Ranking en vivo, actualizado cada 2 días
Ranking de LLM: los mejores modelos de IA
A fecha de 8 de octubre de 2026, el modelo mejor clasificado en la clasificación de texto de LMArena es gemini-4-argon-high de Google con una puntuación de 1525, 18 puntos por delante de claude-opus-5.5-high de Anthropic.
Actualizado el 13 de octubre de 2026. Se muestra la última copia guardada del ranking, con fecha 8 de octubre de 2026, porque no se pudo acceder a la fuente en vivo.
Las posiciones proceden de votos a ciegas cara a cara en LMArena, la mayor arena pública de preferencias humanas para modelos de IA. Leemos su conjunto de datos abierto cada 2 días y calculamos quién lidera, por cuánto y cómo ha cambiado.
Best AI chatbot: which assistant ranks first when blind-vote quality is combined with real usage.
Ranking: los 10 mejores modelos
Las puntuaciones proceden de votos ciegos en enfrentamientos directos sobre la clasificación de texto de LMArena. El puesto es el publicado por LMArena, que tiene en cuenta los intervalos de confianza, por lo que varios modelos pueden compartir puesto. Abajo se muestran los 10 primeros, y los puestos del 11 al 60 aparecen en la lista desplegable.
| Puesto | Modelo | Laboratorio | Puntuación | Votos | Licencia |
|---|---|---|---|---|---|
| 1 | gemini-4-argon-high | 1525 ±9 | 4892 | Propietario | |
| 2 | claude-opus-5.5-high | Anthropic | 1507 ±8 | 6272 | Propietario |
| 3 | claude-opus-4-6-high | Anthropic | 1504 ±3 | 79.415 | Propietario |
| 4 | claude-fable-5-high | Anthropic | 1504 ±4 | 40.026 | Propietario |
| 5 | claude-opus-4-7-high | Anthropic | 1501 ±4 | 65.192 | Propietario |
| 6 | claude-fable-5.1-max | Anthropic | 1501 ±6 | 13.063 | Propietario |
| 7 | claude-opus-4-6 | Anthropic | 1498 ±3 | 84.095 | Propietario |
| 8 | gemini-3.8-flash-high | 1497 ±5 | 31.437 | Propietario | |
| 9 | muse-spark-1.3-max | Meta | 1494 ±6 | 14.694 | Propietario |
| 10 | claude-opus-4-7 | Anthropic | 1494 ±4 | 66.315 | Propietario |
Ver puestos del 11 al 60
PuestoModelo Laboratorio Puntuación Licencia 11 muse-spark-1.2 (xHigh) Meta 1492 ±8 Propietario 12 muse-spark-1.1 Meta 1491 ±4 Propietario 13 claude-opus-5-high Anthropic 1490 ±4 Propietario 14 claude-opus-5-max Anthropic 1489 ±5 Propietario 15 muse-spark Meta 1489 ±6 Propietario 16 kimi-k3-max Moonshot AI 1488 ±5 Pesos abiertos 17 gemini-3.1-pro-preview Google 1487 ±3 Propietario 18 gemini-3.7-flash-high Google 1486 ±5 Propietario 19 gemini-3-pro Google 1485 ±4 Propietario 20 gpt-5.6-sol-xhigh OpenAI 1485 ±4 Propietario 21 gpt-6.1-sol-max OpenAI 1484 ±9 Propietario 22 qwen3.8-max Alibaba (Qwen) 1483 ±5 Propietario 23 gemini-3.6-flash-high Google 1482 ±4 Propietario 24 gpt-5.5-high OpenAI 1482 ±4 Propietario 25 claude-opus-4-8-high Anthropic 1481 ±4 Propietario 26 mimo-v2.6-pro Xiaomi 1480 ±9 Pesos abiertos 27 glm-5.3-max Z.ai (Zhipu) 1478 ±5 Pesos abiertos 28 gemini-3.5-flash-high Google 1478 ±4 Propietario 29 gpt-5.5 OpenAI 1477 ±4 Propietario 30 gemini-3.5-flash-medium Google 1476 ±4 Propietario 31 gpt-5.2-chat-latest-20260210 OpenAI 1476 ±4 Propietario 32 claude-sonnet-5.5-xhigh Anthropic 1476 ±9 Propietario 33 glm-5.2-max Z.ai (Zhipu) 1475 ±4 Pesos abiertos 34 gpt-5.4-high OpenAI 1475 ±4 Propietario 35 gpt-6-astra-max OpenAI 1475 ±7 Propietario 36 qwen3.7-max-preview Alibaba (Qwen) 1475 ±10 Propietario 37 grok-4.20-beta1 xAI 1475 ±5 Propietario 38 glm-5.3-flash Z.ai (Zhipu) 1475 ±5 Pesos abiertos 39 deepseek-v4.1-flash-max DeepSeek 1475 ±7 Pesos abiertos 40 claude-opus-4-8 Anthropic 1474 ±4 Propietario 41 claude-opus-4-5-20251101-high-32k Anthropic 1474 ±4 Propietario 42 gpt-5.5-instant OpenAI 1473 ±5 Propietario 43 gemini-3-flash Google 1473 ±4 Propietario 44 claude-sonnet-4-6 Anthropic 1472 ±4 Propietario 45 grok-4.20-beta-0309-reasoning xAI 1472 ±4 Propietario 46 grok-4.20-multi-agent-beta-0309 xAI 1470 ±4 Propietario 47 claude-opus-4-5-20251101 Anthropic 1470 ±3 Propietario 48 mimo-v2.5-pro Xiaomi 1468 ±4 Pesos abiertos 49 ernie-5.1 Baidu 1467 ±5 Propietario 50 gpt-5.6-terra-xhigh OpenAI 1466 ±4 Propietario 51 grok-4.5 xAI 1466 ±4 Propietario 52 grok-4.1-thinking xAI 1465 ±3 Propietario 53 gpt-5.4 OpenAI 1465 ±4 Propietario 54 qwen3.5-max-preview Alibaba (Qwen) 1465 ±5 Propietario 55 deepseek-v4-pro-high-20260813 DeepSeek 1465 ±7 Pesos abiertos 56 glm-5.1 Z.ai (Zhipu) 1464 ±4 Pesos abiertos 57 claude-sonnet-5-high Anthropic 1461 ±4 Propietario 58 kimi-k2.6 Moonshot AI 1461 ±4 Pesos abiertos 59 qwen3.6-max-preview Alibaba (Qwen) 1460 ±8 Propietario 60 grok-4.1 xAI 1459 ±3 Propietario
Mostrando los 60 primeros de 414 modelos de este ranking. Datos del 8 de octubre de 2026.
Mejor modelo por laboratorio
El modelo mejor clasificado de cada laboratorio en este ranking y su distancia respecto al primero.
| Laboratorio | Mejor modelo | Puesto | Puntuación | Detrás del #1 |
|---|---|---|---|---|
| gemini-4-argon-high | 1 | 1525 | Líder | |
| Anthropic | claude-opus-5.5-high | 2 | 1507 | 18 pts |
| Meta | muse-spark-1.3-max | 9 | 1494 | 31 pts |
| Moonshot AI | kimi-k3-max | 16 | 1488 | 37 pts |
| OpenAI | gpt-5.6-sol-xhigh | 20 | 1485 | 40 pts |
| Alibaba (Qwen) | qwen3.8-max | 22 | 1483 | 42 pts |
| Xiaomi | mimo-v2.6-pro | 26 | 1480 | 45 pts |
| Z.ai (Zhipu) | glm-5.3-max | 27 | 1478 | 47 pts |
| xAI | grok-4.20-beta1 | 37 | 1475 | 51 pts |
| DeepSeek | deepseek-v4.1-flash-max | 39 | 1475 | 51 pts |
| Baidu | ernie-5.1 | 49 | 1467 | 58 pts |
| ByteDance | dola-seed-2.0-pro | 65 | 1456 | 69 pts |
¿Qué laboratorio de IA lidera?
El laboratorio con más modelos en la cima del ranking es el de mayor fondo de armario, no solo el que tiene el mejor modelo.
Anthropic tiene 7 de los 10 mejores modelos (70%). Anthropic tiene 9 de los 20 mejores modelos (45%).
Modelos en el top 10 por laboratorio
Modelos en el top 20 por laboratorio
Mostrar tabla de datos
| Laboratorio | Top 10 | Top 20 |
|---|---|---|
| Anthropic | 7 | 9 |
| 2 | 5 | |
| Meta | 1 | 4 |
| Moonshot AI | 0 | 1 |
| OpenAI | 0 | 1 |
Quién ha ocupado el primer puesto
Entre 28 de agosto de 2024 y 8 de octubre de 2026, LMArena publicó 188 clasificaciones de texto. El laboratorio en el n.º 1 cambió 7 veces. Google ocupa el n.º 1 desde 30 de septiembre de 2026, 8 días según la última clasificación. El líder actual es gemini-4-argon-high.
- OpenAI
- Anthropic
| Laboratorio | Días en el n.º 1 | Porcentaje del periodo | Racha más larga (días) |
|---|---|---|---|
| OpenAI | 314 | 41% | 300 |
| Anthropic | 240 | 31% | 236 |
| 217 | 28% | 122 |
Todos los reinados en el n.º 1
| Desde | Hasta | Laboratorio | Modelo | Días |
|---|---|---|---|---|
| 30 de septiembre de 2026 | 8 de octubre de 2026 | gemini-4-argon-high | 8 | |
| 6 de febrero de 2026 | 30 de septiembre de 2026 | Anthropic | claude-opus-5.5-high | 236 |
| 7 de octubre de 2025 | 6 de febrero de 2026 | gemini-3-pro | 122 | |
| 3 de octubre de 2025 | 7 de octubre de 2025 | Anthropic | claude-sonnet-4-5-20250929-thinking-32k | 4 |
| 21 de agosto de 2025 | 3 de octubre de 2025 | gemini-2.5-pro | 43 | |
| 7 de agosto de 2025 | 21 de agosto de 2025 | OpenAI | gpt-5-high | 14 |
| 24 de junio de 2025 | 7 de agosto de 2025 | gemini-2.5-pro | 44 | |
| 28 de agosto de 2024 | 24 de junio de 2025 | OpenAI | o3-2025-04-16 | 300 |
El historial usa la clasificación de texto con control de estilo, que el conjunto de datos registra desde 28 de agosto de 2024. Las duraciones se calculan entre clasificaciones publicadas, por lo que son aproximadas al intervalo de publicación.
Cuota del Top 10 por laboratorio a lo largo del tiempo
La proporción de los diez modelos con mayor puntuación que ha tenido cada laboratorio en cada clasificación publicada.
Tabla de datos: cuota del Top 10 por trimestre
| Fecha | OpenAI | Anthropic | xAI | |
|---|---|---|---|---|
| 27 de septiembre de 2024 | 50% | 10% | 10% | 10% |
| 30 de diciembre de 2024 | 40% | 20% | 20% | 0% |
| 30 de marzo de 2025 | 50% | 20% | 0% | 10% |
| 24 de junio de 2025 | 50% | 10% | 20% | 10% |
| 30 de septiembre de 2025 | 50% | 20% | 10% | 10% |
| 30 de diciembre de 2025 | 10% | 40% | 30% | 20% |
| 31 de marzo de 2026 | 20% | 30% | 30% | 20% |
| 25 de junio de 2026 | 10% | 60% | 20% | 0% |
| 30 de septiembre de 2026 | 0% | 70% | 10% | 0% |
| 8 de octubre de 2026 | 0% | 70% | 20% | 0% |
Muestra trimestral más la última clasificación. El gráfico usa las 188 clasificaciones.
Abiertos frente a propietarios: ¿qué tan grande es la brecha?
El mejor modelo de pesos abiertos es kimi-k3-max de Moonshot AI, con 1488, 37 puntos por detrás del mejor modelo propietario, gemini-4-argon-high de Google, con 1525. Sus intervalos de confianza del 95% no se solapan, así que la brecha es estadísticamente significativa.
15 modelos propietarios se sitúan por encima del mejor modelo de pesos abiertos, y 1 de los 20 primeros es de pesos abiertos.
Aquí, pesos abiertos significa cualquier licencia distinta de Propietaria, incluidas las licencias con límites de uso. Es una definición más amplia que la de la OSI.
Otras clasificaciones
LMArena organiza arenas independientes para distintas tareas. El mejor modelo para una suele no serlo para otra.
Otras arenas
- WebDev: claude-opus-5.5-max de Anthropic, 1813
- Visión: claude-fable-5-high de Anthropic, 1308
- Búsqueda: gpt-5.6-sol-xhigh de OpenAI, 1256
- Documentos: claude-fable-5 de Anthropic, 1499
- Texto a imagen: gpt-image-2.5-sunburst de OpenAI, 1425
- Edición de imágenes: gpt-image-2.5-sunburst de OpenAI, 1524
- Texto a vídeo: gemini-omni-1.1-flash de Google, 1516
Arena de texto por categoría
Cómo leer esta clasificación
La arena de texto es la insignia de LMArena: las personas envían cualquier prompt, comparan dos respuestas anónimas y votan. Mide la preferencia general en redacción, razonamiento, programación y preguntas cotidianas.
- Las puntuaciones salen de votos a ciegas
- LMArena muestra a una persona dos respuestas anónimas al mismo prompt y le pregunta cuál es mejor. Esos votos cara a cara se ajustan con un modelo Bradley-Terry, el sucesor estadístico de Elo, para asignar a cada modelo una puntuación de arena. En la escala Elo que usa LMArena, una ventaja de 100 puntos implica que el modelo superior ganaría en torno al 64% de los enfrentamientos.
- Los intervalos de confianza deciden los empates
- Cada puntuación incluye un intervalo de confianza del 95%. Cuando dos intervalos se solapan, el orden entre esos dos modelos no está definido. La columna de posición de LMArena ya lo tiene en cuenta, por eso más de un modelo puede ocupar el mismo puesto.
- Los votos indican cuán sólida es una puntuación
- Votos cuenta los enfrentamientos directos que respaldan una puntuación. Un modelo nuevo parte con un intervalo amplio que se estrecha a medida que se acumulan votos, así que una puntuación alta con pocos votos exige cautela.
- El control de estilo elimina el sesgo de longitud
- La clasificación de texto usa control de estilo, la opción predeterminada de LMArena desde mayo de 2025. Ajusta estadísticamente la longitud y el formato de las respuestas, de modo que un modelo no pueda subir solo por escribir respuestas más largas o con más formato.
- Por qué difiere de los benchmarks
- Las puntuaciones de arena miden lo que prefieren las personas en prompts abiertos. Los benchmarks fijos miden la precisión en preguntas predefinidas. Un modelo puede liderar uno y quedarse atrás en el otro, porque responden a preguntas distintas.
- Por qué difiere de la cuota de uso
- Un puesto alto no significa que mucha gente use un modelo. El uso depende del precio, la distribución y el hábito. Para conocer la adopción en lugar de la calidad, consulta la cuota de mercado de la IA.
Metodología y fuente
Todos los rankings se leen del conjunto de datos del leaderboard de LMArena en Hugging Face, publicado por LMArena (antes Chatbot Arena) bajo la licencia Creative Commons Attribution 4.0. El crédito por los votos, las puntuaciones y los intervalos de confianza corresponde a LMArena. Essentras no está afiliada a LMArena.
Esta página lee el subconjunto text_style_control, categoría overall, de la división más reciente del conjunto de datos. Las puntuaciones, los intervalos, los puestos, el número de votos y las etiquetas de licencia se muestran tal como se publican. Essentras añade la agrupación por laboratorio y las cifras derivadas de esta página: diferencias, cuotas por laboratorio, abiertos frente a propietarios y, en la página principal, el historial de quién ocupó el #1.
Los datos se actualizan automáticamente cada 2 días. Si no se puede acceder a la fuente, la página recurre a la última copia guardada y lo indica en la parte superior. Los modelos nunca se fusionan ni se renombran; los nombres de modelos y laboratorios aparecen exactamente como los publica LMArena.
Open-weight significa cualquier licencia distinta de Proprietary. El historial se limita a lo que registra el conjunto de datos: el leaderboard de texto con control de estilo desde 28 de agosto de 2024. No extraemos datos de ningún otro sitio de rankings.
Sigue cómo los modelos de IA clasifican y describen tu marca con nuestro servicio de SEO para IA. ¿Quieres que estos modelos nombren tu marca? Lee nuestra guía de SEO para LLM.
Preguntas frecuentes
¿Cuál es el mejor modelo de IA ahora mismo?
A fecha de 8 de octubre de 2026, gemini-4-argon-high de Google lidera el leaderboard de texto de LMArena con una puntuación de 1525. «El mejor» depende de la tarea: los leaderboards de programación, visión y búsqueda suelen tener otros líderes, enlazados arriba.
¿Cuál es el mejor LLM para programar?
En la WebDev arena de LMArena, que evalúa la creación de aplicaciones web funcionales, claude-opus-5.5-max de Anthropic lidera con 1813 a fecha de 8 de octubre de 2026. En la categoría de programación de la arena de texto, lidera gemini-4-argon-high de Google con 1562.
¿Cuál es mejor: ChatGPT, Gemini o Claude?
En el leaderboard de texto a fecha de 8 de octubre de 2026: el mejor modelo de Google, gemini-4-argon-high, ocupa el puesto 1 con 1525, el mejor modelo de Anthropic, claude-opus-5.5-high, ocupa el puesto 2 con 1507 y el mejor modelo de OpenAI, gpt-5.6-sol-xhigh, ocupa el puesto 20 con 1485. Google es la mejor, con 18 puntos de ventaja sobre la siguiente de las tres y fuera de su intervalo de confianza.
¿Qué es un leaderboard de LLM?
Un leaderboard de LLM clasifica los grandes modelos de lenguaje según su rendimiento medido. Algunos usan pruebas fijas con respuestas correctas. El de LMArena usa la preferencia humana: las personas comparan dos respuestas anónimas y votan, y los votos se convierten en una puntuación para cada modelo.
¿Cómo se clasifican los modelos de IA?
Cada voto es una comparación directa entre dos modelos. Un modelo Bradley-Terry convierte miles de ellos en una puntuación por modelo, con un intervalo de confianza del 95%. Los modelos se ordenan por puntuación, y los que tienen intervalos solapados pueden compartir puesto.
¿Está el mejor modelo de código abierto cerca del mejor modelo propietario?
El mejor modelo de pesos abiertos es kimi-k3-max de Moonshot AI, con 1488, 37 puntos por detrás del mejor modelo propietario, gemini-4-argon-high de Google, con 1525. 15 modelos propietarios se sitúan por encima del mejor modelo de pesos abiertos, y 1 de los 20 primeros es de pesos abiertos. Sus intervalos de confianza del 95% no se solapan, así que la brecha es estadísticamente significativa. «Abierto» aquí significa cualquier licencia distinta de Proprietary, una definición más amplia que la de la OSI.
¿Con qué frecuencia cambia el leaderboard?
LMArena publicó 188 leaderboards de texto entre 28 de agosto de 2024 y 8 de octubre de 2026, y el laboratorio en el #1 cambió 7 veces en ese periodo. Esta página vuelve a leer el conjunto de datos cada 2 días y muestra la fecha de los últimos datos publicados.
Los modelos se clasifican a sí mismos. ¿Y qué dicen de ti?
Una clasificación muestra qué modelos de IA son más potentes. No muestra lo que esos modelos cuentan a tus clientes sobre tu empresa. Haz la comprobación gratuita y descubre las respuestas.