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

04 sept 2026

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)

GLM-5.1 (Reasoning)

gpt-oss-120b (high)

gpt-oss-120b (low)

Nemotron 3.5 Lightning

Qwen3 235B A22B 2507 Instruct

Resultados de rendimiento ya disponibles en Makora

Qwen3.8-Flash-Next

Resultados de rendimiento ya disponibles en Meta

Muse Spark 1.3 (max)

03 sept 2026

🔔 Nuevo artículo publicado

Benchmarking GPT-6 Astra

GPT-6 Astra makes significant gains in the Artificial Analysis Coding Agent Index, scoring equal to Fable 5 at lower cost. In the Intelligence Index, it uses fewer tokens than GPT-5.6 Sol for similar performance, but this is outweighed by higher prices

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (Non-reasoning)

Índice de Inteligencia: 48

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (low)

Índice de Inteligencia: 49

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (medium)

Índice de Inteligencia: 52

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (high)

Índice de Inteligencia: 53

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (xhigh)

Índice de Inteligencia: 54

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GPT-6 Astra (max)

Índice de Inteligencia: 55

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K2 Horizon 375B A23B

Índice de Inteligencia: 38

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

GPT-6 Astra (high)

GPT-6 Astra (medium)

GPT-6 Astra (Non-reasoning)

GPT-6 Astra (max)

GPT-6 Astra (xhigh)

GPT-6 Astra (low)

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: 53

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Spark 1.3 (xhigh)

Índice de Inteligencia: 52

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.8 Flash (low)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.8 Flash (medium)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.8 Flash (high)

Índice de Inteligencia: 47

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, Max Effort, Default Fallback)

Índice de Inteligencia: 57

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)

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 Makora

GLM-5.3-Flash

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

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

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

Agnes 2.5 Pro Beta

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.2 8B

Índice de Inteligencia: 14

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Granite 4.2 3B

Índice de Inteligencia: 11

Nuevos resultados de evaluación de modelos de lenguaje disponibles

GLM-5.3-Flash

Índice de Inteligencia: 46

Resultados de rendimiento ya disponibles en Agnes AI

Agnes 2.5 Pro Beta

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 (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)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (Non-reasoning)

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)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.6 (medium)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.6 (xhigh)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (low)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 27B (medium)

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)

Resultados de rendimiento ya disponibles en Prodia

MiniMax H3

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: 49

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: 41

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 (Non-reasoning)

DeepSeek V4 Pro (Reasoning, Max Effort)

DeepSeek V4 Pro (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

Qwen3.8 2.4T A95B

Índice de Inteligencia: 47

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.7 Flash (medium)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.7 Flash (low)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.7 Flash (high)

Índice de Inteligencia: 45

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.8 2.4T A95B

Resultados de rendimiento ya disponibles en Modular

MiniMax-M3

Resultados de rendimiento ya disponibles en Google

Gemini 3.7 Flash (medium)

Gemini 3.7 Flash (low)

Gemini 3.7 Flash (high)

12 ago 2026

🔔 Nuevo artículo publicado

Upstage Solar Pro 4: Benchmarks and analysis

Upstage has released Solar Pro 4

🔔 Nuevo artículo publicado

Grok 4.6 returns SpaceXAI to the intelligence frontier and leads on cost efficiency

SpaceXAI returns to the intelligence frontier with strengths in agentic performance and cost efficiency

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Índice de Inteligencia: 42

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Solar Open2 250B

Nuevos resultados de evaluación de modelos de lenguaje disponibles

A.X-K2

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Motif 3

Nuevos resultados de evaluación de modelos de lenguaje disponibles

K-EXAONE 2.0

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Solar Pro 4

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Grok 4.6 (high)

Índice de Inteligencia: 51

Resultados de rendimiento ya disponibles en DeepSeek

DeepSeek V4 Pro 0813 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Together AI

gpt-oss-120b (high)

Resultados de rendimiento ya disponibles en Upstage

Solar Pro 4

Resultados de rendimiento ya disponibles en SpaceXAI

Grok 4.6 (high)

11 ago 2026

🔔 Nuevo artículo publicado

NVIDIA launches Nemotron 3.5 Lightning

Efficient on-device scale intelligence

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Nemotron 3.5 Lightning

Resultados de rendimiento ya disponibles en Fireworks

Kimi K3 (max)

Nemotron 3.5 Lightning

Resultados de rendimiento ya disponibles en GMI

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Nemotron 3.5 Lightning

Resultados de rendimiento ya disponibles en CoreWeave

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Nemotron 3.5 Lightning

Resultados de rendimiento ya disponibles en Novita

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DigitalOcean

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Wafer

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DeepInfra

Muse Glimmer (high)

Nemotron 3.5 Lightning

Resultados de rendimiento ya disponibles en Together AI

Muse Glimmer (high)

Resultados de rendimiento ya disponibles en Nebius

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Nemotron 3.5 Lightning

10 ago 2026

🔔 Nuevo artículo publicado

Muse Glimmer: Benchmarks and analysis

Independent analysis and benchmarks of Meta's Muse Glimmer

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Glimmer (high)

Índice de Inteligencia: 24

Resultados de rendimiento ya disponibles en Baseten

DeepSeek V4 Pro (Reasoning, Max Effort)

Inkling (xhigh)

Inkling Small

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

GLM-5.2 (Non-reasoning)

GLM-5.2 (max)

Kimi K2.7 Code

07 ago 2026

Resultados de rendimiento ya disponibles en DeepInfra

Ling 3.0 Flash

Resultados de rendimiento ya disponibles en Novita

Ling 3.0 Tiny

Resultados de rendimiento ya disponibles en Together AI

Qwen3.5 9B (Non-reasoning)

Resultados de rendimiento ya disponibles en Vidu

Vidu Q3 Turbo

Resultados de rendimiento ya disponibles en Runware

MiniMax H3

Vidu Q3 Turbo

Resultados de rendimiento ya disponibles en fal.ai

Vidu Q3 Turbo

MiniMax H3

Resultados de rendimiento ya disponibles en Prodia

MiniMax H3

Resultados de rendimiento ya disponibles en MachGen

Vidu Q3 Turbo

MiniMax H3

Resultados de rendimiento ya disponibles en Replicate

Vidu Q3 Turbo

Resultados de rendimiento ya disponibles en MiniMax

MiniMax H3

Resultados de rendimiento ya disponibles en WaveSpeed

MiniMax H3

06 ago 2026

🔔 Nuevo artículo publicado

Launching v4.1.1 of the Artificial Analysis Intelligence Index

Our latest patch release, upgrading grader models and 𝜏³-Banking

Artificial Analysis Intelligence Index methodology

Artificial Analysis Intelligence Index v4.1.1

What's changed

𝜏³-Banking moved to upstream v1.0.1: The evaluation now runs the tau2-bench v1.0.1 dataset and grader, replacing the frozen v1.0 dataset.
Upgraded grader for HLE, AA-LCR and AA-Omniscience: All three are now graded by GPT-5.6 Luna (medium), replacing GPT-4o (Aug '24), Qwen3 235B A22B 2507 Non-Reasoning and Gemini 3 Flash Preview (Reasoning) respectively.

The contributing evaluations and their weights are unchanged from v4.1.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Ling 3.0 Tiny

Índice de Inteligencia: 16

Resultados de rendimiento ya disponibles en InclusionAI

Ling 3.0 Tiny

05 ago 2026

🔔 Nuevo artículo publicado

Muse Spark 1.2: Benchmarks and analysis

Independent analysis and benchmarks of Meta's Muse Spark 1.2

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Qwen3.8 Max

Índice de Inteligencia: 47

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Ling 3.0 Flash

Índice de Inteligencia: 27

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Spark 1.2 (xhigh)

Índice de Inteligencia: 47

Resultados de rendimiento ya disponibles en Alibaba Cloud

Qwen3.8 Max

Resultados de rendimiento ya disponibles en InclusionAI

Ling 3.0 Flash

Resultados de rendimiento ya disponibles en Meta

Muse Spark 1.2 (xhigh)

Resultados de rendimiento ya disponibles en Baseten

Kimi K3 (max)

04 ago 2026

🔔 Nuevo artículo publicado

Launching the Endpoint Accuracy Index: Same Model, Different Accuracy

Announcing the Artificial Analysis Endpoint Accuracy Index, measuring how much of an open weights model's accuracy each serverless API endpoint preserves

03 ago 2026

Resultados de rendimiento ya disponibles en Parasail

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en Fireworks

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en SiliconFlow

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Resultados de rendimiento ya disponibles en DeepInfra

Inkling Small

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

31 jul 2026

🔔 Nuevo artículo publicado

DeepSeek V4 Flash 0731 scores 50 on the Artificial Analysis Intelligence Index, 10 points above previous DeepSeek V4 Flash

DeepSeek releases DeepSeek V4 Flash 0731

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Celeris-1

Nuevos resultados de evaluación de modelos de lenguaje disponibles

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

Índice de Inteligencia: 41

Resultados de rendimiento ya disponibles en Celeris

Celeris-1

Resultados de rendimiento ya disponibles en DeepSeek

DeepSeek V4 Flash 0731 (Reasoning, Max Effort)

30 jul 2026

🔔 Nuevo artículo publicado

Inkling Small lands within a point of Inkling on the Artificial Analysis Intelligence Index with less than a third of the parameters

Thinking Machines' new Inkling Small scores 40 on the Artificial Analysis Intelligence Index, within a point of its flagship sibling Inkling with less than a third of the total and active parameters

⚖️ Metodología de benchmarking de inteligencia de Artificial Analysis

We have updated our Cost per Task methodology, resulting in slight absolute increases in cost estimates but with minimal impact on relative positioning.

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Kimi K3 (low)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Inkling Small

Resultados de rendimiento ya disponibles en Kimi

Kimi K3 (low)

Resultados de rendimiento ya disponibles en Thinking Machines

Inkling Small

29 jul 2026

🔔 Nuevo artículo publicado

Agnes AI releases Agnes 2.5 Pro Alpha

Agnes 2.5 Pro Alpha

28 jul 2026

Resultados de rendimiento ya disponibles en Upstage

Solar Pro 3

Resultados de rendimiento ya disponibles en Databricks

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Modal

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Parasail

Kimi K3 (max)

Resultados de rendimiento ya disponibles en SiliconFlow

LongCat 2.0

Hy3

Resultados de rendimiento ya disponibles en Amazon Bedrock

Claude Sonnet 5 (Non-reasoning, High Effort)

GPT-5.6 Terra (Non-reasoning)

GPT-5.6 Luna (Non-reasoning)

GPT-5.6 Sol (Non-reasoning)

GPT-5.6 Sol (max)

GPT-5.6 Terra (max)

GPT-5.6 Luna (max)

Resultados de rendimiento ya disponibles en DeepInfra

MiniMax-M3

Inkling (xhigh)

Resultados de rendimiento ya disponibles en Together AI

Inkling (xhigh)

Resultados de rendimiento ya disponibles en DigitalOcean

Kimi K3 (max)

27 jul 2026

Resultados de rendimiento ya disponibles en Makora

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Together AI

Kimi K3 (max)

Resultados de rendimiento ya disponibles en Nebius

Kimi K3 (max)

25 jul 2026

Resultados de rendimiento ya disponibles en Fireworks

Kimi K3 (max)

24 jul 2026

🔔 Nuevo artículo publicado

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: 44

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Medium Effort)

Índice de Inteligencia: 50

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, High Effort)

Índice de Inteligencia: 52

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)

Índice de Inteligencia: 53

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Claude Opus 5 (Adaptive Reasoning, Max Effort)

Índice de Inteligencia: 54

Resultados de rendimiento ya disponibles en Google

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)

Resultados de rendimiento ya disponibles en Amazon Bedrock

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)

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

Resultados de rendimiento ya disponibles en Agnes AI

Agnes 2.5 Pro Alpha

Resultados de rendimiento ya disponibles en Crusoe

GLM-5.2 (max)

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

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: 40

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Gemini 3.5 Flash-Lite

Índice de Inteligencia: 28

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)

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 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 (max)

Índice de Inteligencia: 50

Resultados de rendimiento ya disponibles en Kimi

Kimi K3 (max)

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: 32

14 jul 2026

Nuevos resultados de evaluación de modelos de lenguaje disponibles

LongCat 2.0

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

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)

Nuevos resultados de evaluación de modelos de lenguaje disponibles

Muse Spark 1.1 (xhigh)

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