | — | 128K | Alibaba Publicación 2025-01 Precio — Longitud 128K | |||
| 44.º | QwQ 32B | Alibaba | Valoración 20.9 | — | — | 32.8K | Alibaba Publicación 2025-03 Precio — Longitud 32.8K | |||
| 45.º | GPT-4o (2024-11) | OpenAI | Valoración 18.2 | $2.5 | $10 | 128K | OpenAI Publicación 2024-11 Precio $2.5 / $10 Longitud 128K | |||
| 46.º | DeepSeek-V2.5 | DeepSeek | Valoración 17.8 | — | — | — | DeepSeek Publicación 2024-09 Precio — Longitud — | |||
| 47.º | Qwen2.5 Coder 32B (instruct) | Alibaba | Valoración 16.4 | — | — | 32.8K | Alibaba Publicación 2024-11 Precio — Longitud 32.8K | |||
| 48.º | Llama 4 Maverick | Meta | Valoración 15.6 | — | — | 524.3K | Meta Publicación 2025-04 Precio — Longitud 524.3K | |||
| 49.º | Yi Lightning | 01.AI | Valoración 12.9 | — | — | — | 01.AI Publicación 2024-12 Precio — Longitud — | |||
| 50.º | Command A | Cohere | Valoración 12.0 | $2.5 | $10 | 256K | Cohere Publicación 2025-03 Precio $2.5 / $10 Longitud 256K | |||
| 51.º | Codestral | Mistral | Valoración 11.1 | — | — | 256K | Mistral Publicación 2025-01 Precio — Longitud 256K | |||
| 52.º | OpenHands LM 32B (v0.1) | All Hands AI | Valoración 10.2 | — | — | — | — | All Hands AI Publicación 2024-03 Precio — Longitud — | ||
| 53.º | GPT-4.1 nano | OpenAI | Valoración 8.9 | $0.1 | $0.4 | 1.05M | OpenAI Publicación 2025-04 Precio $0.1 / $0.4 Longitud 1.05M | |||
| 54.º | Gemma 3 27B | Valoración 4.9 | — | — | 128K | Google Publicación 2025-03 Precio — Longitud 128K | ||||
| 55.º | GPT-4o mini | OpenAI | Valoración 3.6 | — | — | 128K | OpenAI Publicación 2024-07 Precio — Longitud 128K |
Evolución de la máxima tasa de éxito
2024-03-26Publicación2025-12-01
Cómo leer esta página
- Puede intentar las pruebas hasta 2 veces, y el valor es la proporción de problemas que pasan. Reúne valores publicados por las instituciones que crearon las tareas, entre otras.
- La tasa de éxito es la proporción de intentos que salieron bien. Una diferencia de 1 punto equivale a 1 intento de cada 100.
- Los iconos de la columna Admite son, de izquierda a derecha: puede usar herramientas / puede leer imágenes / puede responder con un formato fijo (JSON) (una marca tenue significa que no lo admite o que se desconoce).
- Un modelo de pesos abiertos es aquel cuyo contenido (los pesos) se ha publicado y que también puedes ejecutar en tu propio ordenador o servidor. Los modelos sin la marca de pesos abiertos se usan normalmente a través del servicio del desarrollador (aplicación o API) (algunos modelos no tienen información sobre sus pesos).
- ChatGPT y los demás nombres junto al nombre del modelo son los servicios que ese desarrollador ofrece al público. Comprueba en el propio servicio si ese modelo se puede elegir allí.
Datos: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT), actualizado el 2026-10-24, Fuentes de datos