Clasificación de LLM y ranking de modelos de IA

Una página que reúne los principales benchmarks y leaderboards de IA — Chatbot Arena Elo (arena.ai), el Índice de Inteligencia de Artificial Analysis y las arenas de voz, y el uso de OpenRouter — en chat, codificación, TTS, voz a texto, imagen, video y agentes.

Posición	Modelo	Proveedor	Participación % ?	Tokens ?	Input ?	Output	Cache ?
1	deepseek-v4.1-flash-20261017	DeepSeek	16%	3.6T	0.150	0.600	0.0030
2	deepseek-v4.1-flash-20260910	DeepSeek	12.4%	2.8T	0.150	0.600	0.0030
3	glm-5.3-flash-20260826	Zhipu	7.7%	1.7T	0.048	0.160	0.0060
4	hy4-preview-20260827	Tencent	6.1%	1.4T	0.834	2.50	0.042
5	mimo-v2.6-flash-20260921	Xiaomi	5.5%	1.2T	0.140	0.280	0.0028
6	claude-opus-5.5-20260921	Anthropic	4.8%	1.1T	4.00	20.0	0.200
7	minimax-m3.1-flash-20261019	MiniMax	4.7%	1.1T	—	—	—
8	gpt-6-luna-20260922	OpenAI	3.9%	878.2B	0.100	0.500	0.010
9	nemotron-3-ultra-550b-a55b-20260604	Nvidia	3.6%	803.1B	0.600	2.40	0.120
10	glm-5.3-20260816	Zhipu	3.3%	745.2B	0.079	1.40	0.078
11	deepseek-v4-flash-20260731	DeepSeek	2.8%	626.4B	0.015	0.450	0.015
12	hy3-20260706	Tencent	2.2%	502.1B	0.132	0.528	0.033
13	muse-spark-1.3-contributor-20260902	Meta	2.1%	477.1B	0.100	0.200	0.0020
14	Tjev-1.13-20260917	Typesafe	1.9%	422.1B	—	—	—
15	deepseek-v4-flash-20260423	DeepSeek	1.7%	377.1B	0.015	0.450	0.015
16	claude-sonnet-5.5-20260928	Anthropic	1.6%	350.1B	2.00	10.0	0.100
17	mimo-v2.6-pro-20260921	Xiaomi	1.3%	287.1B	0.435	0.870	0.0036
18	kimi-k3-20260715	Moonshot	1.3%	283.4B	0.239	11.9	0.210
19	gpt-6.1-sol-20260929	OpenAI	1.2%	267.6B	2.00	10.0	0.100
20	claude-haiku-5.5-20261007	Anthropic	1.1%	250.8B	0.100	0.500	0.010
21	gpt-5.6-luna-20260709	OpenAI	1%	232.3B	0.200	1.20	0.020
22	gemini-3.8-flash-20260902	Google	1%	215.8B	0.825	4.13	0.083
23	Tjev-1.14-20261014	Typesafe	0.9%	210.3B	—	—	—
24	nemotron-3.5-super-vl-20261015	Nvidia	0.9%	208.7B	0.150	0.500	0.020
25	minimax-m3-20260531	MiniMax	0.9%	206.5B	0.300	1.20	0.060
26	Usolar-mini4-20260922	Upstage	0.7%	153.9B	0.050	0.200	0.0050
27	glm-5.2-20260616	Zhipu	0.6%	141.9B	0.620	2.42	0.140
28	laguna-s-2.1-20260720	Poolside	0.6%	138.5B	0.090	0.180	0.0090
29	claude-opus-5-20260723	Anthropic	0.6%	130.8B	5.00	25.0	0.500
30	nemotron-3.5-lightning-20260807	Nvidia	0.6%	130.4B	0.070	0.200	0.040
31	gemini-4-argon-20261013	Google	0.6%	128.3B	2.00	10.0	0.100
32	deepseek-v4-pro-20260813	DeepSeek	0.5%	121.6B	0.660	1.98	0.022
33	gemini-3-flash-preview-20251217	Google	0.5%	113.4B	0.500	3.00	0.050
34	deepseek-v4-pro-20260423	DeepSeek	0.5%	103.2B	0.660	1.98	0.022
35	qwen3.8-flash-20260826	Alibaba	0.5%	102.4B	0.150	0.470	0.016
36	claude-sonnet-5-20260630	Anthropic	0.4%	90.5B	2.00	10.0	0.200
37	Ddots-3-note-preview-20260813	Dots-studio	0.4%	88.7B	—	—	—
38	gemini-2.5-flash-lite	Google	0.4%	85.1B	0.100	0.400	0.010
39	Usolar-pro4-20260810	Upstage	0.3%	78.7B	0.150	0.600	0.030
40	gemma-4-31b-it-20260402	Google	0.3%	74.7B	0.200	0.400	—
41	nemotron-3-super-120b-a12b-20230311	Nvidia	0.3%	73.7B	0.080	0.450	—
42	gemini-3.1-flash-lite-20260507	Google	0.3%	73.0B	0.250	1.50	0.025
43	gpt-oss-120b	OpenAI	0.3%	72.8B	0.150	0.600	0.075
44	mimo-v2.5-20260422	Xiaomi	0.3%	70.7B	0.140	0.280	0.0028
45	gpt-6-sol-20260922	OpenAI	0.3%	62.8B	2.00	10.0	0.200
46	gpt-6-astra-20260903	OpenAI	0.3%	61.6B	10.0	50.0	1.00
47	gemini-3.7-flash-20260813	Google	0.3%	61.3B	0.750	3.75	0.075
48	gpt-6-luna-pro-20260922	OpenAI	0.3%	57.8B	0.100	0.500	0.010
49	qwen3.8-27b-20260814	Alibaba	0.3%	57.4B	0.040	1.35	0.018
50	gemma-4-26b-a4b-it-20260403	Google	0.2%	55.3B	0.076	0.255	0.043

Fuente: OpenRouter · Actualizado 2026-10-19 · PandaNpc Actualizado 20 oct 2026, 06:00 UTCVer tabla completa →

Leer estos números

Un ranking de LLM te dice qué modelo prefiere la gente; un benchmark de IA te dice de forma objetiva lo que un modelo puede hacer; los datos de uso te dicen qué modelos acaban realmente en producción. Ningún ranking responde por sí solo a la pregunta «cuál es el mejor modelo de IA», así que esta página combina las tres fuentes — el Elo de Chatbot Arena de arena.ai, el índice de inteligencia de Artificial Analysis y las speech arenas, y la cuota de tokens de OpenRouter — y las actualiza a diario.

arena.ai (formerly LMArena) muestra a los usuarios dos respuestas anónimas a la misma pregunta y les pide que elijan una, luego deriva una calificación Elo de esas batallas. Mide qué respuesta prefiere la gente — no la capacidad objetiva. Un estilo agradable puede ganar, mientras que una respuesta rigurosa pero verbosa puede perder.

Los votos son las batallas que un modelo ha acumulado. Un modelo recién listado tiene pocos votos y un amplio intervalo de confianza, por lo que su rango varía fácilmente — siempre lea el rango junto con el intervalo ±.

El panel de Agent funciona de manera diferente al resto: mide sesiones reales de agentes en lugar de preferencia por voto ciego. Su métrica principal, Net Improvement, es un porcentaje de ganancia — no una calificación Elo — por lo que no se puede comparar entre paneles. arena.ai también reporta cinco dimensiones más (Confirmed Success, Steerability, Bash Recovery y otras) en el leaderboard completo.

El tablero de uso proviene de OpenRouter y cuenta la participación real de tokens de API — los desarrolladores votan con sus billeteras, lo que complementa los tableros de preferencia subjetiva.

Los paneles de voz provienen de Artificial Analysis: TTS usa el Elo de Speech Arena mediante escucha ciega; ASR usa AA-WER v2, donde un valor más bajo es mejor; y el Speech-to-Speech nativo usa un compuesto de igual ponderación de Big Bench Audio, Full Duplex Bench y τ-Voice, donde un valor más alto es mejor. Compara las puntuaciones solo dentro del mismo panel. Fuente: artificialanalysis.ai.

El tablero de Intelligence Index proviene de Artificial Analysis: destila muchos benchmarks públicos en un único Intelligence Index de 0 a 100, midiendo la capacidad objetiva en lugar de la preferencia subjetiva — un complemento natural para la votación ciega humana de arena.ai. Fuente: artificialanalysis.ai.