Resultados en tareas
Los problemas más difíciles de las competiciones de matemáticas (MATH level 5)
Tarea que usa solo los problemas del nivel de dificultad más alto del conjunto de datos MATH, que reúne problemas de competiciones de matemáticas como AMC 10, AMC 12 y AIME.
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, y ± es lo que puede variar al volver a medir.
- 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 (%) | Fecha de evaluación | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1–6.º | GPT-5 | OpenAI | Valoración 98.1 ±0.6 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | ||||
| 1–6.º | GPT-5 mini | OpenAI | Valoración 97.8 ±0.7 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | ||||
| 1–6.º | o4-mini | OpenAI | Valoración 97.8 ±0.7 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | ||||
| 1–6.º | o3 | OpenAI | Valoración 97.8 ±0.7 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | ||||
| 1–7.º | Claude Sonnet 4.5 | Anthropic | Valoración 97.7 ±0.8 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | ||||
| 1–9.º | Qwen3 Max (instruct) | Alibaba | Valoración 97.1 ±0.8 | — | — | 258K | Alibaba Publicación 2025-09 Precio — Longitud 258K | ||||
| 5–11.º | DeepSeek-R1 (2025-05) | DeepSeek | Valoración 96.6 ±0.8 | — | — | 131.1K | DeepSeek Publicación 2025-05 Precio — Longitud 131.1K | ||||
| 6–11.º | o3-mini | OpenAI | Valoración 96.5 ±0.8 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | ||||
| 6–12.º | Claude Haiku 4.5 | Anthropic | Valoración 96.4 ±1.0 | $1 | $5 | 200K | Anthropic Publicación 2025-10 Precio $1 / $5 Longitud 200K | ||||
| 7–13.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 95.9 ±0.8 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | |||||
| 7–13.º | Gemini 2.5 Pro (preview, 2025-03) | Valoración 95.6 ±0.9 | — | — | 1.05M | Google Publicación 2025-03 Precio — Longitud 1.05M | |||||
| 9–13.º | GPT-5 nano | OpenAI | Valoración 95.2 ±0.9 | $0.05 | $0.4 | 400K | OpenAI Publicación 2025-08 Precio $0.05 / $0.4 Longitud 400K | ||||
| 10–14.º | o1 | OpenAI | Valoración 94.7 ±1.2 | $15 | $60 | 128K | OpenAI Publicación 2024-12 Precio $15 / $60 Longitud 128K | ||||
| 13–15.º | DeepSeek-R1 | DeepSeek | Valoración 93.1 ±1.4 | — | — | 128K | DeepSeek Publicación 2025-01 Precio — Longitud 128K | ||||
| 14–18.º | Claude 3.7 Sonnet | Anthropic | Valoración 91.2 ±1.5 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | ||||
| 15–19.º | Grok 3 Mini (beta) | xAI | Valoración 90.9 ±1.5 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | ||||
| 15–19.º | DeepSeek-R1-Distill-Llama-70B | DeepSeek | Valoración 89.9 ±1.3 | — | — | 32.8K | DeepSeek Publicación 2025-01 Precio — Longitud 32.8K | ||||
| 15–20.º | o1-mini | OpenAI | Valoración 89.2 ±1.3 | — | — | 128K | OpenAI Publicación 2024-09 Precio — Longitud 128K | ||||
| 16–21.º | Grok 3 (beta) | xAI | Valoración 88.7 ±1.7 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | ||||
| 18–22.º | GPT-4.1 mini | OpenAI | Valoración 87.3 ±1.4 | — | — | 1.05M | OpenAI Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 19–22.º | DeepSeek-R1-Distill-Qwen-14B | DeepSeek | Valoración 87.1 ±1.5 | — | — | 32.8K | DeepSeek Publicación 2025-01 Precio — Longitud 32.8K | ||||
| 20–25.º | Claude Opus 4 | Anthropic | Valoración 85.0 ±1.9 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | ||||
| 22–27.º | Claude Sonnet 4 | Anthropic | Valoración 84.4 ±2.0 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | ||||
| 22–28.º | Gemini 2.0 Pro (exp) | Valoración 83.5 ±2.0 | — | — | 2.1M | Google Publicación 2025-02 Precio — Longitud 2.1M | |||||
| 22–28.º | GPT-4.1 | OpenAI | Valoración 83.0 ±1.7 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | ||||
| 23–28.º | Gemini 2.0 Flash | Valoración 82.2 ±1.7 | — | — | — | Google Publicación 2025-02 Precio — Longitud — | |||||
| 23–29.º | o1-preview | OpenAI | Valoración 81.6 ±2.1 | — | — | — | OpenAI Publicación 2024-09 Precio — Longitud — | ||||
| 24–28.º | Mistral Medium 3 | Mistral | Valoración 81.6 ±1.8 | $0.4 | $2 | 128K | Mistral Publicación 2025-05 Precio $0.4 / $2 Longitud 128K | ||||
| 28–29.º | GPT-4.5 (preview) | OpenAI | Valoración 78.6 ±2.2 | — | — | — | OpenAI Publicación 2025-02 Precio — Longitud — | ||||
| 30–32.º | DeepSeek-V3 (2025-03) | DeepSeek | Valoración 75.5 ±1.7 | — | — | 163.8K | DeepSeek Publicación 2025-03 Precio — Longitud 163.8K | ||||
| 30–32.º | Gemma 3 27B | Valoración 74.0 ±2.2 | — | — | 128K | Google Publicación 2025-03 Precio — Longitud 128K | |||||
| 30–33.º | Llama 4 Maverick (FP8) | Meta | Valoración 73.0 ±2.1 | — | — | 1.05M | Meta Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 32–35.º | Gemini 1.5 Pro 002 | Valoración 70.4 ±2.0 | — | — | — | Google Publicación 2024-09 Precio — Longitud — | |||||
| 33–36.º | GPT-4.1 nano | OpenAI | Valoración 70.0 ±2.0 | $0.1 | $0.4 | 1.05M | OpenAI Publicación 2025-04 Precio $0.1 / $0.4 Longitud 1.05M | ||||
| 33–36.º | Qwen3 235B A22B | Alibaba | Valoración 68.9 ±1.9 | $0.7 | $2.8 | 128K | Alibaba Publicación 2025-04 Precio $0.7 / $2.8 Longitud 128K | ||||
| 34–39.º | Qwen Max | Alibaba | Valoración 67.2 ±2.2 | — | — | 128K | Alibaba Publicación 2025-01 Precio — Longitud 128K | ||||
| 36–42.º | Qwen Plus (2025-01) | Alibaba | Valoración 65.3 ±2.2 | — | — | — | Alibaba Publicación 2025-01 Precio — Longitud — | ||||
| 36–42.º | Phi-4 | Microsoft | Valoración 64.9 ±2.1 | — | — | 128K | Microsoft Publicación 2024-12 Precio — Longitud 128K | ||||
| 36–43.º | DeepSeek-V3 | DeepSeek | Valoración 64.9 ±2.1 | — | — | 128K | DeepSeek Publicación 2024-12 Precio — Longitud 128K | ||||
| 37–43.º | Grok 2 (2024-12) | xAI | Valoración 63.5 ±2.6 | — | — | — | xAI Publicación 2024-12 Precio — Longitud — | ||||
| 37–43.º | Qwen2.5 72B (instruct) | Alibaba | Valoración 63.2 ±2.1 | — | — | 128K | Alibaba Publicación 2024-09 Precio — Longitud 128K | ||||
| 37–43.º | Llama 4 Scout | Meta | Valoración 62.3 ±2.4 | — | — | 128K | Meta Publicación 2025-04 Precio — Longitud 128K | ||||
| 39–43.º | Gemini 1.5 Flash 002 | Valoración 61.9 ±2.2 | — | — | — | Google Publicación 2024-09 Precio — Longitud — | |||||
| 44–46.º | Claude 3.5 Sonnet (2024-10) | Anthropic | Valoración 56.9 ±2.2 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | ||||
| 44–47.º | Qwen Turbo | Alibaba | Valoración 56.2 ±2.2 | — | — | — | Alibaba Publicación 2024-11 Precio — Longitud — | ||||
| 44–47.º | Qwen2.5 32B (instruct) | Alibaba | Valoración 56.1 ±2.1 | — | — | — | Alibaba Publicación 2024-09 Precio — Longitud — | ||||
| 45–51.º | GPT-4o (2024-08) | OpenAI | Valoración 53.3 ±2.2 | $2.5 | $10 | 128K | OpenAI Publicación 2024-08 Precio $2.5 / $10 Longitud 128K | ||||
| 47–53.º | GPT-4o mini | OpenAI | Valoración 52.6 ±2.2 | — | — | 128K | OpenAI Publicación 2024-07 Precio — Longitud 128K | ||||
| 47–53.º | Claude 3.5 Sonnet (2024-06) | Anthropic | Valoración 51.7 ±2.3 | — | — | 200K | Anthropic Publicación 2024-06 Precio — Longitud 200K | ||||
| 47–53.º | GPT-4o (2024-05) | OpenAI | Valoración 51.0 ±2.2 | $5 | $15 | 128K | OpenAI Publicación 2024-05 Precio $5 / $15 Longitud 128K | ||||
| 47–53.º | Mistral Large (2024-11) | Mistral | Valoración 50.3 ±2.2 | — | — | 128K | Mistral Publicación 2024-11 Precio — Longitud 128K | ||||
| 48–55.º | GPT-4o (2024-11) | OpenAI | Valoración 49.8 ±2.2 | $2.5 | $10 | 128K | OpenAI Publicación 2024-11 Precio $2.5 / $10 Longitud 128K | ||||
| 48–55.º | Llama 3.1 405B (instruct) | Meta | Valoración 49.8 ±2.4 | — | — | — | Meta Publicación 2024-07 Precio — Longitud — | ||||
| 52–58.º | Mistral Small 3.1 | Mistral | Valoración 46.8 ±2.4 | — | — | 131.1K | Mistral Publicación 2025-03 Precio — Longitud 131.1K | ||||
| 52–58.º | GPT-4 Turbo | OpenAI | Valoración 46.7 ±2.2 | — | — | — | OpenAI Publicación 2024-04 Precio — Longitud — | ||||
| 54–58.º | Claude 3.5 Haiku | Anthropic | Valoración 46.4 ±2.3 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | ||||
| 54–59.º | Mistral Large 2 | Mistral | Valoración 44.8 ±2.1 | — | — | 131.1K | Mistral Publicación 2024-07 Precio — Longitud 131.1K | ||||
| 54–59.º | Mistral Small 3 | Mistral | Valoración 44.8 ±2.1 | — | — | 32.8K | Mistral Publicación 2025-01 Precio — Longitud 32.8K | ||||
| 57–62.º | Llama 3.1 Tulu 3 70B DPO | Ai2 | Valoración 42.7 ±2.0 | — | — | — | Ai2 Publicación 2024-11 Precio — Longitud — | ||||
| 59–64.º | Llama 3.3 70B (instruct) | Meta | Valoración 41.6 ±2.3 | — | — | 131.1K | Meta Publicación 2024-12 Precio — Longitud 131.1K | ||||
| 59–64.º | Gemini 1.5 Pro 001 | Valoración 40.7 ±2.1 | — | — | — | Google Publicación 2024-05 Precio — Longitud — | |||||
| 59–65.º | GPT-4 Turbo (preview, 2023-11) | OpenAI | Valoración 40.0 ±2.1 | — | — | — | OpenAI Publicación 2023-11 Precio — Longitud — | ||||
| 60–66.º | Llama 3.2 90B Vision (instruct) | Meta | Valoración 39.4 ±2.0 | — | — | 16K | Meta Publicación 2024-09 Precio — Longitud 16K | ||||
| 60–66.º | Qwen2 72B (instruct) | Alibaba | Valoración 39.1 ±2.0 | — | — | — | Alibaba Publicación 2024-06 Precio — Longitud — | ||||
| 62–67.º | Claude 3 Opus | Anthropic | Valoración 37.5 ±2.1 | — | — | — | Anthropic Publicación 2024-02 Precio — Longitud — | ||||
| 63–67.º | Llama 3.1 70B (instruct) | Meta | Valoración 36.7 ±2.0 | — | — | 128K | Meta Publicación 2024-07 Precio — Longitud 128K | ||||
| 65–67.º | GPT-4 Turbo (preview, 2024-01) | OpenAI | Valoración 35.4 ±2.1 | — | — | — | OpenAI Publicación 2024-01 Precio — Longitud — | ||||
| 68–70.º | Gemma 2 27B | Valoración 27.9 ±1.9 | — | — | 8.2K | Google Publicación 2024-06 Precio — Longitud 8.2K | |||||
| 68–73.º | WizardLM-2-8x22B | Microsoft | Valoración 25.7 ±1.7 | — | — | 65.5K | Microsoft Publicación 2024-04 Precio — Longitud 65.5K | ||||
| 68–73.º | Yi 1.5 34B (chat) | 01.AI | Valoración 25.5 ±1.7 | — | — | — | 01.AI Publicación 2024-05 Precio — Longitud — | ||||
| 69–76.º | Gemini 1.5 Flash | Valoración 25.1 ±1.9 | — | — | — | Google Publicación 2024-05 Precio — Longitud — | |||||
| 69–77.º | Mistral Large (2024-02) | Mistral | Valoración 24.5 ±1.7 | — | — | 32K | Mistral Publicación 2024-02 Precio — Longitud 32K | ||||
| 69–77.º | Open Mixtral 8x22B | Mistral | Valoración 24.2 ±1.6 | — | — | — | Mistral Publicación 2024-04 Precio — Longitud — | ||||
| 71–78.º | GPT-4 (2023-06) | OpenAI | Valoración 23.0 ±1.7 | — | — | — | OpenAI Publicación 2023-06 Precio — Longitud — | ||||
| 71–78.º | Llama 3.1 8B (instruct) | Meta | Valoración 22.9 ±1.7 | — | — | 128K | Meta Publicación 2024-07 Precio — Longitud 128K | ||||
| 71–78.º | Hermes-2-Theta-Llama-3-70B | Nous Research | Valoración 22.7 ±1.6 | — | — | — | Nous Research Publicación 2024-06 Precio — Longitud — | ||||
| 72–78.º | Llama 3 70B (instruct) | Meta | Valoración 22.6 ±1.6 | — | — | 8.2K | Meta Publicación 2024-04 Precio — Longitud 8.2K | ||||
| 74–78.º | Gemma 2 9B | Valoración 21.0 ±1.8 | — | — | — | Google Publicación 2024-06 Precio — Longitud — | |||||
| 79–80.º | Claude 3 Sonnet | Anthropic | Valoración 18.2 ±1.6 | — | — | — | Anthropic Publicación 2024-02 Precio — Longitud — | ||||
| 79–81.º | Phi-3 medium (128k, instruct) | Microsoft | Valoración 17.6 ±1.4 | — | — | — | Microsoft Publicación 2024-04 Precio — Longitud — | ||||
| 80–84.º | GPT-3.5 Turbo (2023-11) | OpenAI | Valoración 15.9 ±1.4 | — | — | 16.4K | OpenAI Publicación 2023-11 Precio — Longitud 16.4K | ||||
| 81–84.º | Ministral 8B | Mistral | Valoración 14.9 ±1.5 | — | — | — | Mistral Publicación 2024-10 Precio — Longitud — | ||||
| 81–84.º | Claude 3 Haiku | Anthropic | Valoración 14.9 ±1.4 | — | — | 200K | Anthropic Publicación 2024-03 Precio — Longitud 200K | ||||
| 81–84.º | Ministral 3B | Mistral | Valoración 14.4 ±1.5 | — | — | — | Mistral Publicación 2024-10 Precio — Longitud — | ||||
| 85–89.º | Claude 2.0 | Anthropic | Valoración 11.7 ±1.3 | — | — | — | Anthropic Publicación 2023-07 Precio — Longitud — | ||||
| 85–90.º | DBRX (instruct) | Databricks | Valoración 11.7 ±1.4 | — | — | — | Databricks Publicación 2024-03 Precio — Longitud — | ||||
| 85–89.º | GPT-3.5 Turbo (2024-01) | OpenAI | Valoración 11.6 ±1.1 | — | — | 16.4K | OpenAI Publicación 2024-01 Precio — Longitud 16.4K | ||||
| 85–90.º | Gemini 1.0 Pro 001 | Valoración 11.2 ±1.2 | — | — | — | Google Publicación 2023-12 Precio — Longitud — | |||||
| 85–91.º | Open Mistral Nemo | Mistral | Valoración 10.8 ±1.2 | — | — | — | Mistral Publicación 2024-07 Precio — Longitud — | ||||
| 87–91.º | Open Mixtral 8x7B | Mistral | Valoración 10.0 ±1.0 | — | — | — | Mistral Publicación 2023-12 Precio — Longitud — | ||||
| 89–91.º | Mixtral 8x7B (instruct, v0.1) | Mistral | Valoración 9.3 ±1.0 | — | — | 32K | Mistral Publicación 2023-12 Precio — Longitud 32K | ||||
| 92–93.º | DeepSeek LLM 67B (chat) | DeepSeek | Valoración 6.4 ±0.8 | — | — | — | DeepSeek Publicación 2023-11 Precio — Longitud — | ||||
| 92–94.º | Llama 3 8B (instruct) | Meta | Valoración 6.1 ±0.7 | — | — | — | Meta Publicación 2024-04 Precio — Longitud — | ||||
| 93–94.º | Yi 34B (chat) | 01.AI | Valoración 5.1 ±0.7 | — | — | — | 01.AI Publicación 2023-11 Precio — Longitud — | ||||
| 95–97.º | Open Mistral 7B | Mistral | Valoración 3.7 ±0.5 | — | — | — | Mistral Publicación 2023-09 Precio — Longitud — | ||||
| 95–97.º | Mistral 7B (instruct, v0.3) | Mistral | Valoración 3.6 ±0.5 | — | — | 65.5K | Mistral Publicación 2024-05 Precio — Longitud 65.5K | ||||
| 95–97.º | Llama 2 70B (chat) | Meta | Valoración 3.3 ±0.5 | — | — | — | Meta Publicación 2023-07 Precio — Longitud — |
Evolución de la máxima tasa de acierto
2023-06-13Publicación2025-10-15
Cómo leer esta página
- Las respuestas deben seguir un formato fijo, y 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