Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
Furniture Assembly: resultados de modelos de IA
Furniture Assembly es un benchmark de Razonamiento ejecutado por Epoch AI. En nuestros datos hay resultados publicados de 34 modelos.
Se muestra como referencia y no forma parte del índice SI-IQ: menos de 3 modelos del grupo de referencia.
- Evaluador
- Epoch AI
- Página principal del benchmark
- epoch.ai/benchmarks/furniture-assembly
Resultados
| 1 | Claude Opus 5.5 Anthropic | 83,3 % | 144141–148 | 9 |
| 2 | GPT-6 Astra OpenAI | 80,0 % | 150146–153 | 9 |
| 3 | GPT-6.1 Sol OpenAI | 80,0 % | 148144–152 | 9 |
| 4 | Claude Sonnet 5.5 Anthropic | 75,0 % | 140137–143 | 9 |
| 5 | Gemini 4 Argon Google DeepMind | 72,5 % | 140137–143 | 9 |
| 6 | Claude Fable 5.1 Anthropic | 70,0 % | 140136–143 | 8 |
| 7 | Claude Opus 5 Anthropic | 60,8 % | 136133–140 | 9 |
| 8 | GPT-6 Sol OpenAI | 58,3 % | 140137–144 | 9 |
| 9 | GPT-5.6 Sol OpenAI | 56,7 % | 140137–143 | 9 |
| 10 | GPT-5.6 Terra OpenAI | 54,2 % | 134131–137 | 9 |
| 11 | Muse Wonder Meta AI | 54,2 % | 136133–139 | 4 datos insuficientes |
| 12 | Claude Haiku 5.5 Anthropic | 47,5 % | 129126–132 | 9 |
| 13 | GPT-5.5 OpenAI | 44,2 % | 138135–141 | 10 |
| 14 | GPT-6 Luna OpenAI | 44,2 % | 130127–133 | 9 |
| 15 | Claude Opus 4.8 Anthropic | 42,5 % | 132129–135 | 9 |
| 16 | GPT-5.6 Luna OpenAI | 42,5 % | 130127–133 | 9 |
| 17 | Grok 4.6 xAI | 40,0 % | 126123–129 | 9 |
| 18 | GPT-5.2 OpenAI | 38,3 % | 125122–128 | 11 |
| 19 | GPT-5.4 OpenAI | 37,5 % | 131128–133 | 10 |
| 20 | Claude Fable 5 Anthropic | 35,8 % | 138134–141 | 9 |
| 21 | DeepSeek V4.1 Flashabierto DeepSeek | 34,2 % | 128125–131 | 9 |
| 22 | Kimi K3abierto Moonshot | 34,2 % | 127124–130 | 9 |
| 23 | Claude Opus 4.7 Anthropic | 33,3 % | 127124–130 | 10 |
| 24 | Gemini 3.8 Flash Google DeepMind | 31,7 % | 130127–133 | 9 |
| 25 | Claude Opus 4.5 Anthropic | 28,3 % | 115111–118 | 11 |
| 26 | Claude Opus 4.6 Anthropic | 28,3 % | 123120–126 | 10 |
| 27 | Gemini 3.1 Pro Google DeepMind | 26,7 % | 127124–130 | 10 |
| 28 | Gemini 3.7 Flash Google DeepMind | 26,7 % | 131128–134 | 9 |
| 29 | Gemini 3.6 Flash Google DeepMind | 23,3 % | 125122–128 | 9 |
| 30 | Grok 4.5 xAI | 22,5 % | 124121–127 | 6 datos insuficientes |
| 31 | Kimi K2.6abierto Moonshot | 21,7 % | 121118–124 | 10 |
| 32 | Grok 4.7 xAI | 20,8 % | 123120–127 | 7 datos insuficientes |
| 33 | Mistral Large 4 Mistral AI | 20,8 % | 122119–125 | 7 datos insuficientes |
| 34 | Qwen3.8 Max (0902) Alibaba | 20,0 % | 127123–130 | 6 datos insuficientes |
Fuentes de datos: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); LiteLLM, model_prices_and_context_window.json (MIT); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (licencias y cambios).