Saltar al contenido principal
Bench

Idioma

English日本語中文Español

Información del sitio

Resultados en tareas

Responder bien preguntas breves sobre hechos (SimpleQA Verified)

Tarea de responder sin opciones preguntas breves sobre hechos de política, ciencia y tecnología, arte, deportes, geografía, música y otros temas.

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

PuestoModeloDesarrolladorTasa de acierto
(%)Escala de Tasa de acierto: 40–80		Fecha de evaluaciónEntrada $
/1M		Salida $
/1M		ContextoAdmitePesosPublicaciónPrecio y características
1–5.ºGemini 4 ArgonGoogleValoración 76.0 ±2.6$2$101.05MGoogle Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–5.ºGPT-6 AstraOpenAIValoración 75.6 ±2.7$10$501.05MOpenAI Publicación 2026-⁠09 Precio $10 / $50 Longitud 1.05M
1–7.ºGPT-6.1 SolOpenAIValoración 73.9 ±2.7$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–9.ºGemini 3.1 Pro (preview)GoogleValoración 73.5 ±2.7$2$121.05MGoogle Publicación 2026-⁠02 Precio $2 / $12 Longitud 1.05M
1–10.ºClaude Opus 5.5AnthropicValoración 72.2 ±2.8$4$201MAnthropic Publicación 2026-⁠09 Precio $4 / $20 Longitud 1M
3–11.ºClaude Fable 5.1AnthropicValoración 70.8 ±2.8$10$501MAnthropic Publicación 2026-⁠09 Precio $10 / $50 Longitud 1M
3–11.ºClaude Fable 5AnthropicValoración 70.7 ±2.8$10$501MAnthropic Publicación 2026-⁠06 Precio $10 / $50 Longitud 1M
4–13.ºGemini 3.8 FlashGoogleValoración 69.7 ±2.8$0.75$3.751.05MGoogle Publicación 2026-⁠09 Precio $0.75 / $3.75 Longitud 1.05M
4–13.ºGPT-5.6 SolOpenAIValoración 69.7 ±2.8$4$201.05MOpenAI Publicación 2026-⁠07 Precio $4 / $20 Longitud 1.05M
5–13.ºGemini 3.7 FlashGoogleValoración 69.2 ±2.9$0.75$3.751.05MGoogle Publicación 2026-⁠08 Precio $0.75 / $3.75 Longitud 1.05M
6–14.ºGemini 3 Flash (preview)GoogleValoración 66.8 ±2.9$0.5$31MGoogle Publicación 2025-⁠12 Precio $0.5 / $3 Longitud 1M
8–14.ºGemini 3.5 FlashGoogleValoración 66.2 ±2.9$1.5$91.05MGoogle Publicación 2026-⁠05 Precio $1.5 / $9 Longitud 1.05M
8–14.ºGemini 3.6 FlashGoogleValoración 66.2 ±2.9$0.75$3.751.05MGoogle Publicación 2026-⁠07 Precio $0.75 / $3.75 Longitud 1.05M
11–17.ºGPT-5.5OpenAIValoración 63.0 ±3.0$5$301.05MOpenAI Publicación 2026-⁠04 Precio $5 / $30 Longitud 1.05M
14–19.ºGPT-6 SolOpenAIValoración 60.7 ±3.0$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
14–20.ºMuse Spark 1.2MetaValoración 60.3 ±3.0$1.25$4.251.05MMeta Publicación 2026-⁠08 Precio $1.25 / $4.25 Longitud 1.05M
14–21.ºClaude Opus 5AnthropicValoración 59.9 ±3.0$5$251MAnthropic Publicación 2026-⁠07 Precio $5 / $25 Longitud 1M
15–21.ºMuse Spark 1.1MetaValoración 57.8 ±3.1$1.25$4.251MMeta Publicación 2026-⁠07 Precio $1.25 / $4.25 Longitud 1M
15–23.ºMuse Spark Open⁠MetaValoración 56.6 ±3.1——1.04MMeta Publicación 2026-⁠10 Precio — Longitud 1.04M
16–25.ºGrok 4.7xAIValoración 56.0 ±3.1$2$6500KxAI Publicación 2026-⁠09 Precio $2 / $6 Longitud 500K
17–25.ºQwen3.7 MaxAlibabaValoración 55.8 ±3.1$2.5$7.51MAlibaba Publicación 2026-⁠05 Precio $2.5 / $7.5 Longitud 1M
19–30.ºClaude Opus 4.8AnthropicValoración 53.0 ±3.1$5$251MAnthropic Publicación 2026-⁠05 Precio $5 / $25 Longitud 1M
19–30.ºDeepSeek-V4 Pro (2026-⁠08)⁠DeepSeekValoración 52.9 ±3.1$0.66$1.981MDeepSeek Publicación 2026-⁠08 Precio $0.66 / $1.98 Longitud 1M
20–32.ºQwen3.6 Max (preview)AlibabaValoración 52.0 ±3.1$1.3$7.8240KAlibaba Publicación 2026-⁠04 Precio $1.3 / $7.8 Longitud 240K
20–32.ºClaude Opus 4.7AnthropicValoración 51.7 ±3.1$5$251MAnthropic Publicación 2026-⁠04 Precio $5 / $25 Longitud 1M
22–37.ºKimi K3⁠MoonshotValoración 50.6 ±3.1$3$151.05MMoonshot Publicación 2026-⁠07 Precio $3 / $15 Longitud 1.05M
22–38.ºGPT-5OpenAIValoración 50.1 ±3.1$1.25$10400KOpenAI Publicación 2025-⁠08 Precio $1.25 / $10 Longitud 400K
22–40.ºo3OpenAIValoración 49.4 ±3.1$2$8200KOpenAI Publicación 2025-⁠04 Precio $2 / $8 Longitud 200K
22–40.ºGrok 4.6xAIValoración 49.3 ±3.1$2$6500KxAI Publicación 2026-⁠08 Precio $2 / $6 Longitud 500K
22–40.ºQwen3 Max (instruct)AlibabaValoración 48.7 ±3.1——258KAlibaba Publicación 2025-⁠09 Precio — Longitud 258K
24–41.ºGrok 4.5xAIValoración 48.3 ±3.1$2$6500KxAI Publicación 2026-⁠07 Precio $2 / $6 Longitud 500K
24–41.ºGPT-5.1OpenAIValoración 48.0 ±3.1$1.25$10400KOpenAI Publicación 2025-⁠11 Precio $1.25 / $10 Longitud 400K
26–42.ºQwen3.8 Max (2026-⁠09)AlibabaValoración 47.3 ±3.1——1MAlibaba Publicación 2026-⁠09 Precio — Longitud 1M
26–43.ºClaude Opus 4.6AnthropicValoración 47.0 ±3.1$5$251MAnthropic Publicación 2026-⁠02 Precio $5 / $25 Longitud 1M
26–43.ºDeepSeek-V4 Pro⁠DeepSeekValoración 47.0 ±3.1$0.66$1.981MDeepSeek Publicación 2026-⁠04 Precio $0.66 / $1.98 Longitud 1M
26–44.ºClaude Sonnet 5.5AnthropicValoración 46.5 ±3.1$2$101MAnthropic Publicación 2026-⁠09 Precio $2 / $10 Longitud 1M
26–44.ºGPT-5.4 ProOpenAIValoración 46.3 ±3.1$30$1801.05MOpenAI Publicación 2026-⁠03 Precio $30 / $180 Longitud 1.05M
27–44.ºQwen3.8 MaxAlibabaValoración 45.8 ±3.1$2$61MAlibaba Publicación 2026-⁠08 Precio $2 / $6 Longitud 1M
28–45.ºClaude Opus 4.5AnthropicValoración 45.7 ±3.1$5$25200KAnthropic Publicación 2025-⁠11 Precio $5 / $25 Longitud 200K
28–48.ºGPT-5.4OpenAIValoración 45.1 ±3.1$2.5$151.05MOpenAI Publicación 2026-⁠03 Precio $2.5 / $15 Longitud 1.05M

Evolución de la máxima tasa de acierto

2024-02-29Publicación2026-10-17
Cómo leer esta página
  • Google quitó las preguntas parecidas del SimpleQA original y corrigió el desequilibrio de temas y los errores en las respuestas correctas. 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