Valumigo

Artificial Analysis · Índice de agentes

Recopilamos y mostramos periódicamente datos públicos de benchmarks (clasificaciones por votos de usuarios de LMArena, puntuaciones de pruebas de Epoch AI y clasificaciones de uso de OpenRouter). Cada clasificación indica tanto la fecha de publicación como la fecha de recopilación. Las puntuaciones no las asigna este sitio.

Las puntuaciones de LMArena se basan en votos de personas que comparan las respuestas de dos modelos y eligen la mejor (sistema Elo). Si la diferencia queda dentro del intervalo de confianza, considera que los modelos tienen un nivel similar.

Cómo interpretar esta clasificación

Qué mide: Es un índice creado por Artificial Analysis que reúne evaluaciones de tareas de agentes que utilizan herramientas y realizan varios pasos.

Cómo interpretar la puntuación: Un valor más alto indica mejores resultados en las evaluaciones de uso de herramientas y tareas de varios pasos.

Precauciones: Los resultados pueden variar según el entorno de evaluación y las herramientas disponibles, por lo que es difícil considerarlos equivalentes al rendimiento de las herramientas de agentes que usas en la práctica.

Claves para interpretar esta clasificación

  • La puntuación más alta es 57.9, obtenida por Claude Fable 5.1 (Max, Default Fallback).
  • La diferencia entre el 1.º y el 5.º puesto es de 4.9.
  • Entre los 10 modelos mejor clasificados, Anthropic tiene la mayor cantidad, con 3 modelos.

Índice de agentes Artificial Analysis

Publicado el 2026-10-05 · Obtenido el 2026-10-05

AnthropicClaude Fable 5.1 (Max, Default Fallback)
57.9
AnthropicClaude Opus 5 (Max)
56.5
AlibabaQwen3.8 Max (0902)
56.0
ZGLM-5.3 (Max)
53.1
xGrok 4.6 (High)
53.0
OGPT-6 Astra (max)
51.0
ZGLM 5.3 Flash
50.9
AnthropicClaude Fable 5 (Max, Opus 4.8 Fallback)
50.7
OGPT-5.6 Sol (Max)
50.2
AlibabaQwen3.8 2.4T A95B
50.1
Moonshot AIKimi K3 (Max)
50.0
AlibabaQwen3.8 Max
49.9
AlibabaQwen3.8 27B (Xhigh)
45.8
AnthropicClaude Sonnet 5 (Max)
43.6
MetaMuse Spark 1.2 (Xhigh)
43.2
OGPT-5.6 Terra (Max)
43.2
OGPT-5.6 Luna (Max)
42.1
AnthropicClaude Opus 4.8 (Max)
41.9
DeepSeekDeepSeek V4 Pro 0813 (Max)
41.3
xGrok 4.5 (High)
41.2

El gráfico muestra solo la configuración de razonamiento de cada modelo (high, max, etc.) con la puntuación más alta. La tabla muestra las posiciones de todas las configuraciones.

Ver tabla (los 60 mejores)
PuestoModeloDesarrolladorPuntuación
1#1AnthropicClaude Fable 5.1 (Max, Default Fallback)Anthropic57.9
2#2AnthropicClaude Opus 5 (Max)Anthropic56.5
3#3AlibabaQwen3.8 Max (0902)Alibaba56
4#4ZGLM-5.3 (Max)Z.ai53.1
5#5xGrok 4.6 (High)xAI53
6#6OGPT-6 Astra (max)OpenAI51
7#7ZGLM 5.3 FlashZ.ai50.9
8#8AnthropicClaude Fable 5 (Max, Opus 4.8 Fallback)Anthropic50.7
9#9OGPT-5.6 Sol (Max)OpenAI50.2
10#10AlibabaQwen3.8 2.4T A95BAlibaba50.1
11#11Moonshot AIKimi K3 (Max)Moonshot AI50
12#12AlibabaQwen3.8 MaxAlibaba49.9
13#13AlibabaQwen3.8 27B (Xhigh)Alibaba45.8
14#14AnthropicClaude Sonnet 5 (Max)Anthropic43.6
15#15MetaMuse Spark 1.2 (Xhigh)Meta43.2
16#16OGPT-5.6 Terra (Max)OpenAI43.2
17#17OGPT-5.6 Luna (Max)OpenAI42.1
18#18AnthropicClaude Opus 4.8 (Max)Anthropic41.9
19#19DeepSeekDeepSeek V4 Pro 0813 (Max)DeepSeek41.3
20#20xGrok 4.5 (High)xAI41.2
21#21DeepSeekDeepSeek V4 Flash 0731 (Max)DeepSeek41
22#22GoogleGemini 3.8 Flash (High)Google40.2
23#23AnthropicClaude Opus 4.7 (Max)Anthropic38.6
24#24ZGLM-5.2 (Max)Z.ai38.4
25#25OGPT-5.5 (Xhigh)OpenAI36.4
26#26GoogleGemini 3.7 Flash (High)Google35.2
27#27AnthropicClaude Sonnet 4.6 (Max)Anthropic31.8
28#28MiniMaxMiniMax-M3MiniMax29.5
29#29GoogleGemini 3.6 Flash (High)Google29
30#30iLing-3.0-flash-VLinclusionAI28.7
31#31iLing-3.0-flash-FininclusionAI27.9
32#32DeepSeekDeepSeek V4 Flash 0420 (High)DeepSeek26.3
33#33DeepSeekDeepSeek V4 Pro 0424 (Max)DeepSeek26.3
34#34GoogleGemini 3.5 Flash (High)Google26
35#35MetaMuse Spark 1.1 (Xhigh)Meta25.8
36#36THy3Tencent24.1
37#37ZGLM-5.1 (Reasoning)Z.ai23.9
38#38NNex-N2-Pro (Based on Qwen3.5-397B-A17B)Nex Agi23.7
39#39TInkling SmallThinkingmachines23.5
40#40TInkling (Xhigh)Thinkingmachines22.5
41#41AlibabaQwen3.7 MaxAlibaba22.5
42#42XiaomiMiMo-V2.5-Pro (Reasoning)Xiaomi21.3
43#43Moonshot AIKimi K2.7 CodeMoonshot AI21
44#44Moonshot AIKimi K2.6 (Reasoning)Moonshot AI20.5
45#45NVIDIANemotron 3 Ultra 550B A55B (Reasoning)NVIDIA20.1
46#46iLing 3.0 FlashinclusionAI19.3
47#47AlibabaQwen3.6 27B (Reasoning)Alibaba18.5
48#48OGPT-5.4 mini (Xhigh)OpenAI17.9
49#49AlibabaQwen3.7 PlusAlibaba17.5
50#50OGPT-5.4 nano (Xhigh)OpenAI16
51#51AnthropicClaude 4.5 Sonnet (Reasoning)Anthropic15.8
52#52XiaomiMiMo-V2.5Xiaomi15.8
53#53xGrok 4.3 (High)xAI15.5
54#54MiniMaxMiniMax-M2.7MiniMax15.3
55#55GoogleGemini 3.5 Flash-LiteGoogle14.3
56#56MLongCat 2.0Meituan14
57#57AlibabaQwen3.6 35B A3B (Reasoning)Alibaba13.1
58#58iRing-2.6-1TinclusionAI10.7
59#59AlibabaQwen3.5 397B A17B (Reasoning)Alibaba8.3
60#60GoogleGemini 3.1 Pro PreviewGoogle8.2

Source: Artificial Analysis (artificialanalysis.ai) via OpenRouter (openrouter.ai/rankings). Licensed under CC BY 4.0.

Datos: LMArena leaderboard dataset (CC BY 4.0). Cambios: Solo se muestran los 50 primeros de cada clasificación; las puntuaciones se redondean. https://huggingface.co/datasets/lmarena-ai/leaderboard-datasetLos logotipos son marcas comerciales de sus respectivas empresas y solo se usan para identificarlas (iconos: Simple Icons).Datos: Epoch AI — Capabilities & benchmarking (CC BY 4.0). https://epoch.ai/benchmarksSource: Artificial Analysis (artificialanalysis.ai) via OpenRouter (openrouter.ai/rankings). Source: OpenRouter evals (openrouter.ai) via OpenRouter (openrouter.ai/rankings). Source: Design Arena (www.designarena.ai) via OpenRouter (openrouter.ai/rankings). Licensed under CC BY 4.0. Source: OpenRouter (openrouter.ai/rankings), as of 2026-10-05. Licensed under CC BY 4.0. https://openrouter.ai/rankings