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

24 jul 2026

Claude Opus 5: the new leader in agentic knowledge work

Claude Opus 5 is the new leader on our agentic knowledge work benchmark, AA-Briefcase, outperforming Claude Fable 5 by nearly 150 Elo while reducing Cost per Task by 20%

🔔 Nuevo artículo publicado

Opus 5: Fable 5 level intelligence at a lower cost per task

Claude Opus 5 is narrowly the most intelligent model on the Artificial Analysis Intelligence Index, offering comparable intelligence to Fable 5 at 26% lower Cost per Task

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Low Effort)

Índice de Inteligencia: 51

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Medium Effort)

Índice de Inteligencia: 56

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, High Effort)

Índice de Inteligencia: 59

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)

Índice de Inteligencia: 60

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Max Effort)

Índice de Inteligencia: 61

Resultados de rendimiento ya disponibles en Anthropic

Claude Opus 5 (Adaptive Reasoning, Low Effort)

Claude Opus 5 (Adaptive Reasoning, Medium Effort)

Claude Opus 5 (Adaptive Reasoning, High Effort)

Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)

Claude Opus 5 (Adaptive Reasoning, Max Effort)

23 jul 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Agnes 2.5 Pro Alpha

Índice de Inteligencia: 39

Resultados de rendimiento ya disponibles en Agnes (NG)

Agnes 2.5 Pro Alpha

Resultados de rendimiento ya disponibles en Crusoe

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en Novita

KAT Coder Pro V2

Resultados de rendimiento ya disponibles en CoreWeave

MiniMax-M3

22 jul 2026

🔔 Nuevo artículo publicado

How Thinking Machines Lab’s Inkling performs on agentic knowledge work

Thinking Machines Lab’s Inkling scores an Elo of 836 on on our agentic knowledge work benchmark AA-Briefcase

Nuevos resultados de evaluación de modelos de lenguaje disponibles

G9v3-3B

Índice de Inteligencia: 16

Resultados de rendimiento ya disponibles en AI9Stars

G9v3-3B

21 jul 2026

🔔 Nuevo artículo publicado

Kimi K3: second only to Fable 5 on AA-Briefcase

Kimi K3 is second only to Fable 5 on AA-Briefcase, our agentic knowledge work benchmark, but costs more than Opus 4.8 to run while averaging nearly an hour per task

🔔 Nuevo artículo publicado

Gemini 3.6 Flash and Gemini 3.5 Flash-Lite: Halving Time per Task

Google has released Gemini 3.6 Flash and Gemini 3.5 Flash-Lite. Both halve time per task relative to their predecessors and increase token efficiency, Gemini 3.5 Flash-Lite improves by 11 Intelligence Index points while Gemini 3.6 Flash does not improve in intelligence over 3.5 Flash

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.6 Flash (high)

Índice de Inteligencia: 50

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.5 Flash-Lite

Índice de Inteligencia: 36

Resultados de rendimiento ya disponibles en GMI

Hy3

Resultados de rendimiento ya disponibles en DeepInfra

Hy3

Resultados de rendimiento ya disponibles en Thinking Machines

Inkling (xhigh)

Resultados de rendimiento ya disponibles en Google

Gemini 3.5 Flash-Lite

20 jul 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Motif 3 (Beta)

Índice de Inteligencia: 44

Resultados de rendimiento ya disponibles en Nebius

GLM-5.2 (Non-reasoning)

MiniMax-M3

Resultados de rendimiento ya disponibles en SiliconFlow

GLM-5.2 (Non-reasoning)

Resultados de rendimiento ya disponibles en Wafer

GLM-5.2 (Non-reasoning)

Resultados de rendimiento ya disponibles en Databricks

Claude Sonnet 5 (Non-reasoning, High Effort)

Resultados de rendimiento ya disponibles en DeepInfra

Gemma 4 E4B (Reasoning)

Gemma 4 E4B (Non-reasoning)

17 jul 2026

🔔 Nuevo artículo publicado

Four frontier launches in eight days: six labs now field a model above 50 on the Artificial Analysis Intelligence Index

Yeah. Grok 4.5, GPT-5.6, Muse Spark 1.1, and Kimi K3 all launched within eight days. Six labs now have a model scoring above 50 on the Artificial Analysis Intelligence Index, up from two in early June - and the price of near-frontier intelligence has collapsed

🔔 Nuevo artículo publicado

Kimi K3 achieves #3 in the Artificial Analysis Intelligence Index, comparable to Opus 4.8 and GPT-5.5

Benchmarks and Analysis of Kimi K3

16 jul 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Kimi K3

Índice de Inteligencia: 57

Resultados de rendimiento ya disponibles en Kimi

Kimi K3

Resultados de rendimiento ya disponibles en MachGen

LTX-2.3 Pro

Wan 2.2 A14B

15 jul 2026

🔔 Nuevo artículo publicado

Thinking Machines has released Inkling, the new leading U.S. open weights model

Thinking Machines has released Inkling, the new leading U.S. open weights model, debuting at 41 on the Artificial Analysis Intelligence Index

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Inkling (xhigh)

Índice de Inteligencia: 41

14 jul 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

LongCat 2.0

Índice de Inteligencia: 33

13 jul 2026

🔔 Nuevo artículo publicado

How GPT-5.6 Sol, Terra, Luna compare on intelligence vs cost

GPT-5.6 Sol and Luna are ahead of Terra at every point on the Intelligence vs Cost per Task chart. GPT-5.6 Luna stands out as a particularly cost efficient model

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Hy3

Índice de Inteligencia: 41

Resultados de rendimiento ya disponibles en Amazon Bedrock

Claude 4 Sonnet (Reasoning)

Resultados de rendimiento ya disponibles en Novita

Hy3

10 jul 2026

🔔 Nuevo artículo publicado

Muse Spark 1.1: Meta gains 8 Intelligence Index points in three months

Meta's Muse Spark 1.1 scores 51 on the Artificial Analysis Intelligence Index and is cost and token efficient compared to its peers

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GLM-5.2 (Non-reasoning)

Índice de Inteligencia: 34

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Spark 1.1 (xhigh)

Índice de Inteligencia: 51

Resultados de rendimiento ya disponibles en Scaleway

GLM-5.2 (Non-reasoning)

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en Meta

Muse Spark 1.1 (xhigh)

Resultados de rendimiento ya disponibles en Google

Gemini 3.6 Flash (high)

09 jul 2026

🔔 Nuevo artículo publicado

GPT-5.6 benchmarks across Intelligence, Speed and Cost

GPT-5.6 Sol comes close second to Claude Fable 5 in the Artificial Analysis Intelligence Index at one third of the cost, and leads the Artificial Analysis Coding Agent Index in OpenAI’s Codex harness

Nuevos resultados de evaluación de modelos de lenguaje disponibles

JT-4.1 Flash 236B A21B

Índice de Inteligencia: 39

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Sol (xhigh)

Índice de Inteligencia: 58

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Sol (max)

Índice de Inteligencia: 59

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Sol (high)

Índice de Inteligencia: 56

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Sol (medium)

Índice de Inteligencia: 54

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Sol (low)

Índice de Inteligencia: 49

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Terra (max)

Índice de Inteligencia: 55

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Terra (xhigh)

Índice de Inteligencia: 52

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Terra (high)

Índice de Inteligencia: 49

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Terra (medium)

Índice de Inteligencia: 46

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Terra (low)

Índice de Inteligencia: 40

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Luna (max)

Índice de Inteligencia: 51

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Luna (xhigh)

Índice de Inteligencia: 49

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Luna (high)

Índice de Inteligencia: 46

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Luna (medium)

Índice de Inteligencia: 38

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Luna (low)

Índice de Inteligencia: 33

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Luna (Non-reasoning)

Índice de Inteligencia: 27

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Sol (Non-reasoning)

Índice de Inteligencia: 41

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.6 Terra (Non-reasoning)

Índice de Inteligencia: 34

Resultados de rendimiento ya disponibles en OpenAI

GPT-5.6 Terra (max)

GPT-5.6 Sol (xhigh)

GPT-5.6 Terra (Non-reasoning)

GPT-5.6 Luna (low)

GPT-5.6 Terra (xhigh)

GPT-5.6 Sol (medium)

GPT-5.6 Terra (medium)

GPT-5.6 Luna (medium)

GPT-5.6 Luna (max)

GPT-5.6 Sol (Non-reasoning)

GPT-5.6 Sol (low)

GPT-5.6 Terra (high)

GPT-5.6 Luna (xhigh)

GPT-5.6 Luna (Non-reasoning)

08 jul 2026

🔔 Nuevo artículo publicado

Announcing EnterpriseOps-Gym-AA

Our independent leaderboard for ServiceNow’s EnterpriseOps-Gym

🔔 Nuevo artículo publicado

Grok 4.5 brings SpaceXAI to the intelligence frontier

SpaceXAI’s Grok 4.5 scores 54 to place fourth on the Artificial Analysis Intelligence Index following only Fable 5, GPT-5.5, and Opus 4.8. It scores on par with GPT-5.5 in Codex on the Artificial Analysis Coding Agent Index in the Grok Build harness, at much lower cost

🔔 Nuevo artículo publicado

Announcing Harvey LAB-AA: evaluating AI agents on real-world legal work

Our implementation of Harvey's Legal Agent Benchmark tests language models on 120 private legal tasks spanning 24 practice areas, graded against rubrics of binary criteria.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.5 (high)

Índice de Inteligencia: 54

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.5 (high)

07 jul 2026

Resultados de rendimiento ya disponibles en Makora

DeepSeek V4 Pro (Reasoning, Max Effort)

06 jul 2026

🔔 Nuevo artículo publicado

Announcing AutomationBench-AA

Our independent leaderboard for Zapier’s AutomationBench

Resultados de rendimiento ya disponibles en Novita

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

NVIDIA Nemotron 3 Nano 30B A3B (Reasoning)

Resultados de rendimiento ya disponibles en Makora

GLM-5.2 (max)

02 jul 2026

Resultados de rendimiento ya disponibles en Microsoft Azure

Claude Sonnet 5 (Adaptive Reasoning, Max Effort)

01 jul 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Sonnet 5 (Non-reasoning, High Effort)

Índice de Inteligencia: 42

Resultados de rendimiento ya disponibles en Nebius

Kimi K2.7 Code

Resultados de rendimiento ya disponibles en DeepInfra

Step 3.7 Flash

Resultados de rendimiento ya disponibles en Anthropic

Claude Sonnet 5 (Non-reasoning, High Effort)

Resultados de rendimiento ya disponibles en Makora

Gemma 4 26B A4B (Reasoning)

Gemma 4 26B A4B (Non-reasoning)

Resultados de rendimiento ya disponibles en Google

Claude Sonnet 5 (Adaptive Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Alibaba Cloud

30 jun 2026

🔔 Nuevo artículo publicado

Claude Sonnet 5: strong agentic performance at a higher cost per task

Claude Sonnet 5 achieves 53 on the Artificial Analysis Intelligence Index, but without promotional pricing will cost more per task than Opus 4.8

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Sonnet 5 (Adaptive Reasoning, Max Effort)

Índice de Inteligencia: 53

Resultados de rendimiento ya disponibles en Amazon Bedrock

Claude Sonnet 5 (Adaptive Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Anthropic

Claude Sonnet 5 (Adaptive Reasoning, High Effort)

Claude Sonnet 5 (Adaptive Reasoning, Medium Effort)

Claude Sonnet 5 (Adaptive Reasoning, Low Effort)

Claude Sonnet 5 (Adaptive Reasoning, Xhigh Effort)

Claude Sonnet 5 (Adaptive Reasoning, Max Effort)

29 jun 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DiffusionGemma 26B A4B

Índice de Inteligencia: 13

Resultados de rendimiento ya disponibles en Cerebras

Gemma 4 31B (Non-reasoning)

Gemma 4 31B (Reasoning)

Resultados de rendimiento ya disponibles en Blackbox AI

GLM-5.2 (max)

28 jun 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.5 Instant (June 2026)

Índice de Inteligencia: 29

Resultados de rendimiento ya disponibles en OpenAI

GPT-5.5 Instant (June 2026)

24 jun 2026

🔔 Nuevo artículo publicado

Measuring time per task in AA-Briefcase

Agentic knowledge work can take frontier models over 20 minutes per task, as measured in AA-Briefcase, our new benchmark

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Nex-N2-Pro

Índice de Inteligencia: 41

Resultados de rendimiento ya disponibles en SiliconFlow

Nex-N2-Pro

Resultados de rendimiento ya disponibles en Nebius

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en Runware

Resultados de rendimiento ya disponibles en Lightricks

LTX-2.3 Fast

LTX-2.3 Pro

Resultados de rendimiento ya disponibles en Replicate

LTX-2.3 Pro

Vidu Q3 Pro

Wan 2.2 A14B

Resultados de rendimiento ya disponibles en WaveSpeed

Vidu Q3 Pro

Resultados de rendimiento ya disponibles en fal.ai

Vidu Q3 Pro

Wan 2.2 A14B

Resultados de rendimiento ya disponibles en DeepInfra

Wan 2.2 A14B

23 jun 2026

🔔 Nuevo artículo publicado

Announcing the Artificial Analysis Speech to Speech Index

Announcing the Artificial Analysis Speech to Speech Index, our new synthesis metric for native Speech to Speech model quality, comprising of Big Bench Audio, Full Duplex Bench, and 𝜏-Voice

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok Build 0.1 0616

Índice de Inteligencia: 40

Resultados de rendimiento ya disponibles en CoreWeave

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en Databricks

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en SpaceXAI

Grok Build 0.1 0616

Resultados de rendimiento ya disponibles en Crusoe

Kimi K2.7 Code

22 jun 2026

Resultados de rendimiento ya disponibles en Crusoe

Kimi K2.6

Kimi K2.6 (Non-reasoning)

21 jun 2026

Resultados de rendimiento ya disponibles en Baseten

GLM-5.2 (max)

19 jun 2026

Resultados de rendimiento ya disponibles en Groq

Qwen3.6 27B (Reasoning)

Qwen3.6 27B (Non-reasoning)

Resultados de rendimiento ya disponibles en Wafer

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en SiliconFlow

Gemma 4 12B (Non-reasoning)

Resultados de rendimiento ya disponibles en Together AI

GLM-5.2 (max)

18 jun 2026

🔔 Nuevo artículo publicado

Announcing AA-Briefcase: a frontier knowledge work evaluation

AA-Briefcase is a new benchmark for testing models on realistic knowledge work tasks in complex projects built by industry experts. Models are evaluated on multi-week knowledge work projects, each with many linked tasks and thousands of input source files, combining rubric and pairwise grading to evaluate verifiable task success, analytical quality, and presentation quality.

Resultados de rendimiento ya disponibles en Amazon Bedrock

Grok 4.3 (high)

Grok 4.3 (medium)

Grok 4.3 (low)

Grok 4.3 (Non-reasoning)

Resultados de rendimiento ya disponibles en Databricks

Kimi K2.7 Code

17 jun 2026

Resultados de rendimiento ya disponibles en Fireworks

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en FriendliAI

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en CoreWeave

Kimi K2.7 Code

16 jun 2026

🔔 Nuevo artículo publicado

GLM-5.2 is the new leading open weights model on the Artificial Analysis Intelligence Index

Benchmarks and Analysis of GLM-5.2

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GLM-5.2 (max)

Índice de Inteligencia: 51

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Kimi K2.7 Code

Índice de Inteligencia: 42

Resultados de rendimiento ya disponibles en Novita

GLM-5.2 (max)

Kimi K2.7 Code

Resultados de rendimiento ya disponibles en GMI

GLM-5.2 (max)

Kimi K2.7 Code

Resultados de rendimiento ya disponibles en DeepInfra

GLM-5.2 (max)

Kimi K2.7 Code

Resultados de rendimiento ya disponibles en Parasail

GLM-5.2 (max)

Kimi K2.7 Code

MiniMax-M3

Resultados de rendimiento ya disponibles en SiliconFlow

GLM-5.2 (max)

Resultados de rendimiento ya disponibles en Kimi

Kimi K2.7 Code

Resultados de rendimiento ya disponibles en Together AI

Kimi K2.7 Code

MiniMax-M3

15 jun 2026

🔔 Nuevo artículo publicado

Artificial Analysis Intelligence Index v4.1: a shift toward agentic workloads

Announcing Artificial Analysis Intelligence Index v4.1: a shift toward agentic workloads, featuring upgraded benchmarks and new per-task metrics

Resultados de rendimiento ya disponibles en Makora

Kimi K2.7 Code

12 jun 2026

🔔 Nuevo artículo publicado

First results from AA-AgentPerf: the hardware benchmark for the agent era

AA-AgentPerf measures how many concurrent agents an AI system can serve on real coding-agent trajectories while meeting production service-level targets, with Agents per Megawatt as its lead metric. The first results cover NVIDIA and AMD systems, from single accelerators to full racks.

11 jun 2026

🔔 Nuevo artículo publicado

Benchmarking guardrail models for safety, refusal, and latency

An Artificial Analysis benchmark report for guardrail safety models.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

HyperNova 60B 2605

Índice de Inteligencia: 18

Resultados de rendimiento ya disponibles en DeepInfra

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en Google

Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback)

Resultados de rendimiento ya disponibles en CompactifAI

HyperNova 60B 2605

10 jun 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemma 4 12B (Non-reasoning)

Resultados de rendimiento ya disponibles en Liquid AI

LFM2.5-8B-A1B

Resultados de rendimiento ya disponibles en CoreWeave

DeepSeek V4 Flash (Reasoning, High Effort)

Resultados de rendimiento ya disponibles en SiliconFlow

Gemma 4 12B (Reasoning)

Resultados de rendimiento ya disponibles en Microsoft Azure

Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback)

Resultados de rendimiento ya disponibles en Amazon Bedrock

GPT-5.4 (Non-reasoning)

GPT-5.5 (Non-reasoning)

09 jun 2026

🔔 Nuevo artículo publicado

Claude Fable 5 Launches at #1 on the Artificial Analysis Intelligence Index

Anthropic is nearly 5 points ahead of any other lab’s best model

🔔 Nuevo artículo publicado

Claude Fable 5: the first public Mythos-class model

Anthropic has released Claude Fable 5, the first publicly available Mythos-class model that ranks #1 in our agentic real-world knowledge work benchmark GDPval-AA

🔔 Nuevo artículo publicado

North Mini Code: Cohere's small coding-focused MoE model

Cohere just released North Mini Code, a small 30B parameter (3B active) open weights coding model that scores 27.6 on the Artificial Analysis Intelligence Index

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback)

Índice de Inteligencia: 60

Nuevos resultados de evaluación de modelos de lenguaje disponibles

North Mini Code

Índice de Inteligencia: 20

Resultados de rendimiento ya disponibles en Anthropic

Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback)

Resultados de rendimiento ya disponibles en Cohere

North Mini Code

08 jun 2026

🔔 Nuevo artículo publicado

MiniMax-M3: Leading open weights model, once the weights are released

MiniMax-M3 scores 55 on the Artificial Analysis Intelligence Index. Once the weights are released, it will be the leading open weights model

Nuevos resultados de evaluación de modelos de lenguaje disponibles

LFM2.5-8B-A1B

07 jun 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemma 4 12B (Reasoning)

Índice de Inteligencia: 22

05 jun 2026

Resultados de rendimiento ya disponibles en Parasail

MiMo-V2.5

04 jun 2026

🔔 Nuevo artículo publicado

NVIDIA Nemotron 3 Ultra released: fast, intelligent, and open

NVIDIA released Nemotron 3 Ultra today - the most intelligent open weights model from a US lab

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiniCPM5-1B (Reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Nemotron 3 Ultra 550B A55B (Reasoning)

Índice de Inteligencia: 38

Resultados de rendimiento ya disponibles en DeepInfra

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en Novita

MiniMax-M3

MiMo-V2.5

Resultados de rendimiento ya disponibles en MiniMax

MiniMax-M3

Resultados de rendimiento ya disponibles en Parasail

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en Clarifai

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en Amazon Bedrock

GPT-5.4 (xhigh)

Resultados de rendimiento ya disponibles en SiliconFlow

MiniMax-M3

Resultados de rendimiento ya disponibles en GMI

MiniMax-M3

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en CoreWeave

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en Together AI

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en Lightning AI

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en SambaNova

Gemma 4 31B (Non-reasoning)

Gemma 4 31B (Reasoning)

Resultados de rendimiento ya disponibles en Nebius

Nemotron 3 Ultra 550B A55B (Reasoning)

Resultados de rendimiento ya disponibles en Blackbox AI

Nemotron 3 Ultra 550B A55B (Reasoning)

Nuevo modelo en el ranking de Imagen a Vídeo

grok-imagine-video-1.5-preview

Elo de Imagen a Vídeo: 1330

03 jun 2026

🔔 Nuevo artículo publicado

Fun-Realtime-TTS: New Text to Speech model topping Artificial Analysis leaderboard

Alibaba's Fun-Realtime-TTS takes the #1 spot on the Artificial Analysis Speech Arena Leaderboard, surpassing Google's Gemini 3.1 Flash TTS and Inworld's Realtime TTS-2 Research Preview

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiniMax-M3

Índice de Inteligencia: 44

02 jun 2026

🔔 Nuevo artículo publicado

MAI-Transcribe-1.5: New Speech to Text model leading the accuracy-speed Pareto frontier

Microsoft has released MAI-Transcribe-1.5: an exceptionally fast speech transcription model at a speed factor of ~276x, while still achieving 2.4% on AA-WER (#3), leading the accuracy-speed Pareto frontier

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.7 Plus

Índice de Inteligencia: 39

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.7 Plus

01 jun 2026

🔔 Nuevo artículo publicado

AA-WER Streaming: New Speech to Text Streaming Benchmark

Announcing AA-WER Streaming, our new benchmark measuring streaming Speech to Text models on accuracy and latency for voice agent use cases. Pareto optimal models on this new benchmark include those from Cartesia, ElevenLabs, and Deepgram

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Step 3.7 Flash

Índice de Inteligencia: 30

Resultados de rendimiento ya disponibles en StepFun

Step 3.7 Flash

Resultados de rendimiento ya disponibles en Makora

Qwen3.6 27B (Reasoning)

Qwen3.6 27B (Non-reasoning)

DeepSeek V4 Pro (Reasoning, High Effort)

DeepSeek V4 Pro (Non-reasoning)

Llama 3.3 Instruct 70B

Qwen3.6 35B A3B (Non-reasoning)

Qwen3.6 35B A3B (Reasoning)

DeepSeek V4 Flash (Reasoning, High Effort)

DeepSeek V4 Flash (Non-reasoning)

DeepSeek V4 Flash (Reasoning, Max Effort)

gpt-oss-120b (low)

gpt-oss-120b (high)

Nuevo modelo en el ranking de Texto a Imagen

Krea 2 Large

Elo de Texto a Imagen: 1186

Nuevo modelo en el ranking de Edición de Imagen

ImagineArt 2.0

Elo de Edición de Imagen: 1152

31 may 2026

🔔 Nuevo artículo publicado

Nemotron 3 Ultra announced: high-speed, leading US open weights intelligence

NVIDIA just announced the release of Nemotron 3 Ultra in Jensen Huang's Computex keynote: at 550B parameters (55B active), this is the largest Nemotron 3 model to date, and it is the most intelligent US open weights model

28 may 2026

🔔 Nuevo artículo publicado

Claude Opus 4.8 - The new #1 AI model

Anthropic retakes #1 on GDPval-AA and advances in terminal use and scientific reasoning

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 4.8 (Adaptive Reasoning, Max Effort)

Índice de Inteligencia: 56

Resultados de rendimiento ya disponibles en Microsoft Azure

DeepSeek V4 Pro (Reasoning, High Effort)

DeepSeek V4 Pro (Non-reasoning)

Grok 4.3 (low)

Grok 4.3 (medium)

DeepSeek V4 Pro (Reasoning, Max Effort)

Grok 4.3 (high)

Resultados de rendimiento ya disponibles en Amazon Bedrock

Claude Opus 4.8 (Adaptive Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Google

Claude Opus 4.8 (Adaptive Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Anthropic

Claude Opus 4.8 (Adaptive Reasoning, Max Effort)

Nuevo modelo en el ranking de Texto a Imagen

Recraft V4.1 Utility Pro

Elo de Texto a Imagen: 1207

Nuevo modelo en el ranking de Texto a Imagen

Recraft V4.1 Pro

Elo de Texto a Imagen: 1153

27 may 2026

🚀 Nueva función del sitio web

Artificial Analysis ITBench-AA launch

Compare models on SRE tasks evaluating Kubernetes incident response, where models diagnose live systems by reading logs, tracing dependencies, and identifying root-cause entities. The underlying ITBench dataset is developed by IBM Research.

🔔 Nuevo artículo publicado

ITBench-AA: Agentic benchmark to test models on real-world SRE tasks

Artificial Analysis and IBM are launching ITBench-AA, the first in a new series of benchmarks evaluating models on agentic enterprise IT tasks, starting with Site Reliability Engineering tasks where frontier models score below 50%

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.5 Flash (medium)

Resultados de rendimiento ya disponibles en DeepInfra

MiMo-V2.5

Resultados de rendimiento ya disponibles en SiliconFlow

Qwen3.5 9B (Reasoning)

Resultados de rendimiento ya disponibles en Scaleway

Qwen3.6 35B A3B (Reasoning)

Qwen3.6 35B A3B (Non-reasoning)

Resultados de rendimiento ya disponibles en Google

Gemini 3.5 Flash (medium)

26 may 2026

🔔 Nuevo artículo publicado

MiniCPM5-1B: The leading 1B open weights model

OpenBMB has released MiniCPM5-1B (Non-reasoning), the leading 1B open weights model scoring 17.9 on the Artificial Analysis Intelligence Index

25 may 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok Code Fast 1

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiniCPM5-1B (Non-reasoning)

Resultados de rendimiento ya disponibles en GMI

DeepSeek V4 Pro (Reasoning, Max Effort)

DeepSeek V4 Flash (Reasoning, Max Effort)

DeepSeek V4 Flash (Reasoning, High Effort)

DeepSeek V4 Flash (Non-reasoning)

Qwen3.6 35B A3B (Reasoning)

Qwen3.6 35B A3B (Non-reasoning)

Qwen3.7 Max

Resultados de rendimiento ya disponibles en Novita

Qwen3.7 Max

24 may 2026

Resultados de rendimiento ya disponibles en InclusionAI

Ring-2.6-1T

22 may 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.3 (medium)

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.3 (medium)

21 may 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.5 Flash (minimal)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.3 (low)

Resultados de rendimiento ya disponibles en Google

Gemini 3.5 Flash (minimal)

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.7 Max

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.3 (low)

Resultados de rendimiento ya disponibles en OpenAI

GPT-5.5 Instant (May 2026)

Nuevo modelo en el ranking de Texto a Imagen

Recraft V4.1 Utility

Elo de Texto a Imagen: 1202

Nuevo modelo en el ranking de Texto a Imagen

Recraft V4.1

Elo de Texto a Imagen: 1151

20 may 2026

🔔 Nuevo artículo publicado

Cursor’s Composer 2.5: third on the Coding Agent Index and ~10-60x lower cost than rivals

This release puts Composer among the leading coding agent models, something that wasn’t clear for past releases

🔔 Nuevo artículo publicado

Cohere launches open weights model Command A+, more than a year since the Command A release

Benchmarks and analysis of Command A+

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Command A+

Índice de Inteligencia: 23

Resultados de rendimiento ya disponibles en Cohere

Command A+

19 may 2026

🔔 Nuevo artículo publicado

Gemini 3.5 Flash: The new leader in intelligence versus speed

Benchmarks and analysis of Gemini 3.5 Flash

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.7 Max

Índice de Inteligencia: 46

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.5 Flash (high)

Índice de Inteligencia: 50

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Ring-2.6-1T

Índice de Inteligencia: 31

Resultados de rendimiento ya disponibles en Nebius

Kimi K2.6 (Non-reasoning)

Kimi K2.6

Resultados de rendimiento ya disponibles en Google

Gemini 3.5 Flash (high)

18 may 2026

Resultados de rendimiento ya disponibles en Parasail

Gemma 4 26B A4B (Non-reasoning)

15 may 2026

Resultados de rendimiento ya disponibles en Wafer

GLM-5.1 (Non-reasoning)

GLM-5.1 (Reasoning)

Resultados de rendimiento ya disponibles en Scaleway

Gemma 4 26B A4B (Non-reasoning)

Resultados de rendimiento ya disponibles en DeepInfra

Gemma 4 31B (Non-reasoning)

Gemma 4 26B A4B (Non-reasoning)

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en Clarifai

Gemma 4 26B A4B (Non-reasoning)

Resultados de rendimiento ya disponibles en Novita

Kimi K2.6 (Non-reasoning)

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en Fireworks

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en Parasail

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en SiliconFlow

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en Together AI

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en Microsoft Azure

Kimi K2.6 (Non-reasoning)

14 may 2026

Resultados de rendimiento ya disponibles en CoreWeave

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en SiliconFlow

Gemma 4 31B (Reasoning)

Gemma 4 26B A4B (Non-reasoning)

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en GMI

Gemma 4 26B A4B (Non-reasoning)

Resultados de rendimiento ya disponibles en Novita

Gemma 4 26B A4B (Non-reasoning)

Qwen3.6 35B A3B (Reasoning)

Qwen3.6 35B A3B (Non-reasoning)

Resultados de rendimiento ya disponibles en FriendliAI

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en Together AI

Gemma 4 31B (Non-reasoning)

Resultados de rendimiento ya disponibles en Wafer

Qwen3.5 397B A17B (Reasoning)

Qwen3.5 397B A17B (Non-reasoning)

13 may 2026

Resultados de rendimiento ya disponibles en Novita

Qwen3.6 27B (Reasoning)

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

MiMo-V2.5-Pro

Resultados de rendimiento ya disponibles en Nebius

DeepSeek V4 Pro (Reasoning, High Effort)

DeepSeek V4 Pro (Non-reasoning)

Resultados de rendimiento ya disponibles en GMI

Hy3-preview (Reasoning)

Hy3-preview (Non-reasoning)

Nuevo modelo en el ranking de Texto a Imagen

HiDream-O1-Image

Elo de Texto a Imagen: 1109

Nuevo modelo en el ranking de Texto a Imagen

HiDream-O1-Image-Dev

Elo de Texto a Imagen: 1082

Nuevo modelo en el ranking de Edición de Imagen

HiDream-O1-Image

Elo de Edición de Imagen: 1204

Nuevo modelo en el ranking de Edición de Imagen

HiDream-O1-Image-Dev

Elo de Edición de Imagen: 1142

12 may 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

JT-35B-Flash

Resultados de rendimiento ya disponibles en Nebius

GLM-5.1 (Reasoning)

GLM-5.1 (Non-reasoning)

DeepSeek V4 Pro (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en SiliconFlow

Qwen3.6 27B (Reasoning)

Qwen3.5 397B A17B (Reasoning)

Qwen3.5 122B A10B (Reasoning)

Qwen3.5 35B A3B (Reasoning)

Qwen3.5 27B (Reasoning)

Qwen3.6 35B A3B (Reasoning)

11 may 2026

🚀 Nueva función del sitio web

Artificial Analysis Coding Agent Benchmarks launch

Compare coding agents across SWE-Bench-Pro-Hard-AA, Terminal-Bench v2, and SWE-Atlas-QnA, with index, cost, speed, and token usage benchmarks.

🔔 Nuevo artículo publicado

OpenBMB launches MiniCPM-V 4.6 1.3B Instruct

New model released by OpenBMB

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiniCPM-V 4.6 1.3B

Índice de Inteligencia: 4

08 may 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.3 (Non-reasoning)

Índice de Inteligencia: 25

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.3 (Non-reasoning)

06 may 2026

Resultados de rendimiento ya disponibles en DeepInfra

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

MiMo-V2.5-Pro

Qwen3.6 27B (Reasoning)

Qwen3.6 27B (Non-reasoning)

Resultados de rendimiento ya disponibles en Baseten

DeepSeek V4 Pro (Reasoning, High Effort)

Resultados de rendimiento ya disponibles en GMI

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

MiMo-V2.5-Pro

Kimi K2.6

MiMo-V2.5

Resultados de rendimiento ya disponibles en CoreWeave

DeepSeek V4 Flash (Non-reasoning)

05 may 2026

Resultados de rendimiento ya disponibles en Microsoft Azure

Kimi K2.6

Kimi K2.5 (Non-reasoning)

Grok 4.20 0309 v2 (Reasoning)

Kimi K2.5 (Reasoning)

Resultados de rendimiento ya disponibles en Clarifai

Nemotron 3 Nano Omni 30B A3B Reasoning

Resultados de rendimiento ya disponibles en Nebius

Nemotron 3 Nano Omni 30B A3B Reasoning

04 may 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Nemotron 3 Nano Omni 30B A3B Reasoning

Resultados de rendimiento ya disponibles en SambaNova

MiniMax-M2.7

Resultados de rendimiento ya disponibles en Xiaomi

MiMo-V2.5

Resultados de rendimiento ya disponibles en FriendliAI

Gemma 4 31B (Reasoning)

Resultados de rendimiento ya disponibles en CoreWeave

Kimi K2.6

02 may 2026

🚀 Nueva función del sitio web

Cache pricing now available in language model pricing

Compare cached input token prices across models and providers, with expanded blended price ratios (cache hit: input: output)

30 abr 2026

🔔 Nuevo artículo publicado

Recent open weights model launches

Reflection on recent open weights model launches from Moonshot AI, Xiaomi, and DeepSeek

🔔 Nuevo artículo publicado

xAI launches Grok 4.3 with improved agentic performance and lower pricing

Benchmarks and Analysis of Grok 4.3

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Hy3-preview (Non-reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.3 (high)

Índice de Inteligencia: 38

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Mistral Medium 3.5

Índice de Inteligencia: 30

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-5.5 Pro (xhigh)

Resultados de rendimiento ya disponibles en SiliconFlow

Hy3-preview (Non-reasoning)

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.3 (high)

Resultados de rendimiento ya disponibles en Mistral

Mistral Medium 3.5

Resultados de rendimiento ya disponibles en GMI

MiniMax-M2.5

Resultados de rendimiento ya disponibles en Clarifai

gpt-oss-20b (low)

gpt-oss-20b (high)

Resultados de rendimiento ya disponibles en Parasail

DeepSeek V4 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DeepSeek

DeepSeek V4 Flash (Non-reasoning)

DeepSeek V4 Pro (Non-reasoning)

Resultados de rendimiento ya disponibles en Cohere

Tiny Aya Global

Resultados de rendimiento ya disponibles en CompactifAI

gpt-oss-120b (high)

Resultados de rendimiento ya disponibles en Kimi

Kimi K2.6 (Non-reasoning)

Resultados de rendimiento ya disponibles en Xiaomi

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

Resultados de rendimiento ya disponibles en DeepInfra

Mistral Small 3.1

29 abr 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

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

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4 Flash (Non-reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4 Pro (Non-reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Kimi K2.6 (Non-reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.1 3B

Índice de Inteligencia: 5

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.1 30B

Índice de Inteligencia: 9

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.1 8B

Resultados de rendimiento ya disponibles en GMI

MiniMax-M2.7

Resultados de rendimiento ya disponibles en OpenAI

GPT-5.4 (low)

Resultados de rendimiento ya disponibles en Parasail

DeepSeek V4 Flash (Reasoning, High Effort)

Resultados de rendimiento ya disponibles en DeepInfra

DeepSeek V4 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en CoreWeave

Granite 4.1 8B

28 abr 2026

Resultados de rendimiento ya disponibles en DeepInfra

DeepSeek V4 Pro (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Fireworks

DeepSeek V4 Pro (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DigitalOcean

MiniMax-M2.5

DeepSeek V3.2 (Non-reasoning)

Qwen3.5 397B A17B (Reasoning)

Qwen3.5 397B A17B (Non-reasoning)

DeepSeek V3.2 (Reasoning)

27 abr 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Hy3-preview (Reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

EXAONE 4.5 33B (Non-reasoning)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

EXAONE 4.5 33B

Índice de Inteligencia: 20

Nuevos resultados de evaluación de modelos de lenguaje disponibles

MiMo-V2.5

Índice de Inteligencia: 37

Resultados de rendimiento ya disponibles en Novita

DeepSeek V4 Pro (Reasoning, Max Effort)

Qwen3.6 27B (Non-reasoning)

DeepSeek V4 Flash (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en SiliconFlow

Hy3-preview (Reasoning)

DeepSeek V4 Pro (Reasoning, Max Effort)

DeepSeek V4 Flash (Reasoning, Max Effort)

DeepSeek V4 Pro (Reasoning, High Effort)

DeepSeek V4 Flash (Reasoning, High Effort)

Resultados de rendimiento ya disponibles en DeepInfra

DeepSeek V4 Flash (Reasoning, High Effort)

Cargando más entradas...