Registro de cambios

Sigue los últimos benchmarks de modelos de IA, evaluaciones de rendimiento y actualizaciones de la plataforma.

Ocultar endpoints de API

El registro de cambios comienza el 24 dic 2025 para las entradas de imagen, vídeo y voz

25 sept 2026

Resultados de rendimiento ya disponibles en Amazon Bedrock

Claude Opus 5.5 (Adaptive Reasoning, Low Effort, Default Fallback)

Resultados de rendimiento ya disponibles en Google

Claude Opus 5.5 (Adaptive Reasoning, Low Effort, Default Fallback)

24 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GLM-5.3 (low)

Índice de Inteligencia: 34

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4.1 Flash (Non-Reasoning)

Índice de Inteligencia: 25

Resultados de rendimiento ya disponibles en Microsoft Azure

GPT-6 Sol (max)

GPT-6 Luna (max)

Resultados de rendimiento ya disponibles en Systalyze

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Gemma 4 26B A4B (Non-reasoning)

Gemma 4 26B A4B (Reasoning)

Muse Glimmer (high)

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Zai

GLM-5.3 (low)

Resultados de rendimiento ya disponibles en DeepSeek

DeepSeek V4.1 Flash (Non-Reasoning)

23 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Mercury 2.5

Índice de Inteligencia: 12

Resultados de rendimiento ya disponibles en DeepInfra

MiMo-V2.6-Pro

Resultados de rendimiento ya disponibles en Wafer

Qwen3.8 27B (xhigh)

Qwen3.8 27B (Non-reasoning)

Resultados de rendimiento ya disponibles en CoreWeave

Gemma 4 26B A4B (Non-reasoning)

Gemma 4 26B A4B (Reasoning)

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Qwen3.6 35B A3B (Non-reasoning)

Qwen3.6 35B A3B (Reasoning)

Resultados de rendimiento ya disponibles en Amazon Bedrock

Kimi K3 (max)

Resultados de rendimiento ya disponibles en LithosAI

DeepSeek V4.1 Flash (Reasoning, Max Effort)

DeepSeek V4.1 Flash (Non-Reasoning)

DeepSeek V4.1 Flash (Reasoning, Max Effort)

DeepSeek V4.1 Flash (Non-Reasoning)

DeepSeek V4.1 Flash (Reasoning, Max Effort)

DeepSeek V4.1 Flash (Non-Reasoning)

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Modal

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Microsoft Azure

GPT-6 Astra (low)

GPT-6 Astra (max)

Resultados de rendimiento ya disponibles en Nebius

Kimi K3 (low)

Resultados de rendimiento ya disponibles en Crusoe

NVIDIA Nemotron 3 Nano 30B A3B (Non-reasoning)

NVIDIA Nemotron 3 Nano 30B A3B (Reasoning)

Qwen3.8 27B (xhigh)

Qwen3.8 27B (Non-reasoning)

Resultados de rendimiento ya disponibles en PrimaLabs

MiMo-V2.6-Pro

Resultados de rendimiento ya disponibles en Inception

Mercury 2.5

22 sept 2026

🔔 Nuevo artículo publicado

GPT-6 Sol and Luna push the cost efficiency frontier

GPT-6 Sol and Luna push the cost efficiency frontier by halving cost relative to GPT-5.6 Sol and Luna. Intelligence Index and Coding Agent Index scores remain level with GPT-5.6, with progress in some evaluations and regressions in others

🔔 Nuevo artículo publicado

Claude Opus 5.5 takes the top spot on the Artificial Analysis Intelligence Index

Anthropic's new Opus scores 58 and arrives with a 20% price cut and a larger cache hit discount

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Luna (max)

Índice de Inteligencia: 37

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Luna (xhigh)

Índice de Inteligencia: 34

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Sol (low)

Índice de Inteligencia: 34

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Luna (medium)

Índice de Inteligencia: 29

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Sol (max)

Índice de Inteligencia: 48

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Sol (xhigh)

Índice de Inteligencia: 44

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Luna (low)

Índice de Inteligencia: 21

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Luna (high)

Índice de Inteligencia: 32

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Sol (high)

Índice de Inteligencia: 43

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Sol (medium)

Índice de Inteligencia: 40

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Sol (Non-reasoning)

Índice de Inteligencia: 28

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Luna (Non-reasoning)

Índice de Inteligencia: 18

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5.5 (Adaptive Reasoning, High Effort, Default Fallback)

Índice de Inteligencia: 54

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5.5 (Adaptive Reasoning, Low Effort, Default Fallback)

Índice de Inteligencia: 42

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)

Índice de Inteligencia: 56

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5.5 (Adaptive Reasoning, Max Effort, Default Fallback)

Índice de Inteligencia: 58

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5.5 (Adaptive Reasoning, Medium Effort, Default Fallback)

Índice de Inteligencia: 51

Resultados de rendimiento ya disponibles en Inco

MiniMax-M3

Resultados de rendimiento ya disponibles en OpenAI

GPT-6 Sol (xhigh)

GPT-6 Sol (medium)

GPT-6 Sol (low)

GPT-6 Sol (Non-reasoning)

GPT-6 Luna (Non-reasoning)

GPT-6 Sol (max)

GPT-6 Luna (low)

Resultados de rendimiento ya disponibles en Anthropic

Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)

Claude Opus 5.5 (Adaptive Reasoning, Low Effort, Default Fallback)

Claude Opus 5.5 (Adaptive Reasoning, Medium Effort, Default Fallback)

Claude Opus 5.5 (Adaptive Reasoning, High Effort, Default Fallback)

Claude Opus 5.5 (Adaptive Reasoning, Max Effort, Default Fallback)

Resultados de rendimiento ya disponibles en Tenstorrent

LTX-2.3 Fast

21 sept 2026

🔔 Nuevo artículo publicado

Benchmarking Grok 4.7

Grok 4.7 scores 46 on the Artificial Analysis Intelligence Index to bring SpaceXAI into the top 4 AI labs. Coding Agent Index performance has also improved, overtaking GPT-5.6 Sol

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiMo-V2.6-Pro

Índice de Inteligencia: 46

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.7 (xhigh)

Índice de Inteligencia: 46

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.7 (high)

Índice de Inteligencia: 46

Resultados de rendimiento ya disponibles en Crusoe

Nemotron 3 Super 120B A12B (Reasoning)

Nemotron 3 Nano Omni 30B A3B Reasoning

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en GMI

DeepSeek V4 Flash Vision (Reasoning, Max Effort)

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Together AI

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Wafer

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Bitdeer AI

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en SiliconFlow

DeepSeek V4.1 Flash (Reasoning, Max Effort)

DeepSeek V4 Flash Vision (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DeepInfra

DeepSeek V4.1 Flash (Reasoning, Max Effort)

DeepSeek V4 Flash Vision (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en CoreWeave

DeepSeek V4 Pro 0424 (Reasoning, Max Effort)

DeepSeek V4 Pro 0424 (Non-reasoning)

Qwen3.6 27B (Reasoning)

Resultados de rendimiento ya disponibles en Xiaomi

MiMo-V2.6-Pro

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.7 (xhigh)

Grok 4.7 (high)

19 sept 2026

Artificial Analysis Intelligence Index methodology

Artificial Analysis Intelligence Index v4.3.2

GDPval-AA Elo is now anchored to DeepSeek V4.1 Flash (max) at 1600, with updates to fitting methodology for GDPval-AA and AA-Briefcase to improve Elo stability

18 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Step 5 Preview

Índice de Inteligencia: 44

Resultados de rendimiento ya disponibles en StepFun

Step 5 Preview

Resultados de rendimiento ya disponibles en Zyphra

MiMo-V2.5

MiMo-V2.5-Pro (Non-reasoning)

MiMo-V2.5-Pro

17 sept 2026

Resultados de rendimiento ya disponibles en DigitalOcean

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Makora

DeepSeek V4.1 Flash (Reasoning, Max Effort)

16 sept 2026

🔔 Nuevo artículo publicado

Ant Group releases finance-focused Ling-3.0-flash-Fin

Ant Group has released their finance-focused flash model Ling-3.0-flash-Fin

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Ling-3.0-flash-Fin

Índice de Inteligencia: 23

Resultados de rendimiento ya disponibles en Inco

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en GMI

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Bitdeer AI

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Crusoe

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Parasail

Gemma 3 4B Instruct

Resultados de rendimiento ya disponibles en LithosAI

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en PrimaLabs

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en InclusionAI

Ling-3.0-flash-Fin

15 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 Max (0902)

Índice de Inteligencia: 45

Resultados de rendimiento ya disponibles en Novita

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Inco

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.8 Max (0902)

14 sept 2026

🔔 Nuevo artículo publicado

Announcing Artificial Analysis Capability Indices v1.1

We are adding Agentic Tool Use sourced from AutomationBench-AA, AA-Briefcase to Agentic Knowledge Work, and GDP.pdf to Long-Context. Capability Indices v1.1 tunes each index more closely to the work it covers, combining slices of our core Intelligence Index v4.3 evaluations alongside specialized evaluations.

Resultados de rendimiento ya disponibles en Fireworks

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Parasail

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en LithosAI

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Databricks

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Amazon Bedrock

GPT-6 Astra (max)

13 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K2 Horizon 0.9B

Índice de Inteligencia: 3

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K2 Horizon 3.7B

Índice de Inteligencia: 16

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K2 Horizon 7B

Índice de Inteligencia: 21

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K2 Horizon MoVA 36B A4B

Índice de Inteligencia: 25

11 sept 2026

Resultados de rendimiento ya disponibles en Microsoft Azure

GPT-5.6 Sol (max)

Resultados de rendimiento ya disponibles en Nebius

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Baseten

DeepSeek V4.1 Flash (Reasoning, Max Effort)

10 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Índice de Inteligencia: 39

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Ling-3.0-flash-VL

Índice de Inteligencia: 25

Resultados de rendimiento ya disponibles en Parasail

Qwen3.8 27B (xhigh)

Resultados de rendimiento ya disponibles en LongCat

LongCat 2.0

Resultados de rendimiento ya disponibles en Nebius

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DeepSeek

DeepSeek V4.1 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en InclusionAI

Ling-3.0-flash-VL

09 sept 2026

🔔 Nuevo artículo publicado

Benchmarking GPT-6 Astra

GPT-6 Astra ties leadership with Claude Fable 5.1 in both of our flagship Indices, at lower cost. Astra equals Fable 5.1 in the Intelligence Index at ~40% of the cost, and in the Coding Agent Index at ~60% of the cost.

Resultados de rendimiento ya disponibles en CoreWeave

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Wafer

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en FriendliAI

GLM-5.3 (max)

07 sept 2026

🔔 Nuevo artículo publicado

OpenBMB releases MiniCPM5-2B

🔔 Nuevo artículo publicado

Announcing the Artificial Analysis Intelligence Index v4.3

We are upgrading Terminal-Bench to 4.0 and adding AutomationBench-AA, an agentic workflow automation benchmark with a private test set. This is a continuation of our rollout of Intelligence Index v5.

Artificial Analysis Intelligence Index methodology

Artificial Analysis Intelligence Index v4.3

What's changed

Terminal-Bench moved to v4.0: A harder 66-task set replacing v2.1, with recalibrated compute and time allowances and improved environments and verifiers.
𝜏³-Banking replaced by AutomationBench-AA: Our implementation of Zapier's AutomationBench, testing agents on 657 business workflows across simulated applications while following business rules, using Zapier's private question set.

Category weights are unchanged from v4.2: Agents 30%, Coding 20%, General 30%, Scientific Reasoning 20%.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiniCPM5-2B

Índice de Inteligencia: 12

04 sept 2026

🔔 Nuevo artículo publicado

Announcing Artificial Analysis Intelligence Index v4.2

We are accelerating elements of our upcoming v5 release with interim updates to keep pace with the frontier. Index v4.2 has more complex and realistic tasks, and more private test sets to prevent gaming

Resultados de rendimiento ya disponibles en Crusoe

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Gemma 4 31B (Reasoning)

Gemma 4 31B (Non-reasoning)

gpt-oss-120b (high)

gpt-oss-120b (low)

Nemotron 3.5 Lightning

Resultados de rendimiento ya disponibles en LithosAI

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Meta

Muse Spark 1.3 (max)

03 sept 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (low)

Índice de Inteligencia: 46

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (medium)

Índice de Inteligencia: 50

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (high)

Índice de Inteligencia: 51

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (xhigh)

Índice de Inteligencia: 52

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (max)

Índice de Inteligencia: 53

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K2 Horizon 375B A23B

Índice de Inteligencia: 31

Resultados de rendimiento ya disponibles en Parasail

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Fireworks

MiniMax-M3

Kimi K2.7 Code

DeepSeek V4 Flash Vision (Reasoning, Max Effort)

Muse Glimmer (high)

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en Databricks

Inkling (xhigh)

Qwen3 Next 80B A3B Instruct

GLM-5.2 (Non-reasoning)

Kimi K3 (low)

Resultados de rendimiento ya disponibles en Inco

Resultados de rendimiento ya disponibles en OpenAI

Resultados de rendimiento ya disponibles en Baseten

GLM-5.3 (max)

02 sept 2026

🔔 Nuevo artículo publicado

Muse Spark 1.3: Meta reaches the frontier

Independent analysis and benchmarks of Meta's Muse Spark 1.3

🔔 Nuevo artículo publicado

Google has released Gemini 3.8 Flash, its fourth Flash model in under four months

Gemini 3.8 Flash scores 59 on the Artificial Analysis Intelligence Index and reaches the Intelligence vs. Cost per Task Pareto frontier

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Spark 1.3 (max)

Índice de Inteligencia: 48

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Spark 1.3 (xhigh)

Índice de Inteligencia: 45

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.8 Flash (low)

Índice de Inteligencia: 33

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.8 Flash (medium)

Índice de Inteligencia: 40

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.8 Flash (high)

Índice de Inteligencia: 41

Resultados de rendimiento ya disponibles en Meta

Muse Spark 1.3 (xhigh)

Resultados de rendimiento ya disponibles en Google

Gemini 3.8 Flash (low)

Gemini 3.8 Flash (medium)

Gemini 3.8 Flash (high)

01 sept 2026

🔔 Nuevo artículo publicado

Claude Fable 5.1 tops the Artificial Analysis Intelligence Index

Anthropic's new frontier model scores 66 at max effort and leads on agentic knowledge work, but the 75% cache read price cut only partly offsets higher token usage

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Fable 5.1 (Adaptive Reasoning, High Effort, Default Fallback)

Índice de Inteligencia: 51

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Fable 5.1 (Adaptive Reasoning, Xhigh Effort, Default Fallback)

Índice de Inteligencia: 53

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Fable 5.1 (Adaptive Reasoning, Medium Effort, Default Fallback)

Índice de Inteligencia: 49

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Fable 5.1 (Adaptive Reasoning, Low Effort, Default Fallback)

Índice de Inteligencia: 47

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback)

Índice de Inteligencia: 53

Resultados de rendimiento ya disponibles en DigitalOcean

GLM 5.3 Flash

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Multiverse Computing

Qwen3.8 27B (Non-reasoning)

Resultados de rendimiento ya disponibles en SambaNova

MiniMax-M3

Resultados de rendimiento ya disponibles en Makora

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Anthropic

Claude Fable 5.1 (Adaptive Reasoning, High Effort, Default Fallback)

Claude Fable 5.1 (Adaptive Reasoning, Xhigh Effort, Default Fallback)

Claude Fable 5.1 (Adaptive Reasoning, Medium Effort, Default Fallback)

Claude Fable 5.1 (Adaptive Reasoning, Low Effort, Default Fallback)

Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback)

Resultados de rendimiento ya disponibles en Databricks

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Baseten

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en CoreWeave

Qwen3.8 27B (xhigh)

Qwen3.6 27B (Non-reasoning)

Qwen3.5 35B A3B (Reasoning)

Qwen3.5 35B A3B (Non-reasoning)

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en Microsoft Azure

GPT-5.6 Terra (xhigh)

GPT-5.6 Luna (high)

GPT-5.6 Luna (xhigh)

31 ago 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Quasar 438B (max, based on GLM-5.2)

Índice de Inteligencia: 27

Resultados de rendimiento ya disponibles en Multiverse Computing

Quasar 438B (max, based on GLM-5.2)

Resultados de rendimiento ya disponibles en Novita

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Fireworks

GLM-5.3 (max)

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Modular

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en Together AI

GLM-5.3 (max)

Resultados de rendimiento ya disponibles en DeepInfra

GLM-5.3 (max)

GLM 5.3 Flash

30 ago 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Apodex 1.1

Índice de Inteligencia: 26

Resultados de rendimiento ya disponibles en Apodex

Apodex 1.1

29 ago 2026

Resultados de rendimiento ya disponibles en Nebius

GLM 5.3 Flash

27 ago 2026

🔔 Nuevo artículo publicado

Agnes AI releases Agnes 2.5 Pro Beta

Agnes 2.5 Pro Beta

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.2 30B

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8-Flash-Next

Índice de Inteligencia: 40

Resultados de rendimiento ya disponibles en Databricks

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Bitdeer AI

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en SiliconFlow

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Parasail

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Together AI

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Wafer

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en FriendliAI

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en GMI

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en DeepInfra

Granite 4.2 30B

Resultados de rendimiento ya disponibles en Novita

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Baseten

GLM 5.3 Flash

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.8-Flash-Next

26 ago 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.2 8B

Índice de Inteligencia: 11

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.2 3B

Índice de Inteligencia: 9

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GLM 5.3 Flash

Índice de Inteligencia: 42

Resultados de rendimiento ya disponibles en DeepInfra

Granite 4.2 3B

Granite 4.2 8B

Resultados de rendimiento ya disponibles en CoreWeave

Granite 4.2 8B

Resultados de rendimiento ya disponibles en Zai

GLM 5.3 Flash

25 ago 2026

Resultados de rendimiento ya disponibles en Baseten

GLM-5.2 (Non-reasoning)

Kimi K3 (low)

DeepSeek V4 Pro 0424 (Non-reasoning)

Resultados de rendimiento ya disponibles en Multiverse Computing

GLM-5.2 (max)

24 ago 2026

🔔 Nuevo artículo publicado

Announcing the Speech Agent Arena: Compare Speech agents in real world conversations

Announcing our new Speech Agent Arena, evaluating Speech to Speech models on real-world scenarios to analyze conversational preference and task success rate

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4 Flash Vision (Reasoning, Max Effort)

Índice de Inteligencia: 35

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (Non-reasoning)

Índice de Inteligencia: 20

Resultados de rendimiento ya disponibles en DeepSeek

DeepSeek V4 Flash Vision (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.8 27B (Non-reasoning)

21 ago 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.6 (low)

Índice de Inteligencia: 35

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.6 (medium)

Índice de Inteligencia: 43

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.6 (xhigh)

Índice de Inteligencia: 44

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (low)

Índice de Inteligencia: 26

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (medium)

Índice de Inteligencia: 28

Nuevos resultados de evaluación de modelos de lenguaje disponibles

LFM2.5-2.6B

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.6 (low)

Grok 4.6 (medium)

Grok 4.6 (xhigh)

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.8 27B (low)

Qwen3.8 27B (medium)

Qwen3.8 27B (xhigh)

Resultados de rendimiento ya disponibles en Liquid AI

LFM2.5-2.6B

20 ago 2026

Artificial Analysis Coding Agent Index methodology

Coding Agent Index methodology update (v1.4)

What's changed

Upgraded Terminal-Bench v2 to Terminal-Bench v2.1, covering the full 89-task set.
Added reward hacking detection aligned with Terminal-Bench's integrity methodology, scoring reward-hacked trials 0.
Revised token counting and cost methodology for agents that report reasoning within output tokens.

Benchmark composition and weighting are unchanged from v1.3.

Resultados de rendimiento ya disponibles en Mistral

GLM-5.2 (max)

19 ago 2026

🚀 Nueva función del sitio web

About Us

Learn more about who we are and what we do.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

G9v3-39A5B

Resultados de rendimiento ya disponibles en AI9Stars

G9v3-39A5B

Resultados de rendimiento ya disponibles en DigitalOcean

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Qwen3.8 2.4T A95B

Resultados de rendimiento ya disponibles en DeepInfra

Qwen3.8 27B (xhigh)

Qwen3.8 2.4T A95B

Resultados de rendimiento ya disponibles en Fireworks

Qwen3.8 2.4T A95B

Resultados de rendimiento ya disponibles en Together AI

Qwen3.8 2.4T A95B

18 ago 2026

🔔 Nuevo artículo publicado

Announcing the Artificial Analysis Search Index: Same Agent, Different Search

The Artificial Analysis Search Index benchmarks how search API providers perform on quality, cost, and speed when used by an agent. We compare different Search API providers across a series of search-related benchmarks using the same agentic setup.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GLM-5.3 (max)

Índice de Inteligencia: 45

Resultados de rendimiento ya disponibles en Zai

GLM-5.3 (max)

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en Modular

GLM-5.2 (max)

GLM-5.2 (Non-reasoning)

Kimi K2.7 Code

17 ago 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (xhigh)

Índice de Inteligencia: 34

Resultados de rendimiento ya disponibles en DeepInfra

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Novita

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Fireworks

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en GMI

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en SiliconFlow

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Bitdeer AI

GLM-5.2 (Non-reasoning)

GLM-5.2 (max)

DeepSeek V4 Pro 0424 (Non-reasoning)

DeepSeek V4 Pro 0424 (Reasoning, Max Effort)

DeepSeek V4 Pro 0424 (Reasoning, High Effort)

MiniMax-M3

Kimi K3 (max)

Nemotron 3.5 Lightning

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Qwen3.8 2.4T A95B

Resultados de rendimiento ya disponibles en Modular

Gemma 4 31B (Reasoning)

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en Baseten

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

13 ago 2026

🔔 Nuevo artículo publicado

Gemini 3.7 Flash: On the Intelligence vs. Time per Task Pareto frontier

Google has released Gemini 3.7 Flash, improving 4 points over Gemini 3.6 Flash and reaching the Intelligence vs. Time per Task Pareto frontier

🔔 Nuevo artículo publicado

Announcing Optima: create a custom benchmark for your use case

Optima is a new platform for benchmarking models on your own workloads. Build a benchmark from your own files, agent traces or coding environment, run it across leading models in a single click, and compare quality alongside cost per task and time per task.

Nuevos resultados de evaluación de modelos de lenguaje disponibles