Comparación de modelos: análisis de inteligencia, rendimiento y precio
Entorno de pruebas MicroevalsInteligencia
UpdatedAspectos destacados
InteligenciaUpdated
Artificial Analysis Intelligence Index
Artificial Analysis Intelligence Index by Open Weights / Proprietary
Intelligence Evaluations
Agentic knowledge work, (Elo-500)/2000
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Professional document reasoning, All-pass
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Scientific reasoning
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 Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback) lidera actualmente el Índice de Inteligencia de Artificial Analysis con una puntuación de 57, entre 55 modelos evaluados.
Los mejores modelos de IA según el Índice de Inteligencia son: 1. Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback) (57), 2. GPT-6 Astra (max) (55), 3. GPT-6 Astra (xhigh) (54), 4. Claude Opus 5 (Adaptive Reasoning, Max Effort) (54) y 5. Claude Opus 5 (Adaptive Reasoning, Xhigh Effort) (53).
Celeris-1 es el más rápido, con 1,530.4 tokens por segundo, seguido de Mercury 2 (794.5 t/s) y Gemini 2.5 Flash-Lite (Reasoning) (393.2 t/s).
Llama 3.1 Instruct 8B es el más económico, con $0.02 por millón de tokens (precio combinado), seguido de Granite 4.2 3B ($0.02) y Nova Micro ($0.03).
Gemini 2.5 Flash-Lite (Non-reasoning) tiene el menor tiempo hasta el primer token, con 0.29s, seguido de North Mini Code (0.39s) y Command A+ (0.39s).
Kimi K3 (max) es el modelo con pesos abiertos mejor clasificado, con una puntuación de 50 en el Índice de Inteligencia. Hay 18 modelos con pesos abiertos de un total de 55 evaluados.
Los mejores modelos de IA con pesos abiertos según el Índice de Inteligencia son: 1. Kimi K3 (max) (50), 2. GLM-5.3 (max) (49) y 3. Qwen3.8 2.4T A95B (47).
Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback) lidera entre 53 modelos de razonamiento con una puntuación de 57 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 643 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