Comparación de modelos: análisis de inteligencia, rendimiento y precio
Entorno de pruebas MicroevalsAspectos destacados
Inteligencia
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index by Open Weights / Proprietary
Intelligence Evaluations
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Scientific reasoning
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic knowledge work, Elo
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Quantitative analysis on spreadsheets & documents
Instruction following
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
AA-Briefcase
AA-Briefcase Elo
AA-Omniscience
AA-Omniscience Index
Índice de apertura
Artificial Analysis Openness Index: Score
Comparaciones del Índice de Inteligencia
Intelligence Index vs. Cost per Intelligence Index Task
Uso de tokens
Output Tokens per Intelligence Index Task
Costo
Cost per Intelligence Index Task
Cost to Run Artificial Analysis Intelligence Index
Pricing: Cache Hit, Input, and Output
Ventana de contexto
Context Window
Velocidad
Medida por la velocidad de salida (tokens por segundo)
Output Speed
Time per Intelligence Index Task
Latencia
Medida por el tiempo (segundos) hasta el primer token
Latency: Time To First Answer Token
Tiempo de respuesta de extremo a extremo
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
End-to-End Response Time
Tamaño del modelo (solo modelos de pesos abiertos)
Model Size: Total and Active Parameters
Preguntas frecuentes
Claude Opus 5 (Adaptive Reasoning, Max Effort) lidera actualmente el Índice de Inteligencia de Artificial Analysis con una puntuación de 63, entre 159 modelos evaluados.
Los mejores modelos de IA según el Índice de Inteligencia son: 1. Claude Opus 5 (Adaptive Reasoning, Max Effort) (63), 2. Claude Opus 5 (Adaptive Reasoning, Xhigh Effort) (63), 3. Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback) (62), 4. Claude Opus 5 (Adaptive Reasoning, High Effort) (61) y 5. GPT-5.6 Sol (max) (61).
Celeris-1 es el más rápido, con 1,512.9 tokens por segundo, seguido de Mercury 2 (940.0 t/s) y Gemini 3.5 Flash-Lite (372.6 t/s).
Llama 3.1 Instruct 8B es el más económico, con $0.02 por millón de tokens (precio combinado), seguido de Nova Micro ($0.03) y Sarvam 30B (high) ($0.03).
Gemini 2.5 Flash-Lite (Non-reasoning) tiene el menor tiempo hasta el primer token, con 0.29s, seguido de Command A+ (0.41s) y Gemini 2.5 Flash (Non-reasoning) (0.48s).
Kimi K3 (max) es el modelo con pesos abiertos mejor clasificado, con una puntuación de 60 en el Índice de Inteligencia. Hay 84 modelos con pesos abiertos de un total de 159 evaluados.
Los mejores modelos de IA con pesos abiertos según el Índice de Inteligencia son: 1. Kimi K3 (max) (60), 2. Qwen3.8 2.4T A95B (58) y 3. DeepSeek V4 Pro 0813 (Reasoning, Max Effort) (53).
Claude Opus 5 (Adaptive Reasoning, Max Effort) lidera entre 126 modelos de razonamiento con una puntuación de 63 en el Índice de Inteligencia. Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Los modelos se comparan en múltiples dimensiones, como inteligencia (calidad), precio, velocidad de salida (tokens por segundo), latencia (tiempo hasta el primer token), tiempo de respuesta de extremo a extremo y tamaño de la ventana de contexto. Las métricas de rendimiento se miden directamente mediante prompts estandarizados en 608 modelos.
Haz clic en el nombre o la fila de cualquier modelo en los gráficos para ver su página específica, con métricas detalladas y comparaciones directas con modelos similares. También puedes usar el selector de modelos para personalizar cuáles aparecen en cada gráfico. Ver el ranking