Ranking de modelos de IA: quién es el n.º 1 ahora mismo

Cómo funciona el ranking

LMArena (la antigua Chatbot Arena del grupo LMSYS de UC Berkeley) muestra a cada visitante dos modelos anónimos respondiendo a la misma pregunta y le pide que elija la mejor respuesta. Millones de esos votos alimentan una valoración Bradley-Terry, la misma familia matemática que el Elo del ajedrez, de modo que la puntuación de un modelo indica con qué frecuencia gana frente al resto. El margen del 95 % junto a cada puntuación es la incertidumbre: un modelo con 5.000 votos tiene un margen más ancho que uno con 70.000. Mostramos la tabla general de texto por defecto de LMArena, una fila por modelo. LMArena lista el mismo modelo varias veces con distintos ajustes de razonamiento («high», «max»); nos quedamos con el mejor clasificado e indicamos el ajuste entre paréntesis.

Cómo leer los precios

Las empresas de IA cobran por token, y un token equivale a unas tres cuartas partes de una palabra en inglés, así que un millón de tokens son unas 750.000 palabras. La entrada es lo que envías (tu pregunta, el documento que pegas); la salida es lo que el modelo escribe. La salida es la parte cara, y los modos de «pensamiento» o razonamiento cobran también su razonamiento oculto como salida, así que una pregunta difícil puede costar varias veces lo que sugiere la longitud de la respuesta. Los precios de aquí son los de lista del catálogo público de OpenRouter, que reflejan las tarifas de los propios fabricantes; OpenAI, Anthropic y Google venden además tarifas por lotes a mitad de precio para trabajos que pueden esperar. Confirma siempre en la página de precios del fabricante antes de presupuestar.

¿Cuál deberías usar en realidad?

Si usas la IA desde una app de chat y no desde una API, el ranking importa menos de lo que parece. Los diez primeros están a pocos puntos entre sí, las versiones gratuitas de ChatGPT, Claude y Gemini funcionan con modelos de ese grupo, y las diferencias que cuentan en el día a día son las funciones de la app: memoria, manejo de archivos, voz y si tu empresa la permite. Elige por la app que te guste y el precio que pagues. Si pagas por token, la tabla de costes es la que debes leer: entre el modelo de marca más barato y el más caro hay más de cien veces de diferencia, y para el trabajo rutinario el extremo barato suele bastar.

Lo que esta página no te dice

Un voto cara a cara mide qué respuesta prefirió la gente en una ventana de chat. No mide la precisión al programar, el trabajo con documentos largos, la comprensión de imágenes, la velocidad ni cómo se comporta un modelo dentro de un agente. LMArena mantiene tablas separadas para varias de esas cosas, y conjuntos de pruebas como Artificial Analysis publican sus propios índices. Toma esta tabla como el voto popular, no como la elección entera.

Preguntas frecuentes

Sigue leyendo

• GPT-6 Astra ya está aquí: qué cambió
• Claude Fable 5.1: el modelo que caza errores
• Por qué todas las IA suenan igual
• Por qué Opus 4.6 acabó con la era del copiloto
• Modelos de razonamiento explicados: IA que piensa antes de hablar

Datos del ranking: LMArena. Datos de precios y listados: OpenRouter. Ambos aparecen acreditados en cada tabla; este sitio no está afiliado a ninguno.