Clasificados por Arena Elo de Chatbot Arena. La puntuación comunitaria donde los modelos compiten a ciegas cara a cara. Un Elo más alto significa que los humanos prefieren sus respuestas en comparación directa.
Datos actualizados: 11 de agosto de 2026
| # | Modelo | Proveedor | Arena Elo | SWE-bench | Precio in/out ($/M) | Contexto |
|---|---|---|---|---|---|---|
| 1 | Claude Mythos 5 | Anthropic | 1493 | 78% | $10 / $50 | 1M |
| 2 | Claude Fable 5 | Anthropic | 1492 | 77% | $10 / $50 | 1M |
| 3 | Claude Mythos | Anthropic | 1478 | 93.9% | $25 / $125 | 1M |
| 4 | Kimi K3 | Moonshot AI | 1478 | 75.5% | $3 / $15 | 1M |
| 5 | Gemini 3 Ultra | Google DeepMind | 1441 | 66% | $18 / $72 | 3M |
| 6 | OpenAI o4 | OpenAI | 1438 | 72% | $12 / $48 | 256K |
| 7 | Claude Opus 4.8 | Anthropic | 1435 | 67% | $5 / $25 | 1M |
| 8 | GPT-5.5 | OpenAI | 1432 | 66% | $5 / $30 | 600K |
| 9 | Gemini 3 Deep Think | Google DeepMind | 1429 | 64% | $14 / $56 | 1M |
| 10 | Claude Opus 4.7 | Anthropic | 1420 | 64.3% | $5 / $25 | 1M |
| 11 | Claude Code | Anthropic | 1420 | 64.3% | $15 / $75 | 1M |
| 12 | OpenAI o3 | OpenAI | 1418 | 69.1% | $2 / $8 | 200K |
| 13 | GPT-5 | OpenAI | 1412 | 65% | $1.25 / $10 | 400K |
| 14 | GPT-5.4 Codex | OpenAI | 1408 | 70% | $9 / $36 | 500K |
| 15 | Codex CLI | OpenAI | 1408 | 70% | $9 / $36 | 500K |
Comparativa completa de modelos de IA
Por preferencia de la comunidad (Arena Elo) la parte alta la ocupan los modelos frontera de Anthropic, OpenAI y Google. La respuesta práctica depende de tu caso de uso, programación, razonamiento y precio dan cada uno un ganador distinto, por eso publicamos un leaderboard por dimensión.
Chatbot Arena muestra a la gente dos respuestas anónimas al mismo prompt y pregunta cuál es mejor. Cada voto actualiza una puntuación Elo, el mismo sistema del ajedrez. Es lo más parecido a una cata a ciegas de modelos de IA.