Valores publicados por otras instituciones
Comprensión de historias largas (Fiction.LiveBench)
Tarea en la que el modelo lee una historia larga y responde preguntas sobre la relación entre los personajes y el curso de los hechos.
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 acierto (%) | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|
| 1.º | o3 | OpenAI | Valoración 100.0 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | |||
| 2–3.º | GPT-5 | OpenAI | Valoración 96.9 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 2–3.º | Grok 4 | xAI | Valoración 96.9 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | |||
| 4.º | Gemini 2.5 Pro (exp) | Valoración 90.6 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | ||||
| 5.º | o3-pro | OpenAI | Valoración 88.9 | — | — | 200K | OpenAI Publicación 2025-06 Precio — Longitud 200K | |||
| 6.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 87.5 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 7.º | Kimi K2.5 | Moonshot | Valoración 78.1 | — | — | 262.1K | Moonshot Publicación 2026-01 Precio — Longitud 262.1K | |||
| 8.º | Grok 4 Fast | xAI | Valoración 75.0 | — | — | 2M | xAI Publicación 2025-09 Precio — Longitud 2M | |||
| 9.º | Gemini 2.5 Pro (preview, 2025-03) | Valoración 71.9 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | ||||
| 10–11.º | Qwen3 235B A22B (thinking) | Alibaba | Valoración 68.8 | — | — | 262.1K | Alibaba Publicación 2025-07 Precio — Longitud 262.1K | |||
| 10–11.º | Gemini 2.5 Flash (preview, 2025-05) | Valoración 68.8 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 12–13.º | ChatGPT-4o (2025-01) | OpenAI | Valoración 65.6 | — | — | — | OpenAI Publicación 2025-01 Precio — Longitud — | |||
| 12–13.º | Grok 3 Mini (beta) | xAI | Valoración 65.6 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | |||
| 14.º | GPT-4.5 (preview) | OpenAI | Valoración 63.9 | — | — | — | OpenAI Publicación 2025-02 Precio — Longitud — | |||
| 15–19.º | Qwen3 Next 80B A3B (instruct) | Alibaba | Valoración 62.5 | $0.5 | $2 | 129K | Alibaba Publicación 2025-09 Precio $0.5 / $2 Longitud 129K | |||
| 15–19.º | Gemini 2.0 Flash | Valoración 62.5 | — | — | — | Google Publicación 2025-02 Precio — Longitud — | ||||
| 15–19.º | GPT-4.1 | OpenAI | Valoración 62.5 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | |||
| 15–19.º | GPT-5 mini | OpenAI | Valoración 62.5 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | |||
| 15–19.º | o4-mini | OpenAI | Valoración 62.5 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | |||
| 20.º | MiniMax-M1-80k | MiniMax | Valoración 59.4 | — | — | 1M | MiniMax Publicación 2025-06 Precio — Longitud 1M | |||
| 21.º | Grok 3 (beta) | xAI | Valoración 58.3 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | |||
| 22–25.º | Claude 3.7 Sonnet | Anthropic | Valoración 53.1 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | |||
| 22–25.º | DeepSeek-V3.1 | DeepSeek | Valoración 53.1 | — | — | 128K | DeepSeek Publicación 2025-08 Precio — Longitud 128K | |||
| 22–25.º | Gemini 2.5 Flash (preview, 2025-04) | Valoración 53.1 | — | — | 1.05M | Google Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 22–25.º | o1 | OpenAI | Valoración 53.1 | $15 | $60 | 128K | OpenAI Publicación 2024-12 Precio $15 / $60 Longitud 128K | |||
| 26.º | GPT-4.1 mini | OpenAI | Valoración 46.9 | — | — | 1.05M | OpenAI Publicación 2025-04 Precio — Longitud 1.05M | |||
| 27.º | Qwen3 235B A22B (instruct) | Alibaba | Valoración 44.4 | — | — | 128K | Alibaba Publicación 2025-07 Precio — Longitud 128K | |||
| 28.º | o3-mini | OpenAI | Valoración 43.8 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | |||
| 29.º | Kimi K2 (instruct, 2025-09) | Moonshot | Valoración 40.6 | — | — | 262.1K | Moonshot Publicación 2025-09 Precio — Longitud 262.1K | |||
| 30–32.º | Claude Opus 4 | Anthropic | Valoración 37.5 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 30–32.º | Gemini 2.0 Flash (thinking, exp) | Valoración 37.5 | — | — | — | Google Publicación 2024-12 Precio — Longitud — | ||||
| 30–32.º | Gemini 2.0 Pro (exp) | Valoración 37.5 | — | — | 2.1M | Google Publicación 2025-02 Precio — Longitud 2.1M | ||||
| 33–34.º | Llama 4 Maverick | Meta | Valoración 36.4 | — | — | 524.3K | Meta Publicación 2025-04 Precio — Longitud 524.3K | |||
| 33–34.º | Claude Sonnet 4 | Anthropic | Valoración 36.4 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 35.º | DeepSeek-R1 | DeepSeek | Valoración 33.3 | — | — | 128K | DeepSeek Publicación 2025-01 Precio — Longitud 128K | |||
| 36.º | Llama 4 Scout | Meta | Valoración 27.3 | — | — | 128K | Meta Publicación 2025-04 Precio — Longitud 128K | |||
| 37–38.º | Gemini 2.5 Flash-Lite (preview, 2025-06) | Valoración 21.9 | — | — | 1.05M | Google Publicación 2025-06 Precio — Longitud 1.05M | ||||
| 37–38.º | GPT-5 nano | OpenAI | Valoración 21.9 | $0.05 | $0.4 | 400K | OpenAI Publicación 2025-08 Precio $0.05 / $0.4 Longitud 400K | |||
| 39.º | GPT-4.1 nano | OpenAI | Valoración 18.8 | $0.1 | $0.4 | 1.05M | OpenAI Publicación 2025-04 Precio $0.1 / $0.4 Longitud 1.05M |
Evolución de la máxima tasa de acierto
2024-12-17Publicación2026-01-27
Cómo leer esta página
- El valor de esta página es la tasa de acierto al leer textos de unos 120 000 tokens. Reúne valores publicados por las instituciones que crearon las tareas, entre otras.
- 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