Comparación de capacidades de modelos de IA
Ciberseguridad
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.
— means no published score for this candidate in this source, not zero.
| N.º | Modelo | 4/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 68GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 58Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 68Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — |
| 7 | Claude Opus 5 | — |
| 8 | GPT-6 Sol | — |
| 9 | GPT-6 Luna | — |
| 10 | Claude Haiku 5.5 | — |
| 11 | Claude Mythos Preview | — |
Google DeepMind (model card)
Fuente: Google DeepMind (model card) ↗
Tarjeta del modelo de Google: resultados del publicador y puntuaciones de terceros republicadas, con fecha de octubre de 2026. Consulta la metodología para conocer la configuración de evaluación; no todas son evaluaciones independientes. Metodología de evaluación ↗
CWE-bench v1 · 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.
- CWE-bench v1Benchmark de debilidades comunes v1
- Prueba encontrar y reparar debilidades de software mientras se preserva la funcionalidad. Este es un benchmark defensivo de auditoría y reparación, no una puntuación de desarrollo de exploits. Metodología de evaluación ↗
Lea las puntuaciones dentro del mismo benchmark, fuente y versión. Los valores más altos indican un mejor rendimiento en la métrica reportada, pero diferentes columnas no comparten una escala común.