Rankings de modelos de IA
El ranking de modelos de IA, editorial.
Rankings independientes y editoriales de los mejores modelos de IA — chat, código, imagen, vídeo, agentes, audio y búsqueda. Actualizados cada semana y traducidos a tu idioma.
- modelos clasificados
- 38
- categorías
- 9
- idiomas
- 5
Explorar por categoría
chat
Chat
La categoría más disputada del ranking. Los modelos de chat deciden desde la asistencia diaria hasta los problemas de razonamiento más difíciles, y la brecha entre los mejores y el resto cambia cada semana. Sopesamos resultados de benchmarks, uso real de herramientas y la experiencia humana de conversaciones largas para clasificar los modelos con los que la mayoría conoce la IA.
→
coding
Código
Donde la IA dejó de ser un juguete para convertirse en compañera de equipo. Los modelos y agentes de código planifican, editan y verifican repositorios completos, y las herramientas que los rodean determinan la velocidad real tanto como el modelo. Clasificamos todo el stack — modelos, IDEs y agentes autónomos — por cuánto código fiable producen.
→
image
Imagen
El texto a imagen se ha convertido en el campo de pruebas de la creatividad y la precisión del prompt. Estos modelos convierten una frase en una imagen acabada — fotorrealista, editorial o deliberadamente extraña — y los mejores ya son indistinguibles de una sesión de estudio. Los clasificamos por estética, adherencia al prompt y utilidad real del resultado.
→
image-editing
Edición de imagen
Generar una imagen es solo la mitad del trabajo: la otra mitad es arreglarla, completarla y acabarla. Los modelos de edición eliminan fondos, extienden escenas, retocan fotos y rehacen tomas con un solo prompt. Clasificamos los editores y sus modelos por calidad de salida, control y cuánto ahorran trabajo.
→
video
Vídeo
El texto a vídeo pasó de ser un truco de fiesta a una herramienta de producción en un solo año. Los mejores modelos mantienen la física, conservan la coherencia de los personajes entre escenas y ofrecen calidad casi cinematográfica directamente desde un prompt. Los clasificamos por realismo del movimiento, control y cercanía del resultado a un plano acabado.
→
video-editing
Edición de vídeo
Grabar y montar ya no son el cuello de botella: lo es la edición. Los modelos de edición de vídeo amplían clips, eliminan objetos, traducen diálogos y reestructuran metraje en minutos en lugar de horas. Clasificamos los editores por cuánto de la edición pueden hacer solos y lo limpias que quedan las uniones.
→
agents
Agentes
El segmento de más rápido crecimiento en la IA, y el que más se parece al futuro. Los frameworks de agentes planifican trabajo en varios pasos, llaman a herramientas, escriben código y completan tareas de principio a fin en lugar de responder a una sola pregunta. Clasificamos las plataformas y agentes autónomos por fiabilidad, autonomía real y cuánto puedes confiarles una tarea.
→
audio
Audio
La voz es la interfaz en la que más se confía, y los modelos de texto a voz han alcanzado calidad de emisión. Los TTS actuales leen con emoción, mantienen una voz coherente durante horas de audio y clonan una voz a partir de segundos de referencia. Clasificamos los modelos de voz por naturalidad, control y latencia en productos reales.
→
search
Búsqueda
La búsqueda se está reconstruyendo desde cero. Los motores de respuestas de IA leen la web en directo, sintetizan fuentes y citan lo encontrado, convirtiendo una lista de enlaces en una respuesta realmente útil. Los clasificamos por calidad de respuesta, fiabilidad de las fuentes y acierto de los hechos.
→
Clasificaciones seleccionadas
free
Modelos gratuitos
Los mejores modelos de IA de pesos abiertos que puedes ejecutar y alojar gratis, clasificados por puntuación editorial.
#1 Llama 4 405B · 95 →
value
Mejor relación calidad-precio
Modelos de IA con el mejor rendimiento por dólar: pesos abiertos y APIs económicas, clasificados por puntuación editorial.
#1 DeepSeek V3 · 92 →
Benchmarks
Ver todos →Clasificaciones de IA por benchmark: GPQA, MMLU-Pro, SWE-Bench, HumanEval, LiveBench, Humanity's Last Exam, MATH y Elo LMArena. Cada benchmark se normaliza a una única escala de 0 a 100 y se clasifica a partir de los resultados públicos publicados por sus creadores.
Hugging Face
GPQA
GPQA es un benchmark de opción múltiple creado por Google DeepMind con 448 preguntas científicas de nivel de posgrado en física, química y biología. Su nombre indica que las preguntas son tan difíciles que los buscadores no pueden responderlas, lo que protege al benchmark de la contaminación. La puntuación refleja con qué frecuencia un modelo responde correctamente a estas preguntas de expertos.
#1 GPT-5 · 99 →
Hugging Face
MMLU-Pro
MMLU-Pro es el sucesor más difícil de MMLU, el clásico benchmark de conocimiento. Expande la prueba original a más de 12 000 preguntas en 14 disciplinas académicas y añade diez opciones de respuesta, lo que hace mucho más difícil adivinar. Mide la amplitud del conocimiento del mundo del modelo y su fiabilidad para razonar en temas que van del derecho y la medicina a la física y la economía.
#1 GPT-5 · 98 →
BenchLM
HumanEval
HumanEval es el benchmark de generación de código de OpenAI: 164 problemas de programación escritos a mano que comprueban si un modelo puede producir una función correcta en Python a partir de un docstring. Las puntuaciones se dan como pass@1, la proporción de problemas resueltos al primer intento. Es uno de los benchmarks de código más antiguos y citados, aunque la programación real lo haya superado.
#1 GPT-5 · 100 →
BenchLM
SWE-Bench
SWE-Bench es el benchmark de código agéntico: le da al modelo un issue real de GitHub de un repositorio de código abierto y le pide un parche que supere los tests del proyecto. Con más de 2 000 tareas, mide si una IA puede navegar por bases de código desconocidas, entender informes de errores y enviar correcciones que realmente se fusionan. Es el proxy público más cercano a un ingeniero de software contratado.
#1 GPT-5 · 93 →
LiveBench
LiveBench
LiveBench es un benchmark resistente a la contaminación publicado de forma continua por Abacus AI, con nuevos conjuntos de preguntas lanzados según un calendario fijo para que los modelos no puedan entrenarse con respuestas filtradas. Puntúa 23 tareas objetivas en siete categorías — razonamiento, código, matemáticas, análisis de datos, lenguaje y más — donde cada respuesta es verificable por código, no por un juez de IA.
#1 GPT-5 · 99 →
BenchLM
Humanity's Last Exam
Humanity's Last Exam es el benchmark de conocimiento más difícil jamás creado: 2 500 preguntas escritas por más de 1 000 expertos en 100 materias, de matemáticas y física a derecho y lingüística. Diseñado por el Center for AI Safety y Scale AI como prueba de frontera, la mayoría de los mejores modelos aún puntúan por debajo del 20 %. Es la mejor medida disponible del techo del conocimiento de la IA.
#1 GPT-5 · 89 →
Hugging Face
MATH
El benchmark MATH es un conjunto de 5 000 problemas de matemáticas de nivel competitivo en 7 áreas, del álgebra y el conteo a la teoría de números y el precálculo. Prueba no solo el cálculo sino el razonamiento paso a paso, pues los problemas se puntúan solo por la respuesta final. Sigue siendo la señal estándar de lo bien que un modelo realmente piensa — más que de lo que memorizó.
#1 GPT-5 · 95 →
LMArena
Elo LMArena
LMArena (antes LMSYS Chatbot Arena) es el mayor ranking de preferencias humanas en IA. Millones de usuarios reales votan en batallas ciegas entre modelos, y los resultados alimentan un rating Elo de Bradley-Terry — el mismo sistema que conocen los ajedrecistas. Captura con qué modelos la gente realmente prefiere conversar, algo que ningún benchmark automático puede replicar por completo.
#1 GPT-5 · 100 →
En tendencia esta semana
#31
OpenAI AgentKit
OpenAI
97
▲ 22
El framework de OpenAI para flujos de agentes en producción: llamadas a funciones, protecciones y observabilidad sobre la familia GPT-5.
#35
ElevenLabs v4
ElevenLabs
98
▲ 21
El texto a voz más natural que probamos: emoción, ritmo y clonación de voz suficientes para audiolibros, anuncios y agentes.
#34
Manus
Manus
92
▲ 20
Un agente autónomo de propósito general: ante un objetivo, Manus planifica, navega, construye y entrega el resultado final.
#14
Claude Code
Anthropic
95
▲ 18
Código agéntico en la terminal: Claude planifica, edita y verifica cambios de forma autónoma.