Metodología
RankingIA no ejecuta pruebas propias. Reúne tablas públicas que miden cosas distintas y las muestra en un solo lugar, junto al precio y el contexto. Los datos se recolectan una vez al día.
Fuentes
- LiveBench: benchmark objetivo, con preguntas nuevas en cada versión para evitar contaminación. Usamos la nota general de LiveBench 2.0 y cada categoría.
- LMArena (arena.ai): las personas comparan dos respuestas a ciegas y votan; eso se convierte en un Elo. Usamos las arenas de texto, WebDev y visión. Cuando un modelo tiene varios modos ("High", "Max"), queda el mejor Elo.
- OpenRouter: precio por millón de tokens, ventana de contexto, fecha de lanzamiento y si los pesos son abiertos.
- Artificial Analysis: Intelligence Index, Humanity's Last Exam, Terminal-Bench, GPQA y contexto largo, además de precio y velocidad. En uso.
- Frankfurter: tipo de cambio de referencia del Banco Central Europeo, para mostrar precios en otras monedas.
Nota RankingIA
- El ranking general incluye los modelos con al menos un benchmark objetivo (LiveBench o Índice de Inteligencia AA o Humanity's Last Exam). Los demás aparecen en "otros modelos", sin nota.
- Para cada métrica calculamos el percentil: el porcentaje de modelos del ranking que este modelo supera (un empate cuenta la mitad). Así, Elo y porcentaje de aciertos quedan en la misma escala de 0 a 100.
- La nota es el promedio ponderado de los percentiles que tiene el modelo. Una métrica que falta no cuenta ni a favor ni en contra.
- Para que un modelo con poca evidencia no suba a la cima con una sola métrica, el promedio recibe 1 de peso extra con percentil 50.
| Métrica | Peso | Fuente |
|---|---|---|
| LiveBench | 3 | LiveBench |
| Índice de Inteligencia AA | 3 | Artificial Analysis |
| Arena texto (Elo) | 2 | LMArena |
| Arena WebDev (Elo) | 1 | LMArena |
| Arena visión (Elo) | 0,5 | LMArena |
| Humanity's Last Exam | 1 | Artificial Analysis |
| Terminal-Bench | 1 | Artificial Analysis |
Categorías
Cada categoría tiene su propia nota: el promedio de los percentiles de sus métricas, con el mismo ajuste. Categorías y métricas:
| Categoría | Métricas |
|---|---|
| Agéntico | LiveBench agéntico largo, Terminal-Bench |
| Código | LiveBench código, Arena WebDev (Elo) |
| Razonamiento | LiveBench razonamiento, Humanity's Last Exam, GPQA Diamond |
| Análisis de datos | LiveBench análisis de datos |
| Investigación | LiveBench investigación, Razonamiento en contexto largo |
| Diseño | LiveBench diseño, Arena WebDev (Elo) |
| Navegador | LiveBench navegador |
| Conversación | Arena texto (Elo) |
| Visión | Arena visión (Elo) |
Evolución de cada modelo
Los modelos de la misma familia (por ejemplo Claude Opus 3, 4, 4.5 y 5.5) se agrupan por el nombre sin el número de versión. La página de cada modelo muestra toda la familia en orden de lanzamiento.
Nombres de los modelos
Cada fuente escribe el nombre a su manera ("Claude Opus 5.5 (High)", "anthropic/claude-opus-5.5"). Los unimos con una clave sin empresa, fecha ni modo de esfuerzo; los casos que la regla no capta van a una lista de alias revisada a mano. Si un modelo aparece duplicado o mezclado, abre un issue.
Límites
- El percentil depende del grupo: cuando entra un modelo fuerte, los otros pueden bajar sin haber empeorado.
- El Elo mide preferencia, no acierto. El estilo y la longitud de la respuesta influyen.
- El precio es el de OpenRouter (el menor entre proveedores); el precio directo del fabricante puede ser otro.
Otras referencias
Estos sitios también siguen modelos de IA, pero no entran en la nota:
- BenchLM: agrega cientos de benchmarks. Sus términos exigen un acuerdo aparte para mostrar sus datos en un sitio público.
- Stanford HAI — AI Index: informe anual sobre el estado de la IA; no es una tabla por modelo actualizada a diario.
- SWEN.AI: ranking en portugués hecho solo con datos de Artificial Analysis, que RankingIA ya usa directamente.
Estado de las fuentes
| Fuente | Última recolección | Datos del |
|---|---|---|
| OpenRouter | ok | 30/10/2026, 11:45 |
| LiveBench | ok | 30/10/2026, 11:45 |
| LMArena | ok | 30/10/2026, 11:45 |
| Artificial Analysis | ok | 30/10/2026, 11:45 |
| Câmbio do BCE (Frankfurter) | ok | 30/10/2026, 11:54 |
Los datos de cada fuente pertenecen a sus dueños y siguen sus términos. El código de RankingIA es abierto, con licencia MIT, en github.com/RicardoBiazin/RankingIA.