Valores publicados por otras instituciones
Las preguntas académicas más difíciles (HLE)
Preguntas creadas por expertos de muchos campos como matemáticas, ciencias naturales y humanidades, reunidas tras elegir solo las que los modelos del momento no podían resolver.
Estos datos dejaron de actualizarse el 2026-10-24 (valores anteriores)
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).
Margen de error del 1.º puesto
| Puesto | Modelo | Desarrollador | Tasa de acierto (%) | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|
| 1.º | GPT-6 Astra | OpenAI | Valoración 52.5 ±4.0 | $10 | $50 | 1.05M | OpenAI Publicación 2026-09 Precio $10 / $50 Longitud 1.05M | |||
| 2–6.º | Claude Fable 5.1 | Anthropic | Valoración 43.8 ±4.1 | $10 | $50 | 1M | Anthropic Publicación 2026-09 Precio $10 / $50 Longitud 1M | |||
| 2–6.º | Gemini 3.1 Pro (preview) | Valoración 43.7 ±4.0 | $2 | $12 | 1.05M | Google Publicación 2026-02 Precio $2 / $12 Longitud 1.05M | ||||
| 2–6.º | Claude Sonnet 5.5 | Anthropic | Valoración 43.4 ±4.0 | $2 | $10 | 1M | Anthropic Publicación 2026-09 Precio $2 / $10 Longitud 1M | |||
| 2–7.º | Gemini 3.8 Flash | Valoración 41.7 ±4.0 | $0.75 | $3.75 | 1.05M | Google Publicación 2026-09 Precio $0.75 / $3.75 Longitud 1.05M | ||||
| 2–7.º | GPT-5.4 Pro | OpenAI | Valoración 41.5 ±4.0 | $30 | $180 | 1.05M | OpenAI Publicación 2026-03 Precio $30 / $180 Longitud 1.05M | |||
| 5–10.º | Muse Spark | Meta | Valoración 37.6 ±4.0 | — | — | — | Meta Publicación 2026-04 Precio — Longitud — | |||
| 7–11.º | Gemini 3 Pro (preview) | Valoración 34.4 ±3.9 | — | — | 1M | Google Publicación 2025-11 Precio — Longitud 1M | ||||
| 7–12.º | GPT-5.4 | OpenAI | Valoración 33.0 ±3.9 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | |||
| 7–12.º | Claude Opus 4.7 | Anthropic | Valoración 33.0 ±3.9 | $5 | $25 | 1M | Anthropic Publicación 2026-04 Precio $5 / $25 Longitud 1M | |||
| 8–13.º | Claude Opus 4.6 | Anthropic | Valoración 31.1 ±3.8 | $5 | $25 | 1M | Anthropic Publicación 2026-02 Precio $5 / $25 Longitud 1M | |||
| 9–14.º | GPT-5 Pro | OpenAI | Valoración 28.2 ±3.7 | $15 | $120 | 400K | OpenAI Publicación 2025-10 Precio $15 / $120 Longitud 400K | |||
| 11–15.º | Claude Haiku 5.5 | Anthropic | Valoración 26.6 ±3.8 | $0.1 | $0.5 | 1M | Anthropic Publicación 2026-10 Precio $0.1 / $0.5 Longitud 1M | |||
| 12–18.º | GPT-5.2 | OpenAI | Valoración 24.2 ±3.6 | $1.75 | $14 | 400K | OpenAI Publicación 2025-12 Precio $1.75 / $14 Longitud 400K | |||
| 13–19.º | GPT-5 | OpenAI | Valoración 21.6 ±3.5 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 14–19.º | Claude Opus 4.5 | Anthropic | Valoración 21.4 ±3.5 | $5 | $25 | 200K | Anthropic Publicación 2025-11 Precio $5 / $25 Longitud 200K | |||
| 14–20.º | Kimi K2.5 | Moonshot | Valoración 20.6 ±3.7 | — | — | 262.1K | Moonshot Publicación 2026-01 Precio — Longitud 262.1K | |||
| 14–21.º | GPT-5.1 | OpenAI | Valoración 19.8 ±3.4 | $1.25 | $10 | 400K | OpenAI Publicación 2025-11 Precio $1.25 / $10 Longitud 400K | |||
| 15–23.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 17.7 ±3.3 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 17–23.º | o3 | OpenAI | Valoración 16.3 ±3.3 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | |||
| 18–23.º | GPT-5 mini | OpenAI | Valoración 15.4 ±3.2 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | |||
| 19–23.º | Gemini 2.5 Pro (exp) | Valoración 14.0 ±3.1 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | ||||
| 19–23.º | o4-mini | OpenAI | Valoración 13.9 ±3.1 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | |||
| 24–28.º | Claude Sonnet 4.5 | Anthropic | Valoración 9.4 ±2.8 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | |||
| 24–28.º | Gemini 2.5 Flash (preview, 2025-04) | Valoración 7.6 ±2.6 | — | — | 1.05M | Google Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 24–30.º | Claude Opus 4.1 | Anthropic | Valoración 7.1 ±2.6 | — | — | 200K | Anthropic Publicación 2025-08 Precio — Longitud 200K | |||
| 24–34.º | Gemini 2.5 Flash (preview, 2025-05) | Valoración 6.5 ±2.5 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 24–35.º | Claude Opus 4 | Anthropic | Valoración 6.2 ±2.5 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 26–36.º | Gemini 3.1 Flash-Lite | Valoración 4.0 ±2.3 | $0.25 | $1.5 | 1.05M | Google Publicación 2026-03 Precio $0.25 / $1.5 Longitud 1.05M | ||||
| 26–37.º | GLM-4.5 | Z.ai | Valoración 3.7 ±2.2 | $0.6 | $2.2 | 131.1K | Z.ai Publicación 2025-08 Precio $0.6 / $2.2 Longitud 131.1K | |||
| 27–39.º | GLM-4.5 Air | Z.ai | Valoración 3.5 ±2.2 | $0.2 | $1.1 | 131.1K | Z.ai Publicación 2025-07 Precio $0.2 / $1.1 Longitud 131.1K | |||
| 27–39.º | o1-pro | OpenAI | Valoración 3.5 ±2.2 | $150 | $600 | 200K | OpenAI Publicación 2025-03 Precio $150 / $600 Longitud 200K | |||
| 27–39.º | Claude 3.7 Sonnet | Anthropic | Valoración 3.4 ±2.2 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | |||
| 27–39.º | o1 | OpenAI | Valoración 3.3 ±2.2 | $15 | $60 | 128K | OpenAI Publicación 2024-12 Precio $15 / $60 Longitud 128K | |||
| 28–39.º | Claude Sonnet 4 | Anthropic | Valoración 3.1 ±2.2 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 29–42.º | Gemini 2.0 Flash (thinking, exp) | Valoración 1.8 ±2.0 | — | — | — | Google Publicación 2024-12 Precio — Longitud — | ||||
| 30–44.º | Llama 4 Maverick | Meta | Valoración 0.9 ±1.9 | — | — | 524.3K | Meta Publicación 2025-04 Precio — Longitud 524.3K | |||
| 31–44.º | GPT-4.5 (preview) | OpenAI | Valoración 0.7 ±1.8 | — | — | — | OpenAI Publicación 2025-02 Precio — Longitud — | |||
| 31–44.º | GPT-4.1 | OpenAI | Valoración 0.6 ±1.8 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | |||
| 36–45.º | Gemini 1.5 Pro 002 | Valoración 0.0 ±1.7 | — | — | — | Google Publicación 2024-09 Precio — Longitud — | ||||
| 36–45.º | Mistral Medium 3 | Mistral | Valoración 0.0 ±1.7 | $0.4 | $2 | 128K | Mistral Publicación 2025-05 Precio $0.4 / $2 Longitud 128K | |||
| 36–45.º | Amazon Nova Pro 1.0 | Amazon | Valoración 0.0 ±1.6 | — | — | 300K | Amazon Publicación 2024-12 Precio — Longitud 300K | |||
| 37–45.º | Claude 3.5 Sonnet (2024-10) | Anthropic | Valoración 0.0 ±1.6 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | |||
| 37–45.º | Amazon Nova Lite 1.0 | Amazon | Valoración 0.0 ±1.5 | — | — | 300K | Amazon Publicación 2024-12 Precio — Longitud 300K | |||
| 40–45.º | GPT-4o (2024-11) | OpenAI | Valoración 0.0 ±1.3 | $2.5 | $10 | 128K | OpenAI Publicación 2024-11 Precio $2.5 / $10 Longitud 128K |
Evolución de la máxima tasa de acierto
2024-09-24Publicación2026-10-07
Cómo leer esta página
- Hay preguntas de opción múltiple y de respuesta corta escrita, y el valor es la tasa de acierto. Reúne valores publicados por las instituciones que crearon las tareas, entre otras.
- La tasa de acierto es la proporción de preguntas resueltas, sin la parte que se obtiene adivinando.
- 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