Resultados en tareas
Una selección de problemas de competiciones de matemáticas (MATH500, Preguntas en inglés)
Problemas en inglés elegidos de un conjunto de datos de problemas de competiciones de matemáticas para que la dificultad y los temas estén equilibrados.
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-5.4 | OpenAI | Valoración 99.2 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | ||||
| 2–4.º | Gemma 4 31B | Valoración 99.0 | — | — | 262.1K | Google Publicación 2026-04 Precio — Longitud 262.1K | |||||
| 2–4.º | GPT-5 | OpenAI | Valoración 99.0 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | ||||
| 2–4.º | GPT-OSS-Swallow-120B-RL-v0.1 | Swallow (東京科学大学) | Valoración 99.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 5–6.º | Gemma 4 26B A4B | Valoración 98.6 | $0.15 | $0.6 | 262.1K | Google Publicación 2026-04 Precio $0.15 / $0.6 Longitud 262.1K | |||||
| 5–6.º | Qwen3 235B A22B (thinking) | Alibaba | Valoración 98.6 | — | — | 262.1K | Alibaba Publicación 2025-07 Precio — Longitud 262.1K | ||||
| 7–9.º | GPT-OSS-Swallow-20B-RL-v0.1 | Swallow (東京科学大学) | Valoración 98.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 7–9.º | NVIDIA Nemotron 3 Super 120B A12B | NVIDIA | Valoración 98.4 | — | — | 262.1K | NVIDIA Publicación 2026-03 Precio — Longitud 262.1K | ||||
| 7–9.º | Qwen3.5 35B A3B | Alibaba | Valoración 98.4 | $0.25 | $2 | 262.1K | Alibaba Publicación 2026-02 Precio $0.25 / $2 Longitud 262.1K | ||||
| 10–11.º | Qwen3 235B A22B (instruct) | Alibaba | Valoración 98.2 | — | — | 128K | Alibaba Publicación 2025-07 Precio — Longitud 128K | ||||
| 10–11.º | Qwen3-Swallow-32B-RL-v0.2 | Swallow (東京科学大学) | Valoración 98.2 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 12–13.º | Qwen3 Next 80B A3B (instruct) | Alibaba | Valoración 98.0 | $0.5 | $2 | 129K | Alibaba Publicación 2025-09 Precio $0.5 / $2 Longitud 129K | ||||
| 12–13.º | Qwen3 Next 80B A3B | Alibaba | Valoración 98.0 | $0.5 | $6 | 131.1K | Alibaba Publicación 2025-09 Precio $0.5 / $6 Longitud 131.1K | ||||
| 14.º | o3 | OpenAI | Valoración 97.8 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | ||||
| 15–17.º | Qwen3 32B | Alibaba | Valoración 97.6 | $0.7 | $2.8 | 131.1K | Alibaba Publicación 2025-04 Precio $0.7 / $2.8 Longitud 131.1K | ||||
| 15–17.º | Qwen3 8B | Alibaba | Valoración 97.6 | $0.18 | $0.7 | 131.1K | Alibaba Publicación 2025-04 Precio $0.18 / $0.7 Longitud 131.1K | ||||
| 15–17.º | Qwen3-Swallow-30B-A3B-RL-v0.2 | Swallow (東京科学大学) | Valoración 97.6 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 18.º | Qwen3.5 122B A10B | Alibaba | Valoración 97.4 | $0.4 | $3.2 | 262.1K | Alibaba Publicación 2026-02 Precio $0.4 / $3.2 Longitud 262.1K | ||||
| 19–20.º | GPT-5 mini | OpenAI | Valoración 97.0 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | ||||
| 19–20.º | Qwen3 14B | Alibaba | Valoración 97.0 | $0.35 | $1.4 | 131.1K | Alibaba Publicación 2025-04 Precio $0.35 / $1.4 Longitud 131.1K | ||||
| 21–22.º | GPT-OSS 120B | OpenAI | Valoración 96.8 | — | — | 128K | OpenAI Publicación 2025-08 Precio — Longitud 128K | ||||
| 21–22.º | OLMo 3 32B Think | Ai2 | Valoración 96.8 | — | — | — | — | Ai2 Publicación — Precio — Longitud — | |||
| 23.º | Qwen3 30B A3B | Alibaba | Valoración 96.6 | — | — | 128K | Alibaba Publicación 2025-04 Precio — Longitud 128K | ||||
| 24–25.º | GPT-OSS-Swallow-120B-SFT-v0.1 | Swallow (東京科学大学) | Valoración 96.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 24–25.º | OLMo 3 7B Think | Ai2 | Valoración 96.4 | — | — | — | — | — | Ai2 Publicación — Precio — Longitud — | ||
| 26.º | Qwen3.5 4B | Alibaba | Valoración 96.2 | — | — | 262.1K | Alibaba Publicación 2026-02 Precio — Longitud 262.1K | ||||
| 27–29.º | Qwen3 4B | Alibaba | Valoración 96.0 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 27–29.º | Qwen3-Swallow-32B-CPT-v0.2 | Swallow (東京科学大学) | Valoración 96.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 27–29.º | Qwen3-Swallow-32B-SFT-v0.2 | Swallow (東京科学大学) | Valoración 96.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 30–31.º | GPT-OSS 20B | OpenAI | Valoración 95.8 | — | — | 131K | OpenAI Publicación 2025-08 Precio — Longitud 131K | ||||
| 30–31.º | o3-mini | OpenAI | Valoración 95.8 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | ||||
| 32–33.º | ABEJA-QwQ32b-Reasoning-Japanese-v1.0 | ABEJA | Valoración 95.6 | — | — | — | — | — | ABEJA Publicación — Precio — Longitud — | ||
| 32–33.º | Qwen3.5 27B | Alibaba | Valoración 95.6 | $0.3 | $2.4 | 262.1K | Alibaba Publicación 2026-02 Precio $0.3 / $2.4 Longitud 262.1K | ||||
| 34–35.º | DeepSeek-R1-Distill-Qwen-32B-Japanese | CyberAgent | Valoración 95.4 | — | — | — | — | — | CyberAgent Publicación — Precio — Longitud — | ||
| 34–35.º | GPT-OSS-Swallow-20B-SFT-v0.1 | Swallow (東京科学大学) | Valoración 95.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 36.º | Llama 3.1 Nemotron Nano 8B (v1) | NVIDIA | Valoración 94.6 | — | — | — | — | — | NVIDIA Publicación — Precio — Longitud — | ||
| 37–38.º | Qwen3-Swallow-30B-A3B-SFT-v0.2 | Swallow (東京科学大学) | Valoración 94.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 37–38.º | Qwen3-Swallow-8B-RL-v0.2 | Swallow (東京科学大学) | Valoración 94.4 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 39.º | QwQ Bakeneko 32B | rinna | Valoración 94.2 | — | — | — | — | — | rinna Publicación — Precio — Longitud — | ||
| 40.º | Qwen3-Swallow-30B-A3B-CPT-v0.2 | Swallow (東京科学大学) | Valoración 94.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 41.º | Gemma 4 E4B | Valoración 93.8 | — | — | 131.1K | — | — | Google Publicación — Precio — Longitud 131.1K | |||
| 42.º | NVIDIA-Nemotron-Nano-9B-v2-Japanese | NVIDIA | Valoración 92.6 | — | — | — | — | — | NVIDIA Publicación — Precio — Longitud — | ||
| 43.º | Gemma 4 E2B | Valoración 91.0 | — | — | 131.1K | — | — | Google Publicación — Precio — Longitud 131.1K | |||
| 44.º | GPT-4.1 | OpenAI | Valoración 90.6 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | ||||
| 45.º | Qwen3 1.7B | Alibaba | Valoración 90.0 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 46.º | Qwen3-Swallow-8B-SFT-v0.2 | Swallow (東京科学大学) | Valoración 89.8 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 47.º | ELYZA-Thinking-1.0-Qwen-32B | ELYZA | Valoración 88.6 | — | — | — | — | — | ELYZA Publicación — Precio — Longitud — | ||
| 48.º | Gemma 3 27B | Valoración 88.0 | — | — | 128K | Google Publicación 2025-03 Precio — Longitud 128K | |||||
| 49.º | Qwen3.5 9B | Alibaba | Valoración 87.8 | — | — | 262K | Alibaba Publicación 2026-02 Precio — Longitud 262K | ||||
| 50.º | Gemma 3 12B | Valoración 86.2 | — | — | 131K | Google Publicación 2025-03 Precio — Longitud 131K | |||||
| 51–52.º | LLM-jp-4 32B A3B | LLM-jp | Valoración 86.0 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 51–52.º | Qwen3-Swallow-8B-CPT-v0.2 | Swallow (東京科学大学) | Valoración 86.0 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 53.º | Llama 4 Scout | Meta | Valoración 83.4 | — | — | 128K | Meta Publicación 2025-04 Precio — Longitud 128K | ||||
| 54.º | ELYZA-Shortcut-1.0-Qwen-32B | ELYZA | Valoración 83.0 | — | — | — | — | — | ELYZA Publicación — Precio — Longitud — | ||
| 55.º | LLM-jp-4 8B | LLM-jp | Valoración 82.0 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 56.º | Qwen3.5 2B | Alibaba | Valoración 81.2 | — | — | 32.8K | Alibaba Publicación 2026-02 Precio — Longitud 32.8K | ||||
| 57.º | GPT-4o (2024-08) | OpenAI | Valoración 79.2 | $2.5 | $10 | 128K | OpenAI Publicación 2024-08 Precio $2.5 / $10 Longitud 128K | ||||
| 58.º | Gemma 3 4B | Valoración 74.8 | — | — | 131K | Google Publicación 2025-03 Precio — Longitud 131K | |||||
| 59.º | Llama 3.3 70B (instruct) | Meta | Valoración 74.6 | — | — | 131.1K | Meta Publicación 2024-12 Precio — Longitud 131.1K | ||||
| 60.º | Qwen3 0.6B | Alibaba | Valoración 74.0 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 61.º | Llama 3.3 Swallow 70B (instruct, v0.4) | Swallow (東京科学大学) | Valoración 64.2 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 62.º | Sarashina2.2 3B (instruct, v0.1) | SB Intuitions | Valoración 57.0 | — | — | — | — | — | SB Intuitions Publicación — Precio — Longitud — | ||
| 63.º | Llama 3.1 8B (instruct) | Meta | Valoración 52.6 | — | — | 128K | Meta Publicación 2024-07 Precio — Longitud 128K | ||||
| 64.º | Llama 3.1 Swallow 8B (instruct, v0.5) | Swallow (東京科学大学) | Valoración 45.2 | — | — | — | — | — | Swallow (東京科学大学) Publicación — Precio — Longitud — | ||
| 65.º | Gemma 3 1B | Valoración 43.8 | — | — | — | Google Publicación 2025-03 Precio — Longitud — | |||||
| 66.º | Qwen3.5 0.8B | Alibaba | Valoración 42.4 | — | — | 32.8K | Alibaba Publicación 2026-02 Precio — Longitud 32.8K | ||||
| 67.º | LLM-jp-3.1 13B (instruct4) | LLM-jp | Valoración 18.8 | — | — | — | — | — | LLM-jp Publicación — Precio — Longitud — | ||
| 68.º | LLM-jp-3.1 1.8B (instruct4) | LLM-jp | Valoración 14.6 | — | — | — | — | — | LLM-jp Publicación — 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