Comparación de capacidades de modelos de IA
Uso de computadora
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
Coarena · tareas mixtas
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| N.º | Modelo | Motor del agente | Esfuerzo de razonamiento | intervalo del 95% | |
|---|---|---|---|---|---|
| 1 |  GPT-6 Solgpt-6-sol | Coarena | medium | 1043 | 985–1101 |
| 2 | GPT-6.1 Solgpt-6.1-sol | Coarena | medium | 1025 | 965–1085 |
| 3 | GPT-6 Lunagpt-6-luna | Coarena | medium | 1018 | 966–1070 |
| 4 |  Claude Opus 5.5claude-opus-5-5 | Coarena | medium | 1010 | 973–1047 |
| 5 | Claude Fable 5.1claude-fable-5-1 | Coarena | medium | 1001 | 968–1034 |
| 6 | Claude Sonnet 5.5claude-sonnet-5-5 | Coarena | medium | 989 | 928–1050 |
| 7 | GPT-6 Astragpt-6-astra | Coarena | medium | 976 | 936–1016 |
Coarena · tareas mixtas
Fuente: Coarena ↗ · Obtenido 21 oct 2026, 06:00 UTC
Coarena · tareas mixtas · Source date unknown
PandaNpc Actualizado 21 oct 2026, 06:01 UTC
Fuente: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guía de columnas
- N.º
- Solo orden de visualización. El ordenamiento cambia este número; no es un ranking de capacidad publicado.
- Modelo
- El nombre del modelo evaluado y el icono de su proveedor. Un guion en una columna de puntuación significa que no hay una puntuación publicada disponible aquí, no un cero.
- Motor del agente
- Coarena
- Esfuerzo de razonamiento
- medium
- Puntuación
- Clasificación de preferencia humana a ciegas en tareas mixtas de navegador, escritorio, programación y respuesta a preguntas en el harness de Coarena. Esta es una clasificación Bradley–Terry, no un porcentaje ni una tasa verificada de éxito en tareas. El intervalo es del 95%; intervalos superpuestos no establecen un ganador. Estos son resultados generales, no el subconjunto de escritorio. El esfuerzo de razonamiento se muestra solo cuando se publica. La clasificación usa las últimas 20.000 batallas juzgadas elegibles; PandaNpc muestra su hora de obtención porque esta instantánea no proporciona ninguna marca temporal de cálculo. Metodología de evaluación ↗
- intervalo del 95%
- intervalo del 95%