Benchmark independiente · Español

El ranking de los modelos de IA en español

11 modelos frontier, 25 pruebas de uso real, 6 familias. Metodología pre-registrada, jueces automatizados con recusación por laboratorio y todas las respuestas crudas publicadas. Cada celda de la tabla se abre y se lee.
Modelos
11
Pruebas
25
Pasadas
4
Respuestas
1100
1.0

Tiers

Ordenado por nota global
ranking.sozpic.com
S
≥ 90
A
Claude Fable 5.1
Anthropic
97,3%
O
GPT-6 Astra
OpenAI
96,5%
A
Claude Opus 5.5
Anthropic
96,5%
A
80–89
M
Kimi K3
Moonshot
89,2%
O
GPT-5.6 Sol
OpenAI
87,2%
x
Grok 4.7
xAI
87,1%
G
Gemini 3.8 Flash
Google
81%
B
70–79
D
DeepSeek V4.1-Flash
DeepSeek
77,5%
G
Gemini 3.1 Pro
Google
71,2%
C
60–69
D
DeepSeek V4 Pro
DeepSeek
67,3%
M
Mistral Large 4
Mistral
65,1%
D
< 60
S ≥ 90 · A 80–89 · B 70–79 · C 60–69 · D < 60
2.0

Tabla

Ninguna celda vacía. Todas se abren.
Nota global: media de las 6 familias, sin ponderar.
Ranking IA — nota global y por familias de 11 modelos frontier en español. 8 runs, última medición del 11 de octubre de 2026; cada modelo conserva el run en el que se midió. Notas en porcentaje sobre el máximo del baremo.
#ModeloLaboratorioGlobalTierIC 95%Precio salida $/1MInstruccionesVeracidadRazonamientoCarácterExpresiónEspañolConsistencia
1 Claude Fable 5.1
claude-fable-5-1		 Anthropic 97,3% S 95,7–98,8 50 98,3%100%91,7%100%98,4%95,3% ±2,1
2 GPT-6 Astra
gpt-6-astra		 OpenAI 96,5% S 95,3–98 50 99,3%100%87,5%94,6%97,7%100% ±2,3
2 Claude Opus 5.5
claude-opus-5-5		 Anthropic 96,5% S 95,2–97,8 20 97,2%98,3%98,6%96,4%88,4%100% ±3,9
4 Kimi K3
accounts/fireworks/models/kimi-k3		 Moonshot 89,2% A 86,5–91,7 15 84,9%97,5%77,1%96,4%94,8%84,4% ±6,2
5 GPT-5.6 Sol
gpt-5.6-sol		 OpenAI 87,2% A 85,2–89,2 20 100%93,3%83,3%75,6%86,6%84,4% ±6
6 Grok 4.7
grok-4.7		 xAI 87,1% A 83,5–90,5 6 88,9%95,8%91,7%100%88,9%57,3% ±7,1
7 Gemini 3.8 Flash
gemini-3.8-flash		 Google 81% A 78,6–83,3 3,8 92,4%76,7%84,7%57,1%95,8%79,2% ±5,3
8 DeepSeek V4.1-Flash
deepseek-flash		 DeepSeek 77,5% B 74,1–80,7 1,2 81,2%97,5%70,8%54,9%87,2%73,5% ±9,1
9 Gemini 3.1 Pro
gemini-3.1-pro-preview		 Google 71,2% B 68,4–73,8 12 66%66,7%79,2%42,9%86,1%86,5% ±7,5
10 DeepSeek V4 Pro
deepseek-v4-pro		 DeepSeek 67,3% C 63,2–71,3 4 82,3%61,3%72,9%32,6%81,3%73,4% ±13,5
11 Mistral Large 4
mistral-large-4-0		 Mistral 65,1% C 62,6–67,5 2,1 63,6%88,1%59,4%44,6%73,6%61% ±9,2
▲ ≥ 75■ 40 – 75▼ < 40Consistencia: desviación entre las pasadas de cada prueba, en puntos porcentuales.
3.0

Cara a cara

Ítems ganados por familia y el mismo ítem, lado a lado.
VS
4.0

Nota frente a coste

Cada punto es un modelo: arriba a la izquierda, más nota por menos dinero.
5.0

Fichas

Cada modelo, prueba por prueba, en su propia página.