Última actualización:

Generación de los modelos
Clasificación de modelos de escritura basada en resultados por pares
PuestoModeloPuntuación del juez IAPuntuación humana
1Claude Opus 5.5 💡 adaptive high97,6—
2Claude Opus 5 💡 adaptive high97,4—
3Claude Fable 5.1 💡 adaptive high97,0—
4Kimi K3 💡 enabled95,6—
5GPT-6.1 Sol 💡 high95,0—
6Claude Fable 5 💡 adaptive high94,6—
7GPT-6 Astra 💡 high94,3—
7Kimi K3.1 Pro 💡 high94,3—
9Claude Fable 5.2 💡 adaptive high94,2—
11GLM 5.3 💡 max92,1—
12Claude Sonnet 5.5 💡 adaptive high91,9—
13GPT-6 Sol 💡 high91,8—
14Qwen4 Max 💡 high91,0—
15Muse Spark 1.2 💡 high90,4—
16Grok 4.7 💡 high89,1—
17GPT-6.1 Terra 💡 high87,2—
18DeepSeek V4.1 Flash 💡 high86,5—
19Muse Spark 1.3 💡 high85,7—
20Gemini 4 Argon 💡 high84,4—
21GPT-5.6 Sol 💡 high83,6—
22GPT-6 Luna 💡 high83,4—
23Gemini 3.8 Flash 💡 high83,1—
23Ling 3.1 Flash 💡 high83,1—
25Claude Sonnet 5 💡 adaptive high82,8—
26Aion 3.5 💡 high82,1—
28Qwen3.8 Max 💡 xhigh81,7—
29GPT-5.6 Terra 💡 high81,2—
30Gemini 4 Hydrogen 💡 high80,1—
31Claude Haiku 5.5 💡 adaptive high78,9—
32MiMo V2.6 Pro fp8 💡 high75,8—
33GPT-5.6 Luna 💡 high75,1—
34MiniMax M3 💡 enabled74,5—
35Qwen3.7 Max 💡 enabled72,5—
36DeepSeek V4 Pro 💡 enabled72,0—
37Step 5 Preview fp8 💡 high71,7—
38Inkling 💡 high69,6—
39Grok 4.6 💡 high69,1—
40Ling 3.2 Flash 💡 high67,3—
41Qwen3.8 Flash 💡 high66,0—
42GLM 5.2 💡 enabled65,4—
43Beam 1.0 💡 high64,7—
44Qwen3.8 27B Q8_0 💡 xhigh** 🏠62,5—
45Qwen3.7 Plus 💡 enabled61,0—
46Mistral Large 4 💡 high60,0—
47Gemma 4 31B Q8_0 💡 on* 🏠59,9—
48Hy4 Preview 💡 high59,7—
51Gemini 3.7 Flash 💡 medium56,9—
52DeepSeek V4 Flash 💡 enabled56,8—
53Gemma 4 31B Q8_0 ↯ 🏠55,5—
53Muse Ember 💡 high55,5—
57Gemma 4 26B A4B Q8_0 ↯ 🏠53,8—
58Mercury 3 💡 high52,9—
61Nemotron 3.5 Super VL 💡 high50,4—
62Seed 2.1 Turbo ↯50,2—
66Gemma 4 26B A4B Q8_0 💡 on* 🏠48,0—
67Aion 3.0 💡 mandatory43,9—
68Gemma 4 12B Q8_0 💡 on* 🏠43,5—
69GLM 5.3 Flash 💡 high43,4—
71Nemotron 3 Ultra 💡 high41,8—
72Hy3 💡 high41,5—
74MiMo V2.6 Flash 💡 high40,3—
74Qwen3.6 27B Q8_0 💡 on* 🏠40,3—
78MiMo V2.5 Pro 💡 enabled38,2—
80Gemma 4 12B Q8_0 ↯ 🏠37,3—
81Qwen3.6 35B A3B Q8_0 💡 on* 🏠36,8—
86Qwen3.8 27B Q8_0 ↯ 🏠30,7—
90Agnes 3.0 Flash 💡 high24,5—
92Mistral Medium 3.5 💡 high20,9—
94Nemotron 3.5 Lightning 💡 high16,1—
96Qwen3.6 35B A3B Q8_0 ↯ 🏠15,9—
97Gemma 4 E4B Q8_0 💡 on* 🏠13,4—
98Gemma 4 E2B Q8_0 💡 on* 🏠13,1—
101MiMo V2.5 💡 enabled12,3—
102Qwen3.6 27B Q8_0 ↯ 🏠11,9—
103Gemma 4 E2B Q8_0 ↯ 🏠11,0—
109Gemma 4 E4B Q8_0 ↯ 🏠9,3—
110Flint V1.0 💡 high9,1—
116Granite 4.2 30B Q8_0 💡 full 🏠6,8—
117Nemotron 3 Nano Omni 30B A3B Q8_0 💡 on* 🏠6,2—
120Granite 4.2 8B Q8_0 💡 full 🏠1,8—
121MiniMax M3.1 Flash 💡 high1,5—

121 modelos comparados126.604 veredictos de IA publicados

Método: modelo de Bradley–Terry regularizado. La puntuación del juez IA determina el puesto; la puntuación humana es independiente y sigue siendo secundaria hasta que haya más votos de la comunidad. Una puntuación de 50 equivale a una probabilidad estimada de una entre dos de superar al modelo medio en este idioma y categoría.

Resultados de los duelos directos

Cada celda muestra la proporción de puntos posibles que obtiene el modelo de la fila frente al modelo de la columna: una victoria vale el 100 %, un empate el 50 % y una derrota el 0 %. Esta matriz solo usa los protocolos de evaluación compatibles con la clasificación principal.

Matriz direccional de los puntos obtenidos en duelos directos. Por encima del 50 % favorece al modelo de la fila; por debajo, al de la columna.

0 %100 %

💡 indica un modelo con razonamiento, ↯ uno sin razonamiento. 🏠 indica un modelo ejecutado localmente en el ordenador del autor de este sitio.«on*» indica un razonamiento que solo se activa o se desactiva (modelos locales sin niveles intermedios): el nivel solicitado, high, no está disponible en el archivo local, que usa el modo activado por defecto. En los modelos locales con razonamiento ajustable (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash), el nivel mostrado (xhigh**, high, full) es el nivel por defecto del modelo: el nivel solicitado no está disponible en el archivo local, que usa su nivel por defecto.

Ver como tabla
Puntos obtenidos en duelos directos por pareja de modelos
Modelo

Cobertura de duelos publicados

Cada celda muestra cuántos duelos juzgados por IA y publicados, en todos los protocolos, comparan los dos modelos para este idioma y categoría. Los modelos de ambos ejes son candidatos; la matriz no indica qué juez emitió cada veredicto.

Matriz simétrica del número de duelos publicados. La diagonal es cero porque un modelo no se compara consigo mismo.

0

💡 indica un modelo con razonamiento, ↯ uno sin razonamiento. 🏠 indica un modelo ejecutado localmente en el ordenador del autor de este sitio.«on*» indica un razonamiento que solo se activa o se desactiva (modelos locales sin niveles intermedios): el nivel solicitado, high, no está disponible en el archivo local, que usa el modo activado por defecto. En los modelos locales con razonamiento ajustable (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash), el nivel mostrado (xhigh**, high, full) es el nivel por defecto del modelo: el nivel solicitado no está disponible en el archivo local, que usa su nivel por defecto.

Ver como tabla
Duelos publicados por pareja de modelos
Modelo

Ayuda a elegir el mejor modelo para escribir en español

¿Qué modelo escribe el mejor texto? Juzga esta pareja anónima y contribuye a la clasificación humana. Durante el duelo no verás qué modelo escribió cada texto. Los nombres se revelan al terminar.

Duelo a ciegas