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
OTIS Mock AIME 2024–2025: resultados de modelos de IA
OTIS Mock AIME 2024–2025 es un benchmark de Matemáticas ejecutado por Epoch AI. En nuestros datos hay resultados publicados de 193 modelos.
Forma parte del índice SI-IQ (carga α = 1,38, nivel de azar 0 %).
- Evaluador
- Epoch AI
- Página principal del benchmark
- epoch.ai/benchmarks/otis-mock-aime-2024-2025
Resultados
| 1 | Claude Fable 5 Anthropic | 100,0 % | 138134–141 | 9 |
| 2 | Claude Fable 5.1 Anthropic | 100,0 % | 140136–143 | 8 |
| 3 | Claude Opus 5.5 Anthropic | 100,0 % | 144141–148 | 9 |
| 4 | Claude Sonnet 5.5 Anthropic | 100,0 % | 140137–143 | 9 |
| 5 | GPT-5.5 OpenAI | 100,0 % | 138135–141 | 10 |
| 6 | GPT-5.5 Pro OpenAI | 100,0 % | 139135–142 | 5 resultados de menos de 2 evaluadores |
| 7 | GPT-5.6 Sol OpenAI | 100,0 % | 140137–143 | 9 |
| 8 | GPT-6 Astra OpenAI | 100,0 % | 150146–153 | 9 |
| 9 | GPT-6 Sol OpenAI | 100,0 % | 140137–144 | 9 |
| 10 | GPT-6.1 Sol OpenAI | 100,0 % | 148144–152 | 9 |
| 11 | Gemini 4 Argon Google DeepMind | 100,0 % | 140137–143 | 9 |
| 12 | Qwen3.8 Max (0902) Alibaba | 100,0 % | 127123–130 | 6 resultados de menos de 2 evaluadores |
| 13 | GPT-5.6 Terra OpenAI | 99,7 % | 134131–137 | 9 |
| 14 | Muse Wonder Meta AI | 99,4 % | 136133–139 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 15 | Qwen 3.8 Max Alibaba | 99,4 % | 130127–133 | 7 resultados de menos de 2 evaluadores |
| 16 | Grok 4.6 xAI | 99,2 % | 126123–129 | 9 |
| 17 | Muse Spark 1.3 Meta AI | 99,2 % | 128125–131 | 5 resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 18 | Claude Haiku 5.5 Anthropic | 98,9 % | 129126–132 | 9 |
| 19 | Claude Opus 5 Anthropic | 98,9 % | 136133–140 | 9 |
| 20 | GPT-6 Luna OpenAI | 98,9 % | 130127–133 | 9 |
| 21 | Gemini 3.8 Flash Google DeepMind | 98,9 % | 130127–133 | 9 |
| 22 | DeepSeek V4 Pro 0813abierto DeepSeek | 98,6 % | 128125–131 | 9 |
| 23 | Claude Opus 4.8 Anthropic | 98,3 % | 132129–135 | 9 |
| 24 | DeepSeek V4.1 Flashabierto DeepSeek | 98,3 % | 128125–131 | 9 |
| 25 | GPT-5.6 Luna OpenAI | 98,3 % | 130127–133 | 9 |
| 26 | Mistral Large 4 Mistral AI | 98,3 % | 122119–125 | 7 resultados de menos de 2 evaluadores |
| 27 | Grok 4.7 xAI | 98,1 % | 123120–127 | 7 resultados de menos de 2 evaluadores |
| 28 | Muse Spark Openabierto Meta AI | 98,1 % | 127124–130 | 7 |
| 29 | Claude Opus 4.7 Anthropic | 97,8 % | 127124–130 | 10 |
| 30 | GPT-5.4 OpenAI | 97,8 % | 131128–133 | 10 |
| 31 | Grok 4.5 xAI | 97,8 % | 124121–127 | 6 resultados de menos de 2 evaluadores |
| 32 | Gemini 3.7 Flash Google DeepMind | 97,2 % | 131128–134 | 9 |
| 33 | Kimi K3abierto Moonshot | 97,2 % | 127124–130 | 9 |
| 34 | DeepSeek-V4-Proabierto DeepSeek | 96,7 % | 117113–120 | 10 |
| 35 | GPT-5.2 OpenAI | 96,1 % | 125122–128 | 11 |
| 36 | Kimi K2.6abierto Moonshot | 96,1 % | 121118–124 | 10 |
| 37 | Gemini 3.1 Pro Google DeepMind | 95,6 % | 127124–130 | 10 |
| 38 | Gemini 3 Flash Google DeepMind | 95,6 % | 122119–125 | 10 |
| 39 | Gemini 3.5 Flash Google DeepMind | 95,6 % | 126123–129 | 10 |
| 40 | Kimi K2.7 Codeabierto Moonshot | 95,6 % | 118115–122 | 8 |
| 41 | Qwen3.7-Max Alibaba | 95,6 % | 125122–128 | 10 |
| 42 | Claude Sonnet 5 Anthropic | 94,7 % | 126123–129 | 9 |
| 43 | Claude Opus 4.6 Anthropic | 94,4 % | 123120–126 | 10 |
| 44 | DeepSeek V4 Flash 0731abierto DeepSeek | 94,4 % | 124121–127 | 9 |
| 45 | Gemini 3.6 Flash Google DeepMind | 94,2 % | 125122–128 | 9 |
| 46 | GLM-5.3-Flashabierto Z.ai (Zhipu AI) | 93,9 % | 120117–124 | 8 |
| 47 | GLM-5.1abierto Z.ai (Zhipu AI) | 93,3 % | 116112–120 | 8 |
| 48 | Grok 4.3 Beta xAI | 93,3 % | 117114–121 | 6 resultados de menos de 2 evaluadores |
| 49 | Qwen 3.6 Plus Alibaba | 93,3 % | 113109–117 | 7 resultados de menos de 2 evaluadores |
| 50 | Qwen3.7-Plus Alibaba | 93,3 % | 115110–119 | 6 |
| 51 | Kimi K2.5abierto Moonshot | 92,2 % | 119112–125 | 6 |
| 52 | GPT-5 OpenAI | 91,4 % | 121118–124 | 12 |
| 53 | Gemini 3 Pro Google DeepMind | 91,4 % | 122115–130 | 4 resultados de menos de 5 benchmarks |
| 54 | GLM-5.3abierto Z.ai (Zhipu AI) | 91,1 % | 125122–128 | 9 |
| 55 | Qwen 3.6 Max (Preview) Alibaba | 91,1 % | 118112–124 | 5 resultados de menos de 2 evaluadores |
| 56 | Qwen3.6 27Babierto Alibaba | 91,1 % | 115110–119 | 6 |
| 57 | Inkling-Smallabierto Thinking Machines | 90,0 % | 118115–122 | 8 |
| 58 | Muse Spark Meta AI | 88,9 % | 118110–126 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 59 | GPT-5.4 Mini OpenAI | 88,9 % | 117113–120 | 9 |
| 60 | Inklingabierto Thinking Machines | 88,9 % | 114110–117 | 8 |
| 61 | Qwen3.5 397B-A17Babierto Alibaba | 88,9 % | 114109–118 | 6 |
| 62 | gpt-oss-120babierto OpenAI | 88,9 % | 10699–112 | 6 |
| 63 | GPT-5.1 OpenAI | 88,6 % | 120115–125 | 8 |
| 64 | GPT-5.4 Nano OpenAI | 87,8 % | 118115–121 | 9 |
| 65 | GPT-5 mini OpenAI | 86,7 % | 115112–118 | 12 |
| 66 | Nemotron 3 Ultraabierto Nvidia | 86,7 % | 114108–120 | 4 resultados de menos de 5 benchmarks |
| 67 | Qwen 3.5 Plus (hosted 397B-A17B) Alibaba | 86,7 % | 109103–115 | 5 resultados de menos de 2 evaluadores |
| 68 | Qwen 3.6 35B-A3Babierto Alibaba | 86,7 % | 111107–115 | 6 |
| 69 | Qwen3-235B-A22B-Thinking (Jul 2025)abierto Alibaba | 86,7 % | 111105–118 | 6 |
| 70 | Qwen3.7 Flash Alibaba | 86,7 % | 107103–112 | 4 resultados de menos de 5 benchmarks; resultados de menos de 2 evaluadores |
| 71 | GLM-5.2abierto Z.ai (Zhipu AI) | 86,4 % | 121118–124 | 10 |
| 72 | Claude Opus 4.5 Anthropic | 86,1 % | 115111–118 | 11 |
| 73 | Claude Sonnet 4.6 Anthropic | 85,8 % | 113108–118 | 8 |
| 74 | Gemini 2.5 Pro (Jun 2025) Google DeepMind | 84,7 % | 108104–112 | 8 |
| 75 | Qwen 3.5 Flash (hosted 35B-A3B) Alibaba | 84,4 % | 107103–111 | 6 resultados de menos de 2 evaluadores |
| 76 | Qwen 3.6 Flash Alibaba | 84,4 % | 107103–111 | 6 resultados de menos de 2 evaluadores |
| 77 | o3 OpenAI | 84,4 % | 116113–119 | 10 |
| 78 | Grok 4 xAI | 84,0 % | 114107–120 | 4 resultados de menos de 5 benchmarks |
| 79 | GLM-4.7abierto Z.ai (Zhipu AI) | 83,3 % | 112107–118 | 6 |
| 80 | Gemma 4 26B A4Babierto Google DeepMind | 82,2 % | 106100–112 | 4 resultados de menos de 5 benchmarks |
| 81 | o4-mini OpenAI | 81,7 % | 112109–115 | 10 |
| 82 | GPT-5 nano OpenAI | 81,1 % | 105102–109 | 11 |
| 83 | GLM-5abierto Z.ai (Zhipu AI) | 80,0 % | 112105–118 | 5 resultados de menos de 5 benchmarks |
| 84 | Gemini 3.1 Flash-Lite Google | 80,0 % | 109105–114 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 85 | Claude Sonnet 4.5 Anthropic | 77,8 % | 110107–113 | 12 |
| 86 | Grok-3 mini xAI | 77,8 % | 10095–105 | 4 resultados de menos de 5 benchmarks |
| 87 | o3-mini OpenAI | 76,9 % | 105101–108 | 9 |
| 88 | Gemma 4 31B ITabierto Google DeepMind | 73,3 % | 10498–110 | 5 resultados de menos de 5 benchmarks |
| 89 | Qwen3-Max Alibaba | 73,3 % | 106103–110 | 6 resultados de menos de 2 evaluadores |
| 90 | o1 OpenAI | 73,3 % | 10399–106 | 6 resultados de menos de 2 evaluadores |
| 91 | Gemini 2.5 Flash (Apr 2025) Google DeepMind | 73,1 % | 10194–108 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas |
| 92 | Claude Sonnet 4 Anthropic | 71,1 % | 9793–101 | 6 |
| 93 | Gemini 3.5 Flash-Lite Google DeepMind | 71,1 % | 109106–113 | 8 |
| 94 | MiniMax-M3abierto MiniMax | 71,1 % | 108102–114 | 6 |
| 95 | Gemini 2.5 Flash (May 2025) Google DeepMind | 70,8 % | 10294–109 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas |
| 96 | Qwen3-30B-A3B-Thinking (Jul 2025)abierto Alibaba | 70,3 % | 10093–106 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 97 | Qwen3.5-35B-A3Babierto Alibaba | 70,0 % | 106100–112 | 4 resultados de menos de 5 benchmarks |
| 98 | Claude Opus 4.1 Anthropic | 68,9 % | 105102–109 | 6 resultados de menos de 2 evaluadores |
| 99 | GPT-5.5 Instant OpenAI | 68,1 % | 107103–111 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 100 | seed-oss-36b-instruct — | 67,5 % | 9993–106 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 101 | Qwen3-32Babierto Alibaba | 66,9 % | 9589–100 | 6 |
| 102 | Claude Haiku 4.5 Anthropic | 66,7 % | 10499–108 | 8 |
| 103 | DeepSeek-R1 (May 2025)abierto DeepSeek | 66,4 % | 104100–109 | 5 resultados de menos de 5 benchmarks |
| 104 | Qwen3-14Babierto Alibaba | 66,4 % | 9387–99 | 5 resultados de menos de 5 benchmarks |
| 105 | gpt-oss-20babierto OpenAI | 65,3 % | 9589–101 | 4 resultados de menos de 5 benchmarks |
| 106 | Claude Opus 4 Anthropic | 64,4 % | 9893–102 | 5 |
| 107 | Qwen3-30B-A3Babierto Alibaba | 62,8 % | 9488–100 | 4 resultados de menos de 5 benchmarks |
| 108 | Qwen3-30B-A3B-Instruct (Jul 2025)abierto Alibaba | 62,2 % | 9186–97 | 5 resultados de menos de 5 benchmarks |
| 109 | Qwen3.5-9Babierto Alibaba | 61,7 % | 10195–107 | 4 resultados de menos de 5 benchmarks |
| 110 | QwQ-32Babierto Alibaba | 59,2 % | 9286–98 | 3 resultados de menos de 5 benchmarks |
| 111 | glm-4.7-flash — | 58,3 % | 9488–100 | 4 resultados de menos de 5 benchmarks |
| 112 | Claude 3.7 Sonnet Anthropic | 57,8 % | 9995–103 | 5 |
| 113 | Gemini 2.0 Flash Thinking (Jan 2025) Google DeepMind, Google | 57,8 % | 8983–95 | 3 resultados de menos de 5 benchmarks |
| 114 | Qwen3-8Babierto Alibaba | 56,1 % | 9184–97 | 3 resultados de menos de 5 benchmarks |
| 115 | Qwen3.5-4Babierto Alibaba | 55,8 % | 9688–103 | 1 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 116 | DeepSeek-R1-Distill-Qwen-32Babierto DeepSeek | 55,6 % | 9387–100 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 117 | Grok 3 xAI | 55,6 % | 9691–100 | 4 resultados de menos de 5 benchmarks |
| 118 | DeepSeek-R1abierto DeepSeek | 53,3 % | 9893–102 | 4 resultados de menos de 5 benchmarks |
| 119 | qwen3-4b-instruct-2507 — | 52,2 % | 8579–92 | 3 resultados de menos de 5 benchmarks |
| 120 | DeepSeek-R1-Distill-Llama-70Babierto DeepSeek | 51,4 % | 9288–97 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 121 | DeepSeek-R1-Distill-Qwen-14Babierto DeepSeek | 50,6 % | 8984–93 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 122 | o1-mini OpenAI | 46,9 % | 9287–96 | 4 resultados de menos de 5 benchmarks |
| 123 | GPT-4.1 mini OpenAI | 44,7 % | 9188–95 | 11 |
| 124 | deepseek-r1-0528-qwen3-8b — | 43,9 % | 9083–98 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 125 | GPT-4.1 OpenAI | 38,3 % | 9187–94 | 11 |
| 126 | DeepSeek-V3 (Mar 2025)abierto DeepSeek | 37,8 % | 8581–90 | 5 resultados de menos de 5 benchmarks |
| 127 | GPT-4.5 OpenAI | 37,8 % | 8783–92 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 128 | Mistral Medium 3 Mistral AI | 32,2 % | 8681–90 | 4 resultados de menos de 5 benchmarks |
| 129 | Gemini 2.0 Flash (Feb 2025) Google DeepMind, Google | 31,1 % | 8782–91 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 130 | o1-preview OpenAI | 31,1 % | 8480–89 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 131 | Mistral Small 3.2abierto Mistral AI | 30,3 % | 8074–87 | 3 resultados de menos de 5 benchmarks |
| 132 | Magistral Small 1.0abierto Mistral AI | 30,0 % | 8376–89 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 133 | GPT-4.1 nano OpenAI | 28,9 % | 7672–80 | 9 |
| 134 | Magistral Small 1.2abierto Mistral AI | 28,1 % | 7972–86 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 135 | glm-4.7-flash_none — | 25,0 % | 7770–84 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 136 | Gemini 1.5 Pro (Sept 2024) Google DeepMind | 23,1 % | 8075–85 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 137 | Gemma 3 27Babierto Google DeepMind | 22,5 % | 7772–81 | 5 |
| 138 | DeepSeek-R1-Distill-Qwen-1.5Babierto DeepSeek | 21,4 % | 7365–80 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 139 | Llama 4 Maverickabierto Meta AI | 20,6 % | 8177–85 | 7 |
| 140 | Qwen Plus (Jan 2025) Alibaba | 17,8 % | 7671–81 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 141 | Gemma 3 12Babierto Google DeepMind | 16,7 % | 7366–79 | 5 resultados de menos de 5 benchmarks |
| 142 | Gemini 1.5 Flash (Sep 2024) Google DeepMind | 16,2 % | 7470–79 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 143 | Qwen2.5-Max Alibaba | 16,1 % | 7873–82 | 4 resultados de menos de 5 benchmarks |
| 144 | DeepSeek-V3abierto DeepSeek | 15,8 % | 7773–82 | 5 resultados de menos de 5 benchmarks |
| 145 | Phi-4abierto Microsoft Research | 13,8 % | 7671–81 | 4 resultados de menos de 5 benchmarks |
| 146 | Grok-2 (Dec 2024) xAI | 11,5 % | 7570–80 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 147 | Llama 3.1-405Babierto Meta AI | 9,7 % | 7065–75 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 148 | Claude 3.5 Sonnet (October 2024) Anthropic | 8,5 % | 7671–80 | 4 resultados de menos de 5 benchmarks |
| 149 | Mistral Large 2 (Jul 2024)abierto Mistral AI | 8,5 % | 6863–73 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 150 | Qwen2.5-72Babierto Alibaba | 8,1 % | 7268–77 | 5 resultados de menos de 5 benchmarks |
| 151 | Qwen3-1.7Babierto Alibaba | 8,1 % | 6557–73 | 3 resultados de menos de 5 benchmarks |
| 152 | Llama 4 Scoutabierto Meta AI | 7,8 % | 7368–78 | 4 resultados de menos de 5 benchmarks |
| 153 | Mistral Large 2 (Nov 2024)abierto Mistral AI | 7,8 % | 7166–76 | 4 resultados de menos de 5 benchmarks |
| 154 | Gemma 3 4Babierto Google DeepMind | 7,5 % | 6353–73 | 4 resultados de menos de 5 benchmarks |
| 155 | Qwen2.5-32Babierto Alibaba | 7,4 % | 7166–76 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 156 | GPT-4o mini OpenAI | 6,9 % | 6864–73 | 10 |
| 157 | Gemini 1.5 Pro (May 2024) Google DeepMind | 6,8 % | 6661–71 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 158 | GPT-4 Turbo (Apr 2024) OpenAI | 6,7 % | 6864–73 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 159 | Mistral Small 3abierto Mistral AI | 6,7 % | 6762–72 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 160 | Claude 3.5 Sonnet Anthropic | 6,5 % | 7166–76 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 161 | GPT-4o (Aug 2024) OpenAI | 6,4 % | 7368–77 | 9 |
| 162 | GPT-4o (May 2024) OpenAI | 6,2 % | 7066–75 | 5 resultados de menos de 5 benchmarks |
| 163 | GPT-4o (Nov 2024) OpenAI | 6,2 % | 6964–73 | 5 |
| 164 | Qwen-Turbo Alibaba | 6,1 % | 6964–75 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 165 | Mistral Small 3.1abierto Mistral AI | 5,8 % | 6863–73 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 166 | Llama 3.3 70Babierto Meta AI | 5,1 % | 6661–71 | 6 |
| 167 | Claude 3 Opus Anthropic | 4,7 % | 6560–70 | 5 resultados de menos de 2 evaluadores |
| 168 | Gemini 1.5 Flash 8B Google DeepMind | 4,6 % | 5747–67 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 169 | Claude 3.5 Haiku Anthropic | 4,3 % | 6762–72 | 4 resultados de menos de 5 benchmarks |
| 170 | Llama 3-70Babierto Meta AI | 4,3 % | 5752–62 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 171 | Gemini 1.5 Flash (May 2024) Google DeepMind | 3,9 % | 5853–63 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 172 | Llama 3.1-70Babierto Meta AI | 3,6 % | 6358–68 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 173 | granite-4.0-micro — | 2,8 % | 5441–67 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 174 | Claude 2 Anthropic | 2,5 % | 4842–53 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 175 | Claude 3 Sonnet Anthropic | 2,5 % | 5449–59 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 176 | Hermes 2 Theta Llama-3 70Babierto Nous Research, Arcee AI | 2,5 % | 5550–61 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 177 | Qwen2.5-7Babierto Alibaba | 2,5 % | 5141–60 | 4 resultados de menos de 5 benchmarks |
| 178 | GPT-3.5 Turbo (Jan 2024) OpenAI | 2,2 % | 4742–53 | 5 resultados de menos de 2 evaluadores |
| 179 | Claude 2.1 Anthropic | 1,9 % | 5240–64 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 180 | Llama 3-8Babierto Meta AI | 1,9 % | 4034–46 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 181 | Mistral Large Mistral AI | 1,9 % | 5651–62 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 182 | Claude 3 Haiku Anthropic | 1,8 % | 5045–56 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 183 | Llama 3.1-8Babierto Meta AI | 1,7 % | 5549–60 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas |
| 184 | Gemma 2 27Babierto Google DeepMind | 1,4 % | 5752–63 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 185 | GPT-4 (Jun 2023) OpenAI | 1,1 % | 5751–63 | 4 resultados de menos de 5 benchmarks; resultados de menos de 2 evaluadores |
| 186 | Gemini 1.0 Pro Google DeepMind | 1,1 % | 4640–52 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 187 | Gemma 3 1Babierto Google DeepMind | 1,1 % | 4025–55 | 3 resultados de menos de 5 benchmarks |
| 188 | granite-4.0-1b — | 0,8 % | 5537–74 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 189 | GPT-4 (Mar 2023) OpenAI | 0,6 % | 5240–65 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 190 | Gemma 2 9Babierto Google DeepMind | 0,6 % | 5347–59 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 191 | Llama 3.2 1Babierto Meta AI | 0,6 % | 4227–58 | 3 resultados de menos de 5 benchmarks |
| 192 | Mistral 7B v0.3abierto Mistral AI | 0,3 % | 5434–75 | 2 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 193 | granite-4.0-350m — | 0,3 % | 5337–68 | 3 resultados de menos de 5 benchmarks |
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).