Metodología de la comparativa de modelos

Datos al 17 de octubre de 2026: 80 modelos y 303 puntajes de benchmarks. Todo sale de fuentes públicas que cualquiera puede revisar.

Reglas

• No estimamos, no promediamos fuentes distintas y no completamos huecos. Si la fuente no publica un dato, la celda dice "Sin dato".
• Cada número guarda su fuente, la variante exacta evaluada (por ejemplo, claude-opus-5-5_max) y la fecha en que lo consultamos.
• Ningún proveedor paga por aparecer ni por su posición. Si alguna vez hay contenido pagado, irá marcado.
• Los datos se actualizan cada semana con un script propio (tools/models_refresh.py) que descarga las fuentes y regenera la tabla. Los emparejamientos dudosos entre fuentes se corrigen a mano y se documentan.

Fuentes

• Lista de modelos, fecha de lanzamiento, país y tipo de acceso: Epoch AI, Benchmarking Hub (licencia CC BY 4.0). Incluimos los modelos lanzados desde el 1 de marzo de 2026 que tienen al menos un dato de Epoch o de LMArena.
• Índice de capacidades (ECI): Epoch AI combina muchos benchmarks en un solo índice con su intervalo de confianza. Lo usamos como orden por defecto porque resume más que un solo test.
• Benchmarks: los archivos públicos de Epoch AI para GPQA Diamond, SWE-bench Verified, OTIS Mock AIME, FrontierMath 1-3, Humanity's Last Exam, SimpleQA Verified, Terminal-Bench, ARC-AGI-2. Mostramos el mejor puntaje entre las variantes del modelo que Epoch evaluó (columna "Best score (across scorers)" o la columna de puntaje que indica Epoch para benchmarks externos).
• Rendimiento en español: la categoría spanish del dataset público de LMArena (configuración text con control de estilo, licencia CC BY 4.0), tabla publicada el 15 de octubre de 2026. Es un Elo calculado con votos de personas que compararon respuestas en español. Mostramos la cantidad de votos: con pocos votos, el número es menos estable.
• Precio y contexto: la API pública de modelos de OpenRouter. Es el precio que lista OpenRouter, que puede diferir del precio directo del proveedor, de los descuentos por lote o del caché.
• Licencia de modelos de pesos abiertos: la ficha del modelo en Hugging Face. Cuando dice "Licencia propia del proveedor", lee los términos en la ficha antes de usarlo en tu negocio.

Qué no cubrimos todavía

• El Open LLM Leaderboard de Hugging Face dejó de actualizarse, por eso no lo usamos para modelos recientes.
• Artificial Analysis publica índices de calidad, velocidad y precio, pero su API requiere una clave; los citamos en las noticias cuando un proveedor los usa, siempre atribuidos.
• Los puntajes que publican los propios laboratorios en sus fichas (model cards) no están en la tabla para no mezclar condiciones de evaluación distintas. Los citamos en las noticias con su fuente.
• No medimos latencia, uso de herramientas ni calidad en tareas de tu negocio. Para eso, prueba con tus propios ejemplos.

Cómo citar

CasosDeUsoIA, "Comparativa de modelos de IA", 17 de octubre de 2026, https://casosdeusoia.ai/modelos. Los datos de Epoch AI y LMArena se publican bajo CC BY 4.0: cítalos también. El JSON completo está en /modelos/modelos.json.

Si ves un error o un emparejamiento incorrecto entre fuentes, escríbenos a hola@casosdeusoia.ai y lo corregimos. Ver también cómo trabajamos.