Ranking en vivo, actualizado cada 2 días
Mejores modelos de IA para prompts difíciles
A fecha de 8 de octubre de 2026, el modelo mejor clasificado en Ranking de texto de LMArena, categoría de prompts difíciles es gemini-4-argon-high de Google con una puntuación de 1551, 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.
Ranking: los 10 mejores modelos
Las puntuaciones proceden de votos ciegos en enfrentamientos directos sobre Ranking de texto de LMArena, categoría de prompts difíciles. 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 40 aparecen en la lista desplegable.
| Puesto | Modelo | Laboratorio | Puntuación | Votos | Licencia |
|---|---|---|---|---|---|
| 1 | gemini-4-argon-high | 1551 ±11 | 3118 | Propietario | |
| 2 | claude-opus-5.5-high | Anthropic | 1533 ±10 | 3901 | Propietario |
| 3 | claude-opus-4-6-high | Anthropic | 1533 ±4 | 50.602 | Propietario |
| 4 | claude-fable-5-high | Anthropic | 1530 ±5 | 26.112 | Propietario |
| 5 | claude-opus-4-6 | Anthropic | 1527 ±4 | 54.602 | Propietario |
| 6 | claude-opus-4-7-high | Anthropic | 1525 ±5 | 43.711 | Propietario |
| 7 | claude-fable-5.1-max | Anthropic | 1520 ±8 | 7642 | Propietario |
| 8 | claude-opus-4-7 | Anthropic | 1519 ±5 | 44.480 | Propietario |
| 9 | gemini-3.8-flash-high | 1517 ±6 | 20.342 | Propietario | |
| 10 | kimi-k3-max | Moonshot AI | 1517 ±5 | 19.507 | Pesos abiertos |
Ver puestos del 11 al 40
PuestoModelo Laboratorio Puntuación Licencia 11 muse-spark-1.3-max Meta 1517 ±7 Propietario 12 claude-opus-5-high Anthropic 1515 ±5 Propietario 13 claude-opus-5-max Anthropic 1514 ±6 Propietario 14 claude-opus-4-8-high Anthropic 1513 ±5 Propietario 15 gpt-5.6-sol-xhigh OpenAI 1512 ±5 Propietario 16 muse-spark-1.1 Meta 1511 ±5 Propietario 17 gemini-3.1-pro-preview Google 1508 ±4 Propietario 18 muse-spark-1.2 (xHigh) Meta 1508 ±10 Propietario 19 claude-sonnet-5.5-xhigh Anthropic 1507 ±11 Propietario 20 gpt-6.1-sol-max OpenAI 1507 ±12 Propietario 21 gemini-3.7-flash-high Google 1506 ±6 Propietario 22 muse-spark Meta 1506 ±7 Propietario 23 mimo-v2.6-pro Xiaomi 1506 ±12 Pesos abiertos 24 claude-opus-4-8 Anthropic 1505 ±5 Propietario 25 qwen3.8-max Alibaba (Qwen) 1504 ±6 Propietario 26 glm-5.3-max Z.ai (Zhipu) 1504 ±6 Pesos abiertos 27 claude-sonnet-4-6 Anthropic 1503 ±4 Propietario 28 gemini-3-pro Google 1502 ±5 Propietario 29 gpt-5.5-high OpenAI 1501 ±4 Propietario 30 glm-5.3-flash Z.ai (Zhipu) 1501 ±6 Pesos abiertos 31 claude-opus-4-5-20251101-high-32k Anthropic 1501 ±5 Propietario 32 gemini-3.6-flash-high Google 1501 ±5 Propietario 33 gpt-6-astra-max OpenAI 1500 ±8 Propietario 34 deepseek-v4.1-flash-max DeepSeek 1499 ±8 Pesos abiertos 35 gpt-5.5 OpenAI 1499 ±4 Propietario 36 claude-opus-4-5-20251101 Anthropic 1498 ±4 Propietario 37 gpt-5.2-chat-latest-20260210 OpenAI 1497 ±5 Propietario 38 gpt-5.4-high OpenAI 1496 ±5 Propietario 39 mimo-v2.5-pro Xiaomi 1496 ±4 Pesos abiertos 40 qwen3.7-max-preview Alibaba (Qwen) 1496 ±12 Propietario
Mostrando los 40 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 | 1551 | Líder | |
| Anthropic | claude-opus-5.5-high | 2 | 1533 | 18 pts |
| Moonshot AI | kimi-k3-max | 10 | 1517 | 34 pts |
| Meta | muse-spark-1.3-max | 11 | 1517 | 34 pts |
| OpenAI | gpt-5.6-sol-xhigh | 15 | 1512 | 39 pts |
| Xiaomi | mimo-v2.6-pro | 23 | 1506 | 45 pts |
| Alibaba (Qwen) | qwen3.8-max | 25 | 1504 | 47 pts |
| Z.ai (Zhipu) | glm-5.3-max | 26 | 1504 | 47 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%).
Modelos en el top 10 por laboratorio
Mostrar tabla de datos
| Laboratorio | Top 10 |
|---|---|
| Anthropic | 7 |
| 2 | |
| Moonshot AI | 1 |
Abiertos frente a propietarios: ¿qué tan grande es la brecha?
El mejor modelo de pesos abiertos es kimi-k3-max de Moonshot AI, con 1517, 34 puntos por detrás del mejor modelo propietario, gemini-4-argon-high de Google, con 1551. Sus intervalos de confianza del 95% no se solapan, así que la brecha es estadísticamente significativa.
9 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
- Texto (general)
- 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
Esta categoría reúne los prompts que LMArena clasifica como difíciles: complejos, específicos y exigentes. Separa a los modelos que resuelven preguntas cotidianas de los que resuelven las complicadas.
- 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.
- 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 hard_prompts, 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 para prompts difíciles?
A fecha de 8 de octubre de 2026, gemini-4-argon-high de Google ocupa el primer puesto en Ranking de texto de LMArena, categoría de prompts difíciles con una puntuación de 1551. Las clasificaciones cambian a medida que se añaden modelos y votos, así que consulta la tabla de arriba para ver el orden actual.
¿Qué laboratorio de IA lidera en prompts difíciles?
Anthropic tiene 7 de los 10 mejores modelos (70%), por delante de Google (2) y Moonshot AI (1).
¿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 1517, 34 puntos por detrás del mejor modelo propietario, gemini-4-argon-high de Google, con 1551. 9 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.
¿Qué mide esta clasificación?
Esta categoría reúne los prompts que LMArena clasifica como difíciles: complejos, específicos y exigentes. Separa a los modelos que resuelven preguntas cotidianas de los que resuelven las complicadas.
¿Con qué frecuencia se actualiza esta clasificación?
Esta página vuelve a leer el conjunto de datos de LMArena cada 2 días. LMArena publica una nueva instantánea cuando reúne suficientes votos o añade modelos, por lo que la fecha de la parte superior muestra los datos publicados más recientes.
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.