Resultados en tareas
Ganar un juego de cartas en su ajuste más difícil (SpireClimb)
Tarea en la que el modelo juega, manejando la pantalla, a Slay the Spire 1 y 2, juegos de combate en los que se reúnen cartas, cada uno en su ajuste más difícil.
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 intentos en los que se completó la tarea común.
- Una diferencia de 3 equivale a 3 intentos 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 éxito (%) | Fecha de evaluación | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1–2.º | GPT-6 Astra | OpenAI | Valoración 25.7 ±7.2 | $10 | $50 | 1.05M | OpenAI Publicación 2026-09 Precio $10 / $50 Longitud 1.05M | ||||
| 1–2.º | GPT-6.1 Sol | OpenAI | Valoración 24.7 ±7.3 | $2 | $10 | 1.05M | OpenAI Publicación 2026-09 Precio $2 / $10 Longitud 1.05M | ||||
| 3–4.º | GPT-6 Sol | OpenAI | Valoración 7.5 ±4.2 | $2 | $10 | 1.05M | OpenAI Publicación 2026-09 Precio $2 / $10 Longitud 1.05M | ||||
| 3–6.º | Claude Opus 5.5 | Anthropic | Valoración 3.3 ±2.8 | $4 | $20 | 1M | Anthropic Publicación 2026-09 Precio $4 / $20 Longitud 1M | ||||
| 4–7.º | Claude Fable 5.1 | Anthropic | Valoración 2.0 ±2.2 | $10 | $50 | 1M | Anthropic Publicación 2026-09 Precio $10 / $50 Longitud 1M | ||||
| 4–7.º | Claude Sonnet 5.5 | Anthropic | Valoración 1.3 ±1.8 | $2 | $10 | 1M | Anthropic Publicación 2026-09 Precio $2 / $10 Longitud 1M | ||||
| 5–7.º | GPT-6 Luna | OpenAI | Valoración 0.0 ±0.0 | $0.1 | $0.5 | 1.05M | OpenAI Publicación 2026-09 Precio $0.1 / $0.5 Longitud 1.05M |
Evolución de la máxima tasa de éxito
2026-09-01Publicación2026-09-29
Cómo leer esta página
- El valor es la proporción de partidas ganadas hasta el final.
- La tasa de éxito es la proporción de intentos que salieron bien. Una diferencia de 1 punto equivale a 1 intento 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