Comparación de capacidades de modelos de IA
Ciencia y matemáticas
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 | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Benchmark de laboratorio 2
- Evalúa tareas de investigación en biología, incluida información científica y análisis de datos. Los resultados dependen de las herramientas disponibles durante la evaluación. Metodología de evaluación ↗
- RiemannBenchBenchmark de matemáticas de Riemann
- Evalúa problemas matemáticos de nivel de investigación más allá de los ejercicios de competición habituales. Las puntuaciones reflejan el rendimiento en el benchmark en lugar del dominio matemático general. Metodología de evaluación ↗
- Terminal-Bench Science 0.1Benchmark de terminal científica 0.1
- Evalúa flujos de trabajo de investigación científica realizados mediante herramientas de terminal. La versión 0.1 es independiente del conjunto general de tareas de Terminal-Bench. 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.