Valores publicados por otras instituciones
Trabajo en una terminal (Terminal Bench)
Tarea que encarga al modelo trabajos como compilar programas, configurar sistemas y procesar datos en un entorno de línea de comandos.
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).
Margen de error del 1.º puesto
| Puesto | Modelo | Desarrollador | Tasa de éxito (%) | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|
| 1–5.º | GPT-5.5 | OpenAI | Valoración 84.7 ±4.1 | $5 | $30 | 1.05M | OpenAI Publicación 2026-04 Precio $5 / $30 Longitud 1.05M | |||
| 1–6.º | GPT-5.4 | OpenAI | Valoración 81.8 ±3.9 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | |||
| 1–6.º | Claude Opus 4.7 | Anthropic | Valoración 80.2 ±4.1 | $5 | $25 | 1M | Anthropic Publicación 2026-04 Precio $5 / $25 Longitud 1M | |||
| 1–6.º | Gemini 3.1 Pro (preview) | Valoración 80.2 ±5.1 | $2 | $12 | 1.05M | Google Publicación 2026-02 Precio $2 / $12 Longitud 1.05M | ||||
| 1–6.º | Claude Opus 4.6 | Anthropic | Valoración 79.8 ±3.1 | $5 | $25 | 1M | Anthropic Publicación 2026-02 Precio $5 / $25 Longitud 1M | |||
| 2–6.º | GPT-5.3 Codex | OpenAI | Valoración 78.4 ±4.3 | $1.75 | $14 | 400K | OpenAI Publicación 2026-02 Precio $1.75 / $14 Longitud 400K | |||
| 7–11.º | Gemini 3 Pro (preview) | Valoración 69.4 ±4.1 | — | — | 1M | Google Publicación 2025-11 Precio — Longitud 1M | ||||
| 7–13.º | GPT-5.2 Codex | OpenAI | Valoración 66.5 ±6.0 | — | — | 400K | OpenAI Publicación 2025-12 Precio — Longitud 400K | |||
| 7–13.º | GPT-5.2 | OpenAI | Valoración 64.9 ±5.4 | $1.75 | $14 | 400K | OpenAI Publicación 2025-12 Precio $1.75 / $14 Longitud 400K | |||
| 7–13.º | Gemini 3 Flash (preview) | Valoración 64.3 ±5.5 | $0.5 | $3 | 1M | Google Publicación 2025-12 Precio $0.5 / $3 Longitud 1M | ||||
| 7–13.º | Claude Opus 4.5 | Anthropic | Valoración 63.1 ±5.3 | $5 | $25 | 200K | Anthropic Publicación 2025-11 Precio $5 / $25 Longitud 200K | |||
| 8–13.º | GPT-5.1 Codex Mini | OpenAI | Valoración 61.6 ±3.7 | — | — | 400K | OpenAI Publicación 2025-11 Precio — Longitud 400K | |||
| 8–15.º | GPT-5.1 Codex | OpenAI | Valoración 60.4 ±5.2 | — | — | 400K | OpenAI Publicación 2025-11 Precio — Longitud 400K | |||
| 13–16.º | Grok 4.20 | xAI | Valoración 57.3 | — | — | 2M | xAI Publicación 2026-02 Precio — Longitud 2M | |||
| 13–19.º | Claude Sonnet 4.6 | Anthropic | Valoración 53.4 ±5.5 | $3 | $15 | 1M | Anthropic Publicación 2026-02 Precio $3 / $15 Longitud 1M | |||
| 14–19.º | GLM-5 | Z.ai | Valoración 52.4 ±5.1 | $1 | $3.2 | 204.8K | Z.ai Publicación 2026-02 Precio $1 / $3.2 Longitud 204.8K | |||
| 15–23.º | GPT-5 | OpenAI | Valoración 49.6 ±5.7 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 15–23.º | GPT-5.1 | OpenAI | Valoración 47.6 ±5.5 | $1.25 | $10 | 400K | OpenAI Publicación 2025-11 Precio $1.25 / $10 Longitud 400K | |||
| 15–24.º | Claude Sonnet 4.5 | Anthropic | Valoración 46.5 ±4.6 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | |||
| 17–23.º | MiniMax-M2.7 | MiniMax | Valoración 45.1 | $0.3 | $1.2 | 204.8K | MiniMax Publicación 2026-03 Precio $0.3 / $1.2 Longitud 204.8K | |||
| 17–26.º | GPT-5 Codex | OpenAI | Valoración 44.3 ±5.3 | — | — | 400K | OpenAI Publicación 2025-09 Precio — Longitud 400K | |||
| 17–28.º | Kimi K2.5 | Moonshot | Valoración 43.2 ±5.6 | — | — | 262.1K | Moonshot Publicación 2026-01 Precio — Longitud 262.1K | |||
| 17–28.º | MiniMax-M2.5 | MiniMax | Valoración 42.7 ±5.5 | $0.3 | $1.2 | 204.8K | MiniMax Publicación 2026-02 Precio $0.3 / $1.2 Longitud 204.8K | |||
| 20–31.º | DeepSeek-V3.2 | DeepSeek | Valoración 39.6 ±5.4 | — | — | 128K | DeepSeek Publicación 2025-12 Precio — Longitud 128K | |||
| 21–31.º | Claude Opus 4.1 | Anthropic | Valoración 38.0 ±5.1 | — | — | 200K | Anthropic Publicación 2025-08 Precio — Longitud 200K | |||
| 21–32.º | MiniMax-M2.1 | MiniMax | Valoración 36.6 ±5.7 | $0.3 | $1.2 | 204.8K | MiniMax Publicación 2025-12 Precio $0.3 / $1.2 Longitud 204.8K | |||
| 22–32.º | Kimi K2 (thinking) | Moonshot | Valoración 35.7 ±5.5 | — | — | 262.1K | Moonshot Publicación 2025-11 Precio — Longitud 262.1K | |||
| 22–32.º | Claude Haiku 4.5 | Anthropic | Valoración 35.5 ±5.7 | $1 | $5 | 200K | Anthropic Publicación 2025-10 Precio $1 / $5 Longitud 200K | |||
| 24–34.º | GPT-5 mini | OpenAI | Valoración 34.8 ±5.3 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | |||
| 24–36.º | GLM-4.7 | Z.ai | Valoración 33.4 ±5.6 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-12 Precio $0.6 / $2.2 Longitud 204.8K | |||
| 24–37.º | Gemini 2.5 Pro | Valoración 32.6 ±5.9 | $1.25 | $10 | 1M | Google Publicación 2025-06 Precio $1.25 / $10 Longitud 1M | ||||
| 26–38.º | MiniMax-M2 | MiniMax | Valoración 30.0 ±5.4 | $0.3 | $1.2 | 1M | MiniMax Publicación 2025-10 Precio $0.3 / $1.2 Longitud 1M | |||
| 29–39.º | Kimi K2 (instruct) | Moonshot | Valoración 27.8 ±4.9 | — | — | 131.1K | Moonshot Publicación 2025-07 Precio — Longitud 131.1K | |||
| 29–39.º | Grok 4 | xAI | Valoración 27.2 ±6.1 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | |||
| 30–39.º | Qwen3 Coder 480B A35B (instruct) | Alibaba | Valoración 27.2 ±5.0 | $1.5 | $7.5 | 262.1K | Alibaba Publicación 2025-07 Precio $1.5 / $7.5 Longitud 262.1K | |||
| 30–40.º | Grok Code Fast 1 | xAI | Valoración 25.8 ±5.1 | — | — | 256K | — | xAI Publicación 2025-08 Precio — Longitud 256K | ||
| 31–42.º | Qwen3.6 35B A3B | Alibaba | Valoración 24.6 ±6.3 | $0.375 | $2.25 | 262.1K | Alibaba Publicación 2026-04 Precio $0.375 / $2.25 Longitud 262.1K | |||
| 32–40.º | GLM-4.6 | Z.ai | Valoración 24.5 ±4.8 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-09 Precio $0.6 / $2.2 Longitud 204.8K | |||
| 33–42.º | GPT-5 nano | OpenAI | Valoración 21.8 ±5.5 | $0.05 | $0.4 | 400K | OpenAI Publicación 2025-08 Precio $0.05 / $0.4 Longitud 400K | |||
| 36–42.º | GPT-OSS 120B | OpenAI | Valoración 18.7 ±5.3 | — | — | 128K | OpenAI Publicación 2025-08 Precio — Longitud 128K | |||
| 38–42.º | Gemini 2.5 Flash (preview, 2025-09) | Valoración 17.1 ±4.9 | — | — | 1M | Google Publicación 2025-09 Precio — Longitud 1M | ||||
| 38–42.º | Gemini 2.5 Flash | Valoración 17.1 ±4.9 | $0.3 | $2.5 | 1M | Google Publicación 2025-06 Precio $0.3 / $2.5 Longitud 1M | ||||
| 43.º | Qwen3.5 9B | Alibaba | Valoración 9.2 ±4.6 | — | — | 262K | Alibaba Publicación 2026-02 Precio — Longitud 262K | |||
| 44.º | GPT-OSS 20B | OpenAI | Valoración 3.4 ±2.7 | — | — | 131K | OpenAI Publicación 2025-08 Precio — Longitud 131K |
Evolución de la máxima tasa de éxito
2025-06-17Publicación2026-04-23
Cómo leer esta página
- Unas pruebas comprueban el estado final, y el valor es la proporción de tareas completadas. Reúne valores publicados por las instituciones que crearon las tareas, entre otras.
- 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