Comparación de capacidades de modelos de IA
Trabajo de conocimiento
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 | 10/11 recent-year models have scores | 3/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.5maxclaude-opus-5-5_max | 21.25unknownclaude-opus-5-5_unknown |
| 2 |  GPT-6 Astra | 64.7unknowngpt-6-astra_unknown | 20.83unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 60maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 68.6unknownclaude-fable-5-1_unknown | 17.92unknownclaude-fable-5-1_unknown |
| 5 |  Gemini 4 Argon | 82.4unknowngemini-4-argon_unknown | — |
| 6 | Claude Sonnet 5.5 | 75.5maxclaude-sonnet-5-5_max | — |
| 7 | Claude Opus 5 | 65.8maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 54.3maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 44.3maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 56.1maxclaude-haiku-5-5_max | — |
| 11 | Claude Mythos Preview | — | — |
Benchmarks de Epoch AI
Fuente: Epoch AI, CC BY 4.0 ↗ · Actualizado 2026-10-15
APEX-Agents · Actualizado 2026-10-15
Remote Labor Index · Actualizado 2026-09-22
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.
- APEX-AgentsTareas de agentes profesionales
- Evalúa tareas profesionales de largo horizonte en banca de inversión, consultoría y derecho corporativo, que a menudo requieren múltiples aplicaciones. Metodología de evaluación ↗
- Remote Labor IndexÍndice de trabajo remoto
- Evalúa la realización de proyectos reales de trabajo remoto de principio a fin, con entregables evaluados según los requisitos del proyecto. 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.