Valores publicados por otras instituciones
Problemas de demostración matemática (ProofBench)
Tarea con problemas de demostración del nivel de competiciones de matemáticas y de posgrado, en la que el modelo escribe una demostración y se califica si es correcta.
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 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1–5.º | Claude Fable 5.1 | Anthropic | Valoración 100.0 | $10 | $50 | 1M | Anthropic Publicación 2026-09 Precio $10 / $50 Longitud 1M | |||
| 1–5.º | Claude Opus 5.5 | Anthropic | Valoración 100.0 | $4 | $20 | 1M | Anthropic Publicación 2026-09 Precio $4 / $20 Longitud 1M | |||
| 1–5.º | Claude Sonnet 5.5 | Anthropic | Valoración 100.0 | $2 | $10 | 1M | Anthropic Publicación 2026-09 Precio $2 / $10 Longitud 1M | |||
| 1–9.º | Claude Opus 5 | Anthropic | Valoración 99.0 ±8.2 | $5 | $25 | 1M | Anthropic Publicación 2026-07 Precio $5 / $25 Longitud 1M | |||
| 4–8.º | Gemini 4 Argon | Valoración 99.0 | $2 | $10 | 1.05M | Google Publicación 2026-09 Precio $2 / $10 Longitud 1.05M | ||||
| 4–8.º | GPT-6.1 Sol | OpenAI | Valoración 99.0 | $2 | $10 | 1.05M | OpenAI Publicación 2026-09 Precio $2 / $10 Longitud 1.05M | |||
| 4–8.º | GPT-6 Astra | OpenAI | Valoración 99.0 | $10 | $50 | 1.05M | OpenAI Publicación 2026-09 Precio $10 / $50 Longitud 1.05M | |||
| 1–10.º | Claude Fable 5 | Anthropic | Valoración 95.0 ±8.3 | $10 | $50 | 1M | Anthropic Publicación 2026-06 Precio $10 / $50 Longitud 1M | |||
| 8–11.º | Claude Haiku 5.5 | Anthropic | Valoración 89.0 | $0.1 | $0.5 | 1M | Anthropic Publicación 2026-10 Precio $0.1 / $0.5 Longitud 1M | |||
| 7–14.º | Kimi K3 | Moonshot | Valoración 87.0 ±9.0 | $3 | $15 | 1.05M | Moonshot Publicación 2026-07 Precio $3 / $15 Longitud 1.05M | |||
| 10–13.º | Muse Wonder | Meta | Valoración 84.0 | $4 | $20 | 1.05M | Meta Publicación 2026-10 Precio $4 / $20 Longitud 1.05M | |||
| 9–16.º | GPT-5.6 Sol | OpenAI | Valoración 83.0 ±8.2 | $4 | $20 | 1.05M | OpenAI Publicación 2026-07 Precio $4 / $20 Longitud 1.05M | |||
| 11–14.º | GPT-6 Sol | OpenAI | Valoración 83.0 | $2 | $10 | 1.05M | OpenAI Publicación 2026-09 Precio $2 / $10 Longitud 1.05M | |||
| 10–18.º | Claude Sonnet 5 | Anthropic | Valoración 77.0 ±9.3 | $2 | $10 | 1M | Anthropic Publicación 2026-06 Precio $2 / $10 Longitud 1M | |||
| 13–17.º | Tencent HY4 (preview) | Tencent | Valoración 75.0 | — | — | — | Tencent Publicación 2026-08 Precio — Longitud — | |||
| 13–18.º | GPT-5.6 Terra | OpenAI | Valoración 74.0 ±8.9 | $2 | $12 | 1.05M | OpenAI Publicación 2026-07 Precio $2 / $12 Longitud 1.05M | |||
| 15–18.º | MiMo-V2.6 Pro | Xiaomi | Valoración 70.0 | $0.435 | $0.87 | 1.05M | Xiaomi Publicación 2026-09 Precio $0.435 / $0.87 Longitud 1.05M | |||
| 14–22.º | Claude Opus 4.8 | Anthropic | Valoración 69.0 ±9.1 | $5 | $25 | 1M | Anthropic Publicación 2026-05 Precio $5 / $25 Longitud 1M | |||
| 18–21.º | GPT-6 Luna | OpenAI | Valoración 64.0 | $0.1 | $0.5 | 1.05M | OpenAI Publicación 2026-09 Precio $0.1 / $0.5 Longitud 1.05M | |||
| 19–23.º | MiMo-V2.6 Flash | Xiaomi | Valoración 63.0 | $0.14 | $0.28 | 1.05M | Xiaomi Publicación 2026-09 Precio $0.14 / $0.28 Longitud 1.05M | |||
| 18–31.º | GPT-5.6 Luna | OpenAI | Valoración 60.0 ±9.8 | $0.2 | $1.2 | 1.05M | OpenAI Publicación 2026-07 Precio $0.2 / $1.2 Longitud 1.05M | |||
| 21–28.º | Gemini 3.7 Flash | Valoración 58.0 | $0.75 | $3.75 | 1.05M | Google Publicación 2026-08 Precio $0.75 / $3.75 Longitud 1.05M | ||||
| 21–28.º | Muse Spark 1.3 | Meta | Valoración 58.0 | $1.25 | $4.25 | 1.05M | Meta Publicación 2026-09 Precio $1.25 / $4.25 Longitud 1.05M | |||
| 21–28.º | Qwen3.8 Max | Alibaba | Valoración 58.0 | $2 | $6 | 1M | Alibaba Publicación 2026-08 Precio $2 / $6 Longitud 1M | |||
| 24–29.º | DeepSeek-V4 Flash (2026-07) | DeepSeek | Valoración 56.0 | — | — | 1M | DeepSeek Publicación 2026-07 Precio — Longitud 1M | |||
| 18–35.º | GPT-5.4 | OpenAI | Valoración 56.0 ±9.7 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | |||
| 20–35.º | Claude Opus 4.7 | Anthropic | Valoración 54.0 ±9.8 | $5 | $25 | 1M | Anthropic Publicación 2026-04 Precio $5 / $25 Longitud 1M | |||
| 25–31.º | DeepSeek-V4.1 Flash | DeepSeek | Valoración 54.0 | — | — | 1M | DeepSeek Publicación 2026-09 Precio — Longitud 1M | |||
| 26–32.º | Grok 4.6 | xAI | Valoración 51.0 | $2 | $6 | 500K | xAI Publicación 2026-08 Precio $2 / $6 Longitud 500K | |||
| 21–38.º | Claude Opus 4.6 | Anthropic | Valoración 50.0 ±9.8 | $5 | $25 | 1M | Anthropic Publicación 2026-02 Precio $5 / $25 Longitud 1M | |||
| 28–33.º | DeepSeek-V4 Pro (2026-08) | DeepSeek | Valoración 50.0 | $0.66 | $1.98 | 1M | DeepSeek Publicación 2026-08 Precio $0.66 / $1.98 Longitud 1M | |||
| 21–38.º | GPT-5.5 | OpenAI | Valoración 50.0 ±9.8 | $5 | $30 | 1.05M | OpenAI Publicación 2026-04 Precio $5 / $30 Longitud 1.05M | |||
| 29–34.º | GLM-5.3 | Z.ai | Valoración 49.0 | $1.4 | $4.4 | 1M | Z.ai Publicación 2026-08 Precio $1.4 / $4.4 Longitud 1M | |||
| 30–36.º | Gemini 3.8 Flash | Valoración 48.0 | $0.75 | $3.75 | 1.05M | Google Publicación 2026-09 Precio $0.75 / $3.75 Longitud 1.05M | ||||
| 26–41.º | Claude Sonnet 4.6 | Anthropic | Valoración 45.0 ±9.8 | $3 | $15 | 1M | Anthropic Publicación 2026-02 Precio $3 / $15 Longitud 1M | |||
| 33–40.º | Muse Spark 1.2 | Meta | Valoración 43.0 | $1.25 | $4.25 | 1.05M | Meta Publicación 2026-08 Precio $1.25 / $4.25 Longitud 1.05M | |||
| 34–41.º | Step 5 (preview) | StepFun | Valoración 42.0 | $1.0461 | $2.989 | 1M | StepFun Publicación 2026-09 Precio $1.0461 / $2.989 Longitud 1M | |||
| 32–43.º | Muse Spark 1.1 | Meta | Valoración 39.0 ±9.6 | $1.25 | $4.25 | 1M | Meta Publicación 2026-07 Precio $1.25 / $4.25 Longitud 1M | |||
| 35–45.º | Claude Opus 4.5 | Anthropic | Valoración 36.0 ±9.4 | $5 | $25 | 200K | Anthropic Publicación 2025-11 Precio $5 / $25 Longitud 200K | |||
| 35–45.º | Gemini 3.6 Flash | Valoración 36.0 ±9.5 | $0.75 | $3.75 | 1.05M | Google Publicación 2026-07 Precio $0.75 / $3.75 Longitud 1.05M | ||||
| 35–46.º | GLM-5.2 | Z.ai | Valoración 35.0 ±9.4 | $1.4 | $4.4 | 1M | Z.ai Publicación 2026-06 Precio $1.4 / $4.4 Longitud 1M | |||
| 38–50.º | Gemini 3.5 Flash | Valoración 31.0 ±8.9 | $1.5 | $9 | 1.05M | Google Publicación 2026-05 Precio $1.5 / $9 Longitud 1.05M | ||||
| 38–50.º | Grok 4.5 | xAI | Valoración 31.0 ±9.0 | $2 | $6 | 500K | xAI Publicación 2026-07 Precio $2 / $6 Longitud 500K | |||
| 39–60.º | Gemini 3.1 Pro (preview) | Valoración 26.0 ±8.6 | $2 | $12 | 1.05M | Google Publicación 2026-02 Precio $2 / $12 Longitud 1.05M | ||||
| 41–51.º | Grok 4.7 | xAI | Valoración 26.0 | $2 | $6 | 500K | xAI Publicación 2026-09 Precio $2 / $6 Longitud 500K | |||
| 39–60.º | Qwen3.7 Max | Alibaba | Valoración 26.0 ±8.6 | $2.5 | $7.5 | 1M | Alibaba Publicación 2026-05 Precio $2.5 / $7.5 Longitud 1M | |||
| 42–64.º | GLM-5.1 | Z.ai | Valoración 22.2 ±8.2 | $1.4 | $4.4 | 200K | Z.ai Publicación 2026-04 Precio $1.4 / $4.4 Longitud 200K | |||
| 42–64.º | MiMo-V2.5 Pro | Xiaomi | Valoración 22.0 ±8.4 | $0.435 | $0.87 | 1.05M | Xiaomi Publicación 2026-04 Precio $0.435 / $0.87 Longitud 1.05M | |||
| 45–60.º | GLM-5.3 Flash | Z.ai | Valoración 21.0 | $0.15 | $0.5 | 1M | Z.ai Publicación 2026-08 Precio $0.15 / $0.5 Longitud 1M | |||
| 42–65.º | GPT-5.4 mini | OpenAI | Valoración 21.0 ±8.0 | $0.75 | $4.5 | 400K | OpenAI Publicación 2026-03 Precio $0.75 / $4.5 Longitud 400K | |||
| 42–65.º | Gemini 3 Pro (preview) | Valoración 20.0 ±7.8 | — | — | 1M | Google Publicación 2025-11 Precio — Longitud 1M | ||||
| 44–65.º | Claude Sonnet 4.5 | Anthropic | Valoración 19.0 ±7.7 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | |||
| 45–68.º | GPT-5 | OpenAI | Valoración 18.0 ±7.5 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 45–68.º | MiniMax-M3 | MiniMax | Valoración 18.0 ±7.7 | $0.3 | $1.2 | 1.05M | MiniMax Publicación 2026-06 Precio $0.3 / $1.2 Longitud 1.05M | |||
| 45–70.º | Muse Spark | Meta | Valoración 17.0 ±7.4 | — | — | — | Meta Publicación 2026-04 Precio — Longitud — | |||
| 45–68.º | DeepSeek-V4 Pro | DeepSeek | Valoración 16.0 ±5.9 | $0.66 | $1.98 | 1M | DeepSeek Publicación 2026-04 Precio $0.66 / $1.98 Longitud 1M | |||
| 45–70.º | Kimi K2.6 | Moonshot | Valoración 16.0 ±7.2 | $0.95 | $4 | 262.1K | Moonshot Publicación 2026-04 Precio $0.95 / $4 Longitud 262.1K | |||
| 45–70.º | MiMo-V2.5 | Xiaomi | Valoración 16.0 ±7.2 | $0.14 | $0.28 | 1.05M | Xiaomi Publicación 2026-04 Precio $0.14 / $0.28 Longitud 1.05M | |||
| 48–65.º | Qwen3.8 27B | Alibaba | Valoración 16.0 | — | — | 262.1K | Alibaba Publicación 2026-08 Precio — Longitud 262.1K | |||
| 45–70.º | Gemini 3 Flash (preview) | Valoración 15.0 ±7.0 | $0.5 | $3 | 1M | Google Publicación 2025-12 Precio $0.5 / $3 Longitud 1M | ||||
| 45–70.º | GPT-5.2 | OpenAI | Valoración 15.0 ±7.0 | $1.75 | $14 | 400K | OpenAI Publicación 2025-12 Precio $1.75 / $14 Longitud 400K | |||
| 48–72.º | Grok 4.20 Reasoning | xAI | Valoración 14.0 ±6.8 | $1.25 | $2.5 | 2M | xAI Publicación 2026-02 Precio $1.25 / $2.5 Longitud 2M | |||
| 48–72.º | Gemini 3.5 Flash-Lite | Valoración 13.0 ±6.6 | $0.3 | $2.5 | 1.05M | Google Publicación 2026-07 Precio $0.3 / $2.5 Longitud 1.05M | ||||
| 48–73.º | GPT-5 nano | OpenAI | Valoración 12.0 ±6.4 | $0.05 | $0.4 | 400K | OpenAI Publicación 2025-08 Precio $0.05 / $0.4 Longitud 400K | |||
| 50–75.º | Grok 4.3 | xAI | Valoración 11.0 ±6.1 | $1.25 | $2.5 | 1M | xAI Publicación 2026-04 Precio $1.25 / $2.5 Longitud 1M | |||
| 57–72.º | Mistral Large 4 | Mistral | Valoración 10.0 | $1.36 | $4.18 | 524.3K | Mistral Publicación 2026-10 Precio $1.36 / $4.18 Longitud 524.3K | |||
| 54–76.º | GPT-5.1 Codex | OpenAI | Valoración 9.0 ±5.6 | — | — | 400K | OpenAI Publicación 2025-11 Precio — Longitud 400K | |||
| 54–76.º | GPT-5 mini | OpenAI | Valoración 9.0 ±5.6 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | |||
| 54–76.º | Mistral Medium 3.5 | Mistral | Valoración 9.0 ±5.9 | $1.5 | $7.5 | 262.1K | Mistral Publicación 2026-04 Precio $1.5 / $7.5 Longitud 262.1K | |||
| 57–77.º | DeepSeek-V3.2 | DeepSeek | Valoración 8.0 ±5.3 | — | — | 128K | DeepSeek Publicación 2025-12 Precio — Longitud 128K | |||
| 62–78.º | GLM-4.7 | Z.ai | Valoración 6.0 ±4.7 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-12 Precio $0.6 / $2.2 Longitud 204.8K | |||
| 62–78.º | Inkling Small | Thinking Machines | Valoración 6.0 ±4.3 | $0.58 | $1.44 | 524.3K | Thinking Machines Publicación 2026-07 Precio $0.58 / $1.44 Longitud 524.3K | |||
| 65–79.º | GPT-5.4 nano | OpenAI | Valoración 5.0 ±4.3 | $0.2 | $1.25 | 400K | OpenAI Publicación 2026-03 Precio $0.2 / $1.25 Longitud 400K | |||
| 66–79.º | Grok 4.1 Fast Reasoning | xAI | Valoración 4.0 ±3.8 | — | — | 2M | xAI Publicación 2025-11 Precio — Longitud 2M | |||
| 66–79.º | MiniMax-M2.5 | MiniMax | Valoración 4.0 ±3.8 | $0.3 | $1.2 | 204.8K | MiniMax Publicación 2026-02 Precio $0.3 / $1.2 Longitud 204.8K | |||
| 70–78.º | Mercury 2.5 | Inception | Valoración 3.0 | — | — | — | Inception Publicación 2026-09 Precio — Longitud — | |||
| 67–81.º | MiniMax-M2.7 | MiniMax | Valoración 3.0 ±3.3 | $0.3 | $1.2 | 204.8K | MiniMax Publicación 2026-03 Precio $0.3 / $1.2 Longitud 204.8K | |||
| 71–81.º | NVIDIA Nemotron 3 Ultra | NVIDIA | Valoración 2.0 ±2.8 | — | — | 131.1K | NVIDIA Publicación 2026-06 Precio — Longitud 131.1K | |||
| 74–81.º | Inkling | Thinking Machines | Valoración 0.0 ±2.8 | $1.87 | $4.68 | 262.1K | Thinking Machines Publicación 2026-07 Precio $1.87 / $4.68 Longitud 262.1K | |||
| 77–81.º | Laguna M.1 | Poolside | Valoración 0.0 ±0.0 | — | — | 262.1K | Poolside Publicación 2026-04 Precio — Longitud 262.1K | |||
| 77–81.º | Laguna XS.2 | Poolside | Valoración 0.0 ±0.0 | — | — | 32.8K | Poolside Publicación 2026-04 Precio — Longitud 32.8K |
Evolución de la máxima tasa de acierto
2025-08-07Publicación2026-10-12
Cómo leer esta página
- El valor es la proporción de demostraciones juzgadas correctas. 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