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-20260910	DeepSeek	23.9%	6.0T	0.045	0.891	0.0054
2	step-5-preview-20261008	Stepfun	12.9%	3.2T	1.00	2.70	0.050
3	glm-5.3-flash-20260826	Zhipu	8.1%	2.0T	0.026	0.900	0.011
4	mimo-v2.6-flash-20260921	Xiaomi	6.3%	1.6T	0.140	0.280	0.0028
5	nemotron-3-ultra-550b-a55b-20260604	Nvidia	4.5%	1.1T	0.600	2.40	0.120
6	hy4-preview-20260827	Tencent	4.4%	1.1T	0.834	2.50	0.042
7	gpt-6-luna-20260922	OpenAI	3.4%	856.2B	0.100	0.500	0.010
8	claude-opus-5.5-20260921	Anthropic	3.1%	788.5B	4.00	20.0	0.200
9	glm-5.3-20260816	Zhipu	2.6%	652.1B	0.079	4.80	0.059
10	deepseek-v4-flash-20260731	DeepSeek	2.4%	601.1B	0.014	0.576	0.011
11	deepseek-v4-flash-20260423	DeepSeek	2%	499.8B	0.014	0.576	0.011
12	hy3-20260706	Tencent	1.9%	485.8B	0.132	0.528	0.033
13	muse-spark-1.3-contributor-20260902	Meta	1.9%	480.3B	0.100	0.200	0.0020
14	Tjev-1.13-20260917	Typesafe	1.9%	469.4B	—	—	—
15	kimi-k3-20260715	Moonshot	1.8%	452.3B	0.730	13.5	0.550
16	claude-sonnet-5.5-20260928	Anthropic	1.5%	374.3B	2.00	10.0	0.100
17	gpt-6.1-sol-20260929	OpenAI	1.2%	301.7B	2.00	10.0	0.100
18	gemini-3.8-flash-20260902	Google	1.2%	297.0B	0.750	3.75	0.075
19	mimo-v2.6-pro-20260921	Xiaomi	1.1%	268.8B	0.435	0.870	0.0036
20	claude-haiku-5.5-20261007	Anthropic	1%	253.0B	0.100	0.500	0.010
21	gpt-5.6-luna-20260709	OpenAI	1%	250.6B	0.200	1.20	0.020
22	nemotron-3.5-lightning-20260807	Nvidia	0.9%	223.4B	0.070	0.200	0.040
23	minimax-m3-20260531	MiniMax	0.8%	202.5B	0.300	1.20	0.060
24	gemini-3-flash-preview-20251217	Google	0.8%	190.7B	0.500	3.00	0.050
25	glm-5.2-20260616	Zhipu	0.6%	152.5B	0.060	7.00	0.059
26	laguna-s-2.1-20260720	Poolside	0.6%	145.1B	0.090	0.180	0.0090
27	Usolar-mini4-20260922	Upstage	0.6%	143.3B	0.050	0.200	0.0050
28	claude-opus-5-20260723	Anthropic	0.5%	131.1B	5.00	25.0	0.500
29	gpt-5.6-sol-20260709	OpenAI	0.5%	130.5B	2.00	10.0	0.200
30	deepseek-v4-pro-20260813	DeepSeek	0.5%	119.9B	0.660	1.98	0.022
31	Usolar-pro4-20260810	Upstage	0.5%	114.5B	0.090	0.360	0.018
32	Ddots-3-note-preview-20260813	Dots-studio	0.5%	113.6B	—	—	—
33	Iling-3.1-flash-20261002	Inclusionai	0.4%	107.0B	—	—	—
34	claude-sonnet-5-20260630	Anthropic	0.4%	104.7B	2.00	10.0	0.200
35	deepseek-v4-pro-20260423	DeepSeek	0.4%	102.2B	0.660	1.98	0.022
36	muse-spark-1.3-20260902	Meta	0.4%	91.6B	1.25	4.25	0.150
37	gemini-2.5-flash-lite	Google	0.4%	90.6B	0.100	0.400	0.010
38	nemotron-3-super-120b-a12b-20230311	Nvidia	0.4%	88.3B	0.080	0.450	—
39	qwen3.8-flash-20260826	Alibaba	0.3%	82.6B	0.150	0.470	0.016
40	gpt-6-astra-20260903	OpenAI	0.3%	74.2B	10.0	50.0	1.00
41	gemma-4-31b-it-20260402	Google	0.3%	73.0B	0.090	0.340	0.050
42	gpt-oss-120b	OpenAI	0.3%	71.2B	0.150	0.600	0.075
43	mimo-v2.5-20260422	Xiaomi	0.3%	70.6B	0.140	0.280	0.0028
44	pplx-decider-v1.1-27b-20261006	Perplexity	0.3%	66.9B	—	—	—
45	gemini-3.1-flash-lite-20260507	Google	0.3%	66.2B	0.250	1.50	0.025
46	qwen3.8-max-20260902	Alibaba	0.2%	63.1B	2.00	6.00	0.250
47	gemma-4-26b-a4b-it-20260403	Google	0.2%	61.1B	0.076	0.255	0.043
48	gpt-6-sol-20260922	OpenAI	0.2%	60.3B	2.00	10.0	0.200
49	gemini-2.5-flash	Google	0.2%	59.5B	0.300	2.50	0.030
50	mistral-large-4-0-20261006	Mistral	0.2%	58.4B	0.680	2.09	0.070

Fuente: OpenRouter · Actualizado 2026-10-12 · PandaNpc Actualizado 13 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.