Valores publicados por otras instituciones
Calificación de cuentos (Lech Mazur Writing)
Tarea en la que el modelo escribe un cuento usando todos los elementos indicados, como un personaje, un objeto y una escena, y varios modelos que hacen de jueces califican el resultado.
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 | Puntuación | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|
| 1.º | GPT-5 | OpenAI | Valoración 86.0 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 2.º | Kimi K2 (instruct) | Moonshot | Valoración 85.6 | — | — | 131.1K | Moonshot Publicación 2025-07 Precio — Longitud 131.1K | |||
| 3.º | Claude Opus 4.1 | Anthropic | Valoración 84.7 | — | — | 200K | Anthropic Publicación 2025-08 Precio — Longitud 200K | |||
| 4.º | o3-pro | OpenAI | Valoración 84.4 | — | — | 200K | OpenAI Publicación 2025-06 Precio — Longitud 200K | |||
| 5.º | o3 | OpenAI | Valoración 83.9 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | |||
| 6.º | Gemini 2.5 Pro | Valoración 83.8 | $1.25 | $10 | 1M | Google Publicación 2025-06 Precio $1.25 / $10 Longitud 1M | ||||
| 7.º | Claude Opus 4 | Anthropic | Valoración 83.6 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 8.º | GPT-5 mini | OpenAI | Valoración 83.1 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | |||
| 9–10.º | DeepSeek-R1 | DeepSeek | Valoración 83.0 | — | — | 128K | DeepSeek Publicación 2025-01 Precio — Longitud 128K | |||
| 9–10.º | Qwen3 235B A22B | Alibaba | Valoración 83.0 | $0.7 | $2.8 | 128K | Alibaba Publicación 2025-04 Precio $0.7 / $2.8 Longitud 128K | |||
| 11.º | Qwen3 235B A22B (thinking) | Alibaba | Valoración 82.4 | — | — | 262.1K | Alibaba Publicación 2025-07 Precio — Longitud 262.1K | |||
| 12.º | DeepSeek-R1 (2025-05) | DeepSeek | Valoración 81.9 | — | — | 131.1K | DeepSeek Publicación 2025-05 Precio — Longitud 131.1K | |||
| 13.º | GPT-4o (2024-11) | OpenAI | Valoración 81.8 | $2.5 | $10 | 128K | OpenAI Publicación 2024-11 Precio $2.5 / $10 Longitud 128K | |||
| 14.º | Claude Sonnet 4 | Anthropic | Valoración 81.4 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 15.º | Claude 3.7 Sonnet | Anthropic | Valoración 81.1 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | |||
| 16.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 80.9 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 17.º | Gemini 2.5 Pro (exp) | Valoración 80.5 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | ||||
| 18.º | Claude 3.5 Sonnet (2024-10) | Anthropic | Valoración 80.3 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | |||
| 19.º | QwQ 32B | Alibaba | Valoración 80.2 | — | — | 32.8K | Alibaba Publicación 2025-03 Precio — Longitud 32.8K | |||
| 20.º | Gemma 3 27B | Valoración 79.9 | — | — | 128K | Google Publicación 2025-03 Precio — Longitud 128K | ||||
| 21.º | Mistral Medium 3 | Mistral | Valoración 77.3 | $0.4 | $2 | 128K | Mistral Publicación 2025-05 Precio $0.4 / $2 Longitud 128K | |||
| 22.º | GPT-OSS 120B | OpenAI | Valoración 77.1 | — | — | 128K | OpenAI Publicación 2025-08 Precio — Longitud 128K | |||
| 23.º | DeepSeek-V3 (2025-03) | DeepSeek | Valoración 77.0 | — | — | 163.8K | DeepSeek Publicación 2025-03 Precio — Longitud 163.8K | |||
| 24.º | Grok 4 | xAI | Valoración 76.9 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | |||
| 25.º | Gemini 2.5 Flash (preview, 2025-04) | Valoración 76.5 | — | — | 1.05M | Google Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 26.º | Grok 3 (beta) | xAI | Valoración 76.4 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | |||
| 27.º | GPT-4.5 (preview) | OpenAI | Valoración 75.6 | — | — | — | OpenAI Publicación 2025-02 Precio — Longitud — | |||
| 28.º | Qwen3 30B A3B | Alibaba | Valoración 75.3 | — | — | 128K | Alibaba Publicación 2025-04 Precio — Longitud 128K | |||
| 29.º | o4-mini | OpenAI | Valoración 75.0 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | |||
| 30.º | Gemini 2.0 Flash (thinking, exp) | Valoración 73.8 | — | — | — | Google Publicación 2024-12 Precio — Longitud — | ||||
| 31–32.º | Claude 3.5 Haiku | Anthropic | Valoración 73.5 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | |||
| 31–32.º | Grok 3 Mini (beta) | xAI | Valoración 73.5 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | |||
| 33.º | GLM-4.5 | Z.ai | Valoración 73.4 | $0.6 | $2.2 | 131.1K | Z.ai Publicación 2025-08 Precio $0.6 / $2.2 Longitud 131.1K | |||
| 34.º | Qwen2.5 Max | Alibaba | Valoración 72.9 | — | — | — | Alibaba Publicación 2025-01 Precio — Longitud — | |||
| 35.º | o1 | OpenAI | Valoración 70.2 | $15 | $60 | 128K | OpenAI Publicación 2024-12 Precio $15 / $60 Longitud 128K | |||
| 36.º | Mistral Large 2 | Mistral | Valoración 69.0 | — | — | 131.1K | Mistral Publicación 2024-07 Precio — Longitud 131.1K | |||
| 37.º | GPT-4o mini | OpenAI | Valoración 67.2 | — | — | 128K | OpenAI Publicación 2024-07 Precio — Longitud 128K | |||
| 38.º | o1-mini | OpenAI | Valoración 64.9 | — | — | 128K | OpenAI Publicación 2024-09 Precio — Longitud 128K | |||
| 39.º | Grok 2 (2024-12) | xAI | Valoración 63.6 | — | — | — | xAI Publicación 2024-12 Precio — Longitud — | |||
| 40.º | Phi-4 | Microsoft | Valoración 62.6 | — | — | 128K | Microsoft Publicación 2024-12 Precio — Longitud 128K | |||
| 41.º | Llama 4 Maverick | Meta | Valoración 62.0 | — | — | 524.3K | Meta Publicación 2025-04 Precio — Longitud 524.3K | |||
| 42.º | o3-mini | OpenAI | Valoración 61.7 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | |||
| 43.º | Amazon Nova Pro 1.0 | Amazon | Valoración 60.5 | — | — | 300K | Amazon Publicación 2024-12 Precio — Longitud 300K |
Evolución de la puntuación máxima
2024-07-18Publicación2025-08-07
Cómo leer esta página
- El valor es la media sobre 10 puntos convertida a una escala de 100. Reúne valores publicados por las instituciones que crearon las tareas, entre otras.
- Es la media de las calificaciones convertida a una escala de 100, y la mayoría queda entre 60 y 90 puntos. Como no se publican márgenes de error, las diferencias de 1 a 2 puntos no son diferencias claras.
- 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