Resultados en tareas
Elegir cómo continúa una escena cotidiana (HellaSwag, Preguntas en inglés)
Tarea que pide elegir entre las opciones la continuación más natural de una frase que describe una escena cotidiana, para medir el razonamiento de sentido común.
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 la proporción (%) de preguntas comunes que se resolvieron.
- Una diferencia de 3 equivale a 3 preguntas de cada 100.
- 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 acierto (%) | Fecha de evaluación | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1.º | GPT-5 | OpenAI | Valoración 95.9 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | ||||
| 2.º | GPT-5.4 | OpenAI | Valoración 95.8 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | ||||
| 3.º | Qwen3.5 27B | Alibaba | Valoración 95.7 | $0.3 | $2.4 | 262.1K | Alibaba Publicación 2026-02 Precio $0.3 / $2.4 Longitud 262.1K | ||||
| 4.º | o3 | OpenAI | Valoración 95.6 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | ||||
| 5.º | Qwen3.5 122B A10B | Alibaba | Valoración 95.1 | $0.4 | $3.2 | 262.1K | Alibaba Publicación 2026-02 Precio $0.4 / $3.2 Longitud 262.1K | ||||
| 6.º | Gemma 4 31B | Valoración 94.1 | — | — | 262.1K | Google Publicación 2026-04 Precio — Longitud 262.1K | |||||
| 7–9.º | GPT-4.1 | OpenAI | Valoración 94.0 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | ||||
| 7–9.º | Qwen3 235B A22B (instruct) | Alibaba | Valoración 94.0 | — | — | 128K | Alibaba Publicación 2025-07 Precio — Longitud 128K | ||||
| 7–9.º | Qwen3.5 35B A3B | Alibaba | Valoración 94.0 | $0.25 | $2 | 262.1K | Alibaba Publicación 2026-02 Precio $0.25 / $2 Longitud 262.1K | ||||
| 10.º | GPT-5 mini | OpenAI | Valoración 93.4 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | ||||
| 11.º | GPT-4o (2024-08) | OpenAI | Valoración 93.0 | $2.5 | $10 | 128K | OpenAI Publicación 2024-08 Precio $2.5 / $10 Longitud 128K | ||||
| 12.º | Qwen3 Next 80B A3B (instruct) | Alibaba | Valoración 92.9 | $0.5 | $2 | 129K | Alibaba Publicación 2025-09 Precio $0.5 / $2 Longitud 129K | ||||
| 13.º | Qwen3 235B A22B (thinking) | Alibaba | Valoración 92.7 | — | — | 262.1K | Alibaba Publicación 2025-07 Precio — Longitud 262.1K | ||||
| 14.º | Qwen3 Next 80B A3B | Alibaba | Valoración 92.3 | $0.5 | $6 | 131.1K | Alibaba Publicación 2025-09 Precio $0.5 / $6 Longitud 131.1K | ||||
| 15.º | Llama 3.3 70B (instruct) | Meta | Valoración 91.1 | — | — | 131.1K | Meta Publicación 2024-12 Precio — Longitud 131.1K | ||||
| 16.º | Qwen3.5 9B | Alibaba | Valoración 90.9 | — | — | 262K | Alibaba Publicación 2026-02 Precio — Longitud 262K | ||||
| 17.º | ABEJA-QwQ32b-Reasoning-Japanese-v1.0 | ABEJA | Valoración 90.6 | — | — | — | — | — | ABEJA Publicación — Precio — Longitud — | ||
| 18.º | Qwen3 32B | Alibaba | Valoración 90.3 | $0.7 | $2.8 | 131.1K | Alibaba Publicación 2025-04 Precio $0.7 / $2.8 Longitud 131.1K | ||||
| 19.º | QwQ Bakeneko 32B | rinna | Valoración 90.2 | — | — | — | — | — | rinna Publicación — Precio — Longitud — | ||
| 20.º | Qwen3-Swallow-32B-CPT-v0.2 | Swallow (東京科学大学) | Valoración 90.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 21.º | ELYZA-Shortcut-1.0-Qwen-32B | ELYZA | Valoración 89.7 | — | — | — | — | — | ELYZA Publicación — Precio — Longitud — | ||
| 22.º | Gemma 4 26B A4B | Valoración 89.6 | $0.15 | $0.6 | 262.1K | Google Publicación 2026-04 Precio $0.15 / $0.6 Longitud 262.1K | |||||
| 23.º | NVIDIA Nemotron 3 Super 120B A12B | NVIDIA | Valoración 89.4 | — | — | 262.1K | NVIDIA Publicación 2026-03 Precio — Longitud 262.1K | ||||
| 24–25.º | Llama 4 Scout | Meta | Valoración 89.1 | — | — | 128K | Meta Publicación 2025-04 Precio — Longitud 128K | ||||
| 24–25.º | Qwen3 14B | Alibaba | Valoración 89.1 | $0.35 | $1.4 | 131.1K | Alibaba Publicación 2025-04 Precio $0.35 / $1.4 Longitud 131.1K | ||||
| 26.º | ELYZA-Thinking-1.0-Qwen-32B | ELYZA | Valoración 88.9 | — | — | — | — | — | ELYZA Publicación — Precio — Longitud — | ||
| 27.º | Qwen3-Swallow-32B-RL-v0.2 | Swallow (東京科学大学) | Valoración 88.8 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 28.º | Qwen3 30B A3B | Alibaba | Valoración 88.5 | — | — | 128K | Alibaba Publicación 2025-04 Precio — Longitud 128K | ||||
| 29.º | Llama 3.3 Swallow 70B (instruct, v0.4) | Swallow (東京科学大学) | Valoración 88.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 30.º | GPT-OSS-Swallow-120B-SFT-v0.1 | Swallow (東京科学大学) | Valoración 88.1 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 31.º | Qwen3-Swallow-32B-SFT-v0.2 | Swallow (東京科学大学) | Valoración 87.9 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 32.º | GPT-OSS 120B | OpenAI | Valoración 87.3 | — | — | 128K | OpenAI Publicación 2025-08 Precio — Longitud 128K | ||||
| 33.º | DeepSeek-R1-Distill-Qwen-32B-Japanese | CyberAgent | Valoración 87.0 | — | — | — | — | — | CyberAgent Publicación — Precio — Longitud — | ||
| 34.º | o3-mini | OpenAI | Valoración 86.9 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | ||||
| 35.º | Gemma 3 27B | Valoración 86.1 | — | — | 128K | Google Publicación 2025-03 Precio — Longitud 128K | |||||
| 36.º | Qwen3.5 4B | Alibaba | Valoración 85.9 | — | — | 262.1K | Alibaba Publicación 2026-02 Precio — Longitud 262.1K | ||||
| 37.º | Qwen3 8B | Alibaba | Valoración 85.1 | $0.18 | $0.7 | 131.1K | Alibaba Publicación 2025-04 Precio $0.18 / $0.7 Longitud 131.1K | ||||
| 38.º | GPT-OSS-Swallow-120B-RL-v0.1 | Swallow (東京科学大学) | Valoración 85.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 39.º | OLMo 3 32B Think | Ai2 | Valoración 84.9 | — | — | — | — | Ai2 Publicación — Precio — Longitud — | |||
| 40.º | GPT-OSS 20B | OpenAI | Valoración 84.7 | — | — | 131K | OpenAI Publicación 2025-08 Precio — Longitud 131K | ||||
| 41.º | Qwen3-Swallow-30B-A3B-CPT-v0.2 | Swallow (東京科学大学) | Valoración 84.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 42.º | LLM-jp-4 8B | LLM-jp | Valoración 83.5 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 43.º | LLM-jp-4 32B A3B | LLM-jp | Valoración 83.3 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 44–45.º | GPT-OSS-Swallow-20B-RL-v0.1 | Swallow (東京科学大学) | Valoración 83.1 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 44–45.º | Qwen3-Swallow-30B-A3B-SFT-v0.2 | Swallow (東京科学大学) | Valoración 83.1 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 46.º | Qwen3-Swallow-30B-A3B-RL-v0.2 | Swallow (東京科学大学) | Valoración 82.8 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 47.º | GPT-OSS-Swallow-20B-SFT-v0.1 | Swallow (東京科学大学) | Valoración 82.2 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 48.º | Gemma 3 12B | Valoración 81.6 | — | — | 131K | Google Publicación 2025-03 Precio — Longitud 131K | |||||
| 49.º | Qwen3-Swallow-8B-SFT-v0.2 | Swallow (東京科学大学) | Valoración 79.7 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 50.º | Qwen3 4B | Alibaba | Valoración 79.4 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 51.º | Qwen3-Swallow-8B-RL-v0.2 | Swallow (東京科学大学) | Valoración 79.3 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 52–53.º | Gemma 4 E4B | Valoración 79.0 | — | — | 131.1K | — | — | Google Publicación — Precio — Longitud 131.1K | |||
| 52–53.º | Qwen3-Swallow-8B-CPT-v0.2 | Swallow (東京科学大学) | Valoración 79.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 54.º | NVIDIA-Nemotron-Nano-9B-v2-Japanese | NVIDIA | Valoración 78.8 | — | — | — | — | — | NVIDIA Publicación — Precio — Longitud — | ||
| 55.º | Llama 3.1 8B (instruct) | Meta | Valoración 76.9 | — | — | 128K | Meta Publicación 2024-07 Precio — Longitud 128K | ||||
| 56.º | LLM-jp-3.1 13B (instruct4) | LLM-jp | Valoración 71.7 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 57.º | OLMo 3 7B Think | Ai2 | Valoración 71.3 | — | — | — | — | — | Ai2 Publicación — Precio — Longitud — | ||
| 58.º | Llama 3.1 Swallow 8B (instruct, v0.5) | Swallow (東京科学大学) | Valoración 64.8 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 59.º | Qwen3 1.7B | Alibaba | Valoración 63.1 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 60.º | Gemma 3 4B | Valoración 62.0 | — | — | 131K | Google Publicación 2025-03 Precio — Longitud 131K | |||||
| 61.º | Sarashina2.2 3B (instruct, v0.1) | SB Intuitions | Valoración 61.3 | — | — | — | — | — | SB Intuitions Publicación — Precio — Longitud — | ||
| 62.º | Gemma 4 E2B | Valoración 60.6 | — | — | 131.1K | — | — | Google Publicación — Precio — Longitud 131.1K | |||
| 63.º | Qwen3.5 2B | Alibaba | Valoración 57.9 | — | — | 32.8K | Alibaba Publicación 2026-02 Precio — Longitud 32.8K | ||||
| 64.º | Llama 3.1 Nemotron Nano 8B (v1) | NVIDIA | Valoración 52.1 | — | — | — | — | — | NVIDIA Publicación — Precio — Longitud — | ||
| 65.º | LLM-jp-3.1 1.8B (instruct4) | LLM-jp | Valoración 45.0 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 66.º | Qwen3 0.6B | Alibaba | Valoración 43.3 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 67.º | Qwen3.5 0.8B | Alibaba | Valoración 40.9 | — | — | 32.8K | Alibaba Publicación 2026-02 Precio — Longitud 32.8K | ||||
| 68.º | Gemma 3 1B | Valoración 35.7 | — | — | — | Google Publicación 2025-03 Precio — Longitud — |
Cómo leer esta página
- El valor es la tasa de acierto.
- La tasa de acierto es la proporción de preguntas resueltas. Una diferencia de 1 punto equivale a 1 pregunta 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