IT之家 Mensaje del 12 de octubre: la plataforma Arena (arena.ai) ha publicado el ranking semanal de grandes modelos de IA de la semana 41 de 2026, que cubre del 2026-10-05 al 2026-10-11. En esta edición, el nuevo Claude Opus 5.5 Max de Anthropic, en su primera entrada al ranking de agentes, se alzó con el primer puesto; el modelo nacional kimi-k3-max se mantiene firme entre los primeros 20 del ranking general, y varios modelos nacionales como qwen3.8-max conservan posiciones estables, situándose en general en el escalafón medio-alto.
Nota de IT之家: este ranking se basa en votaciones anónimas a ciegas en la plataforma Arena (arena.ai), y las posiciones se calculan mediante ELO (en el ranking de agentes, mediante señal porcentual); refleja las preferencias subjetivas de los usuarios, no pruebas de capacidad absoluta; los distintos rankings son independientes entre sí y no deben compararse entre ellos; las diferencias dentro del margen de error se consideran empates, y los nuevos modelos solo entran oficialmente en el ranking tras acumular cierta cantidad de votos.
Ranking general
La configuración de la cabeza del ranking general se mantuvo relativamente estable esta semana: gemini-4-argon-high continúa en el primer puesto con una puntuación ELO de 1525. Varios modelos de Anthropic ocupan los cuatro primeros puestos: claude-opus-5.5-high sube 2 posiciones hasta el segundo lugar con una puntuación ELO de 1507; sigue habiendo diferencia con el líder, pero dentro de los 30 puntos, y se considera cercana, dentro del margen de error, al tercer puesto, claude-opus-4-6-high. Esta edición incorpora dos nuevos modelos, gpt-5.5 y gemini-3.5-flash-medium, que ocupan los puestos 29 y 30, con puntuaciones ELO de 1477 y 1476 respectivamente.
Los modelos nacionales se sitúan en general en la zona media-alta, con un escalafón relativamente estable:
kimi-k3-max de Moonshot AI obtiene la mejor posición, en el puesto 16, con un ELO de 1488, sin cambios;
qwen3.8-max de Alibaba se sitúa en el puesto 22, con un ELO de 1483, subiendo 1 posición respecto a la semana pasada;
mimo-v2.6-pro de Xiaomi se sitúa en el puesto 26, con un ELO de 1480, sin cambios;
glm-5.3-max de Zhipu se sitúa en el puesto 27, con un ELO de 1478, sin cambios.
| Puesto | vs. semana anterior | Modelo | Fabricante | Puntuación (±CI) | Votos | Precio ($/M) Entrada / Salida | Contexto |
|---|---|---|---|---|---|---|---|
| 1 | - | gemini-4-argon-high | 1525 ±9 | 4892 | $2 / $10 | 1M | |
| 2 | ↑ 2 | claude-opus-5.5-high | Anthropic | 1507 ±8 | 6272 | $4 / $20 | 1M |
| 3 | ↓ 1 | claude-opus-4-6-high | Anthropic | 1504 ±3 | 79415 | $5 / $25 | 1M |
| 4 | ↓ 1 | claude-fable-5-high | Anthropic | 1504 ±4 | 40026 | $10 / $50 | 1M |
| 5 | - | claude-opus-4-7-high | Anthropic | 1501 ±4 | 65192 | $5 / $25 | 1M |
| 6 | - | claude-fable-5.1-max | Anthropic | 1501 ±6 | 13063 | $10 / $50 | 1M |
| 7 | - | claude-opus-4-6 | Anthropic | 1498 ±3 | 84095 | $5 / $25 | 1M |
| 8 | - | gemini-3.8-flash-high | 1497 ±5 | 31437 | $0.75 / $3.75 | 1.05M | |
| 9 | - | muse-spark-1.3-max | Meta | 1494 ±6 | 14694 | $1.25 / $4.25 | 1M |
| 10 | - | claude-opus-4-7 | Anthropic | 1494 ±4 | 66315 | $5 / $25 | 1M |
| — A continuación, modelos nacionales fuera del Top 10 — | |||||||
| 16 | - | kimi-k3-max | Moonshot | 1488 ±5 | 30351 | N/A | N/A |
| 22 | ↑ 1 | qwen3.8-max | Alibaba | 1483 ±5 | 25378 | $2 / $6 | 1M |
| 26 | - | mimo-v2.6-pro | Xiaomi | 1480 ±9 | 4069 | $0.44 / $0.87 | 1.05M |
| 27 | - | glm-5.3-max | Z.ai | 1478 ±5 | 20049 | $1.4 / $4.4 | 1.05M |
Tabla de Código
En la tabla de código de esta semana, gemini-4-argon-high mantiene su primer puesto con solidez, con un incremento de 2 puntos en su puntuación ELO hasta 1562. Los modelos de Anthropic registran cambios de posición notables: claude-opus-5.5-high sube 7 puestos y entra al top 5, alcanzando un ELO de 1550, a solo 1 punto del segundo lugar, claude-fable-5-high (1551 puntos), lo que se considera empate estadístico. glm-5.3-flash de Zhipu sube 2 posiciones al puesto 27, con un ELO de 1525, convirtiéndose en el modelo nacional mejor clasificado. En esta edición se añade el modelo claude-opus-4-5-20251101, que debuta en el puesto 30 con un ELO de 1523.
El desempeño concreto de los modelos nacionales en la tabla de código es el siguiente:
kimi-k3-max de Moonshot AI se sitúa en el puesto 10, con un ELO de 1540, descendiendo 1 puesto respecto a la semana anterior;
mimo-v2.6-pro de Xiaomi se sitúa en el puesto 11, con un ELO de 1539, descendiendo 1 puesto respecto a la semana anterior;
deepseek-v4.1-flash-max de DeepSeek se sitúa en el puesto 26, con un ELO de 1528, sin cambios en su posición;
glm-5.3-flash de Zhipu se sitúa en el puesto 27, con un ELO de 1525, subiendo 2 puestos respecto a la semana anterior;
qwen3.8-max de Alibaba se sitúa en el puesto 29, con un ELO de 1524, descendiendo 1 puesto respecto a la semana anterior.
| Puesto | vs. semana anterior | Modelo | Proveedor | Puntuación (±CI) | Votos | Precio ($/M) Entrada / Salida | Contexto |
|---|---|---|---|---|---|---|---|
| 1 | - | gemini-4-argon-high | 1562 ±17 | 1233 | $2 / $10 | 1M | |
| 2 | - | claude-fable-5-high | Anthropic | 1551 ±7 | 10404 | $10 / $50 | 1M |
| 3 | ↑ 1 | claude-opus-4-7-high | Anthropic | 1550 ±6 | 18591 | $5 / $25 | 1M |
| 4 | ↓ 1 | claude-opus-4-6-high | Anthropic | 1550 ±6 | 20617 | $5 / $25 | 1M |
| 5 | ↑ 7 | claude-opus-5.5-high | Anthropic | 1550 ±16 | 1444 | $4 / $20 | 1M |
| 6 | ↓ 1 | claude-opus-4-6 | Anthropic | 1548 ±5 | 23351 | $5 / $25 | 1M |
| 7 | ↓ 1 | claude-opus-4-7 | Anthropic | 1546 ±6 | 18816 | $5 / $25 | 1M |
| 8 | - | gpt-6.1-sol-max | OpenAI | 1545 ±20 | 911 | $2 / $10 | 1.05M |
| 9 | ↓ 2 | gpt-6-astra-max | OpenAI | 1542 ±12 | 2424 | N/A | N/A |
| 10 | ↓ 1 | kimi-k3-max | Moonshot | 1540 ±7 | 7775 | N/A | N/A |
| — A continuación, los modelos nacionales fuera del Top 10 — | |||||||
| 11 | ↓ 1 | mimo-v2.6-pro | Xiaomi | 1539 ±18 | 1107 | $0.44 / $0.87 | 1.05M |
| 26 | - | deepseek-v4.1-flash-max | DeepSeek | 1528 ±11 | 3026 | $0.3 / $1.2 | 1M |
| 27 | ↑ 2 | glm-5.3-flash | Z.ai | 1525 ±8 | 7267 | $0.06 / $0.2 | 1.05M |
| 28 | ↓ 1 | qwen3.7-max-preview | Alibaba | 1524 ±18 | 1165 | $1.48 / $4.43 | 1M |
| 29 | ↓ 1 | qwen3.8-max | Alibaba | 1524 ±8 | 7077 | $2 / $6 | 1M |
Ranking de desarrollo front-end
En la parte alta del ranking de desarrollo front-end la configuración se mantiene estable: claude-opus-5.5-max sigue en el primer puesto con 1813 puntos de ELO y una ventaja clara. Entre los modelos nacionales, mimo-v2.6-flash de Xiaomi entra esta semana en la clasificación en el puesto 16, con 1637 puntos de ELO; mimo-v2.6-pro sube 5 posiciones hasta el puesto 19, con 1629 puntos de ELO, con un rendimiento destacado. qwen3.8-max-0902 de Alibaba sube 1 posición hasta el puesto 10 y qwen3.8-max se sitúa en el puesto 11; ambos modelos entran en el top 15, lo que muestra el progreso continuo de la capacidad nacional de desarrollo front-end.
| Puesto | vs. semana anterior | Modelo | Proveedor | Puntuación (±CI) | Votos | Precio ($/M) Entrada / Salida | Contexto |
|---|---|---|---|---|---|---|---|
| 1 | - | claude-opus-5.5-max | Anthropic | 1813 ±15 | 2294 | $4 / $20 | 1M |
| 2 | - | gpt-6-astra-max | OpenAI | 1786 ±11 | 5189 | $10 / $50 | 1.05M |
| 3 | - | claude-sonnet-5.5-xhigh | Anthropic | 1774 ±15 | 2323 | $2 / $10 | 1M |
| 4 | - | gpt-6.1-sol-max | OpenAI | 1755 ±15 | 2102 | $2 / $10 | 1.05M |
| 5 | - | claude-fable-5.1-max | Anthropic | 1744 ±9 | 6663 | $10 / $50 | 1M |
| 6 | - | claude-sonnet-5.5-high | Anthropic | 1715 ±11 | 3984 | $2 / $10 | 1M |
| 7 | - | claude-opus-5-max | Anthropic | 1691 ±6 | 17320 | $5 / $25 | 1M |
| 8 | - | gpt-6-sol-max | OpenAI | 1688 ±12 | 3407 | $2 / $10 | 1,05M |
| 9 | - | gemini-4-argon-high | 1678 ±15 | 1771 | $2 / $10 | 1M | |
| 10 | ↑ 1 | qwen3.8-max-0902 | Alibaba | 1674 ±8 | 11182 | $2 / $6 | N/A |
| — A continuación, los modelos nacionales fuera del Top 10 — | |||||||
| 11 | ↓ 1 | qwen3.8-max | Alibaba | 1672 ±12 | 3446 | $2 / $6 | 1M |
| 14 | ↓ 1 | kimi-k3-max | Moonshot | 1654 ±6 | 17412 | $3 / $15 | 1,05M |
| 16 | Nuevo ingreso | mimo-v2.6-flash | Xiaomi | 1637 ±10 | 4058 | $0.14 / $0.28 | 1,05M |
| 17 | ↓ 1 | qwen3.8-flash-next | Alibaba | 1633 ±8 | 6932 | $0.16 / $0.47 | 1M |
| 18 | ↓ 1 | hy4-preview | Tencent | 1632 ±10 | 4792 | $0.83 / $2.5 | 1,05M |
| 22 | ↓ 2 | glm-5.3-max | Z.ai | 1622 ±8 | 8382 | $1.4 / $4.4 | 1,05M |
| 23 | ↓ 2 | deepseek-v4.1-flash-max | DeepSeek | 1619 ±11 | 3542 | $0.3 / $1.2 | 1M |
| 26 | ↓ 1 | glm-5.3-flash | Z.ai | 1609 ±7 | 13697 | $0.06 / $0.2 | 1.05M |
| 27 | ↓ 1 | glm-5.2-max | Z.ai | 1603 ±6 | 15351 | $1.4 / $4.4 | 1M |
| 28 | - | qwen3.8-27b | Alibaba | 1593 ±7 | 13777 | $0.4 / $3 | N/A |
Ranking de agentes
El ranking de agentes experimenta un cambio importante en esta edición: Anthropic Claude Opus 5.5 (Max) entra al ranking y alcanza directamente el primer puesto con un aumento neto de 15.53 %, una tasa de éxito de confirmación de tareas de 17.29 % y una tasa de alucinación de herramientas de solo 0.37 %, con todas las señales en niveles de cabeza. Claude Opus 5.5 (High) mantiene el segundo lugar, con un aumento neto de 14.33 %, y GPT 6 Astra (Max) sube 1 posición al tercer puesto. Gemini 4 Argon (High) sube 2 posiciones al octavo lugar, y su tasa de alucinación de herramientas es de solo 0.18 %, la más baja entre los modelos de cabeza actuales.
Los modelos nacionales se sitúan en general en el segundo nivel del ranking de agentes; su rendimiento específico:
Deepseek V4.1 Flash (Max) de DeepSeek ocupa el puesto 17, con un aumento neto de 3.80 %, una tasa de éxito de confirmación de tareas de 7.44 %, sin cambios en el ranking;
Kimi K3 (Max) de Moonshot AI ocupa el puesto 18, con un aumento neto de 3.78 %, una tasa de éxito de confirmación de tareas de 6.46 %, una caída de 4 posiciones respecto a la semana pasada;
Hy4 preview de Tencent ocupa el puesto 19, con un aumento neto de 3.61 %, una tasa de éxito de confirmación de tareas de 5.96 %, sin cambios en el ranking;
MiMo V2.6 Pro de Xiaomi ocupa el puesto 20, con un aumento neto de 3.52 %, una tasa de éxito de confirmación de tareas de 8.03 %, un ascenso de 1 posición respecto a la semana pasada;
Qwen3.8 Max de Alibaba ocupa el puesto 24, con un aumento neto de 2.35 %, una tasa de éxito de confirmación de tareas de 5.09 %, una caída de 1 posición respecto a la semana pasada.
| Puesto | vs. semana pasada | Modelo | Fabricante | Aumento neto (±CI) | Tasa de éxito de confirmación de tareas | Valoraciones positivas / negativas | Controlabilidad |
|---|---|---|---|---|---|---|---|
| 1 | Nueva entrada | Claude Opus 5.5 (Max) | Anthropic | 15.53% ±4.63% | 17.29% ±6.02% | 36.78% ±20.55% | 8.2% ±4.06% |
| 2 | - | Claude Opus 5.5 (High) | Anthropic | 14.33% ±2.18% | 13.93% ±3.84% | 33.69% ±9.12% | 9.98% ±2.12% |
| 3 | ↑ 1 | GPT 6 Astra (Max) | OpenAI | 13.09% ±2.37% | 12.13% ±3.88% | 38.54% ±9.96% | 8.85% ±2.5% |
| 4 | ↓ 3 | Claude Fable 5.1 (Max) | Anthropic | 12.66% ±2.05% | 16.19% ±2.96% | 26.22% ±7.98% | 8.84% ±3.12% |
| 5 | ↓ 2 | Claude Sonnet 5.5 (Max) | Anthropic | 11.95% ±3.31% | 15.83% ±5.06% | 23.37% ±14.09% | 5.1% ±3.33% |
| 6 | ↓ 1 | GPT 6.1 Sol (Max) | OpenAI | 11.72% ±3.05% | 14.74% ±4.18% | 30.32% ±12.99% | 8.52% ±3.07% |
| 7 | ↓ 1 | GPT 6 Sol (Max) | OpenAI | 9.92% ±2.38% | 6.97% ±4.34% | 23.55% ±9.64% | 11.92% ±2.02% |
| 8 | ↑ 2 | Gemini 4 Argon (High) | 9.26% ±2.36% | 15.64% ±3.26% | 40.6% ±9.56% | 11.64% ±2.1% | |
| 9 | ↓ 1 | Claude Fable 5 (High) | Anthropic | 8.94% ±1.27% | 5.79% ±2.6% | 19.34% ±4.8% | 9.49% ±1.39% |
| 10 | ↓ 1 | Claude Opus 5 (Max) | Anthropic | 8.12% ±1.47% | 10.42% ±3.1% | 11.86% ±5.46% | 4.22% ±2.01% |
| — A continuación, los modelos nacionales fuera del Top 10 — | |||||||
| 17 | - | Deepseek V4.1 Flash (Max) | DeepSeek | 3.8% ±0.39% | 7.44% ±0.86% | 2.44% ±1.45% | 0.87% ±0.54% |
| 18 | ↓ 4 | Kimi K3 (Max) | Moonshot | 3.78% ±0.59% | 6.46% ±1.32% | 6.44% ±2.05% | 1.14% ±0.86% |
| 19 | - | Hy4 preview | Tencent | 3.61% ±0.7% | 5.96% ±1.48% | 5.18% ±2.59% | 0.32% ±0.92% |
| 20 | ↑ 1 | MiMo V2.6 Pro | Xiaomi | 3.52% ±1.92% | 8.03% ±3.88% | 8.16% ±7.31% | 0.56% ±2.45% |
| 21 | ↓ 1 | GLM 5.2 (Max) | Z.ai | 3.19% ±0.73% | 4.11% ±1.58% | 8.94% ±2.61% | 1.72% ±0.96% |
| 24 | ↓ 1 | Qwen3.8 Max | Alibaba | 2.35% ±0.59% | 5.09% ±1.32% | 2.95% ±2.13% | 1.81% ±0.82% |
| 25 | ↓ 1 | GLM 5.3 (Max) | Z.ai | 2.15% ±0.72% | 4.78% ±1.62% | 5.12% ±2.48% | 0.44% ±1.08% |
| 27 | ↑ 1 | DeepSeek V4 Pro (High) (0813) | DeepSeek | 1.34% ±1.66% | 2% ±4.01% | 1.86% ±5.99% | 2.12% ±2.2% |
Ranking de generación de imágenes con IA
La parte superior del ranking de generación de imágenes con IA está dominada por modelos de OpenAI: gpt-image-2.5-sunburst sigue firmando en el primer puesto con una puntuación ELO de 1425, con más de 20 puntos de ventaja sobre el segundo clasificado. El modelo gemini-nano-banana-2.1 de Google entra esta semana en el ranking, debutando en el sexto puesto con un ELO de 1328, un desempeño aceptable. Entre los modelos nacionales, seedream-5.0-pro de ByteDance ocupa el puesto 12 y qwen-image-3.0-pro de Alibaba el puesto 13, ambos en posiciones de media-alta, con cambios de clasificación poco significativos.
| Puesto | Comparado con la semana pasada | Modelo | Fabricante | Puntuación (±CI) | Votos | Precio ($/M) Entrada / Salida | Contexto |
|---|---|---|---|---|---|---|---|
| 1 | - | gpt-image-2.5-sunburst | OpenAI | 1425 ±7 | 17752 | N/A | N/A |
| 2 | - | gpt-image-2.5-flare | OpenAI | 1398 ±7 | 16889 | N/A | N/A |
| 3 | - | gpt-image-2 (medium) | OpenAI | 1383 ±4 | 93334 | $8 / $30 | N/A |
| 4 | ↑ 1 | grok-imagine-image-2.0 (canvas) | SpaceXAI | 1334 ±12 | 3113 | N/A | N/A |
| 5 | ↓ 1 | mai-image-2.6 | Microsoft AI | 1332 ±5 | 25091 | N/A | N/A |
| 6 | Nuevo en la lista | gemini-nano-banana-2.1 | 1328 ±9 | 5310 | $1.5 / $7.5 | 65.5K | |
| 7 | ↓ 1 | reve-2.1 | Reve | 1302 ±8 | 8249 | N/A | N/A |
| 8 | ↓ 1 | grok-imagine-image-2.0 (20260801) | SpaceXAI | 1294 ±6 | 14483 | N/A | N/A |
| 9 | ↓ 1 | muse-image | Meta | 1274 ±5 | 42262 | N/A | N/A |
| 10 | ↓ 1 | reve-2.0 | Reve | 1269 ±6 | 15773 | N/A | N/A |
| — A continuación, los modelos nacionales fuera del Top 10 — | |||||||
| 12 | ↓ 1 | seedream-5.0-pro | Bytedance | 1255 ±4 | 94181 | N/A | N/A |
| 13 | ↓ 1 | qwen-image-3.0-pro | Alibaba | 1255 ±6 | 11440 | N/A | N/A |
| 19 | ↓ 1 | qwen-image-2.1 | Alibaba | 1223 ±7 | 11441 | N/A | N/A |
| 21 | ↓ 1 | qwen-image-2.0-pro-2026-06-22 | Alibaba | 1192 ±6 | 13096 | N/A | N/A |
Ranking de videos de IA
La cima del ranking de videos de IA sigue dominada por modelos de Google: gemini-omni-1.1-flash y gemini-omni-flash ocupan los dos primeros puestos, ambos con puntuaciones ELO superiores a 1510 puntos. Los modelos nacionales destacan, con 6 modelos entre los 20 primeros: dreamina-seedance-2.0-720p de ByteDance ocupa el quinto lugar, wan3.0 de Alibaba el sexto, dreamina-seedance-2.5-720p el séptimo, minimax-h3 el octavo y happyhorse-1.0 de Alibaba el décimo, todos manteniendo posiciones estables, lo que refleja la competitividad general de los modelos nacionales de generación de video por IA.
| Ranking | Semana anterior | Modelo | Proveedor | Puntuación (±CI) | Votos | Precio ($/M) Entrada / Salida | Contexto |
|---|---|---|---|---|---|---|---|
| 1 | - | gemini-omni-1.1-flash | 1516 ±15 | 1784 | $1.5 / $9 | N/A | |
| 2 | - | gemini-omni-flash | 1513 ±9 | 26576 | N/A | N/A | |
| 3 | - | flux-3-video | Black Forest Labs | 1493 ±17 | 1302 | N/A | N/A |
| 4 | - | grok-imagine-video-1.5-agent | SpaceXAI | 1492 ±18 | 1218 | N/A | N/A |
| 5 | - | dreamina-seedance-2.0-720p | Bytedance | 1479 ±8 | 56318 | N/A | N/A |
| 6 | - | wan3.0 | Alibaba | 1476 ±13 | 2598 | N/A | N/A |
| 7 | - | dreamina-seedance-2.5-720p | Bytedance | 1474 ±9 | 8001 | N/A | N/A |
| 8 | - | minimax-h3 | MiniMax | 1460 ±9 | 11417 | N/A | N/A |
| 9 | - | muse-video | Meta | 1456 ±15 | 2188 | N/A | N/A |
| 10 | - | happyhorse-1.0 | Alibaba-ATH | 1427 ±13 | 22264 | N/A | N/A |
| — A continuación, los modelos chinos fuera del Top 10 — | |||||||
| 20 | - | wan2.7-t2v | Alibaba | 1337 ±7 | 27626 | N/A | N/A |
| 21 | - | wan2.6-t2v | Alibaba | 1327 ±7 | 54050 | N/A | N/A |
| 22 | - | seedance-v1.5-pro | Bytedance | 1256 ±7 | 76171 | N/A | N/A |
| 25 | - | wan2.5-t2v-preview | Alibaba | 1245 ±9 | 36378 | N/A | N/A |
En general, esta semana en la clasificación de Arena, los nuevos modelos de Anthropic mostraron un desempeño sólido: Claude Opus 5.5 Max logró debutar en el primer puesto del ranking de agentes, y los modelos Claude también ocuparon posiciones de liderazgo en varias listas específicas, lo que inclina aún más el panorama competitivo hacia Anthropic. Los modelos nacionales se mantuvieron estables en general, con una distribución clara en múltiples niveles: kimi-k3-max, qwen3.8-max y otros siguen firmes en posiciones intermedias-altas, y el nuevo modelo mimo-v2.6-flash también logró entrar en la lista, lo que refleja el ritmo de iteración constante de los modelos nacionales. La próxima semana se espera que haya actualizaciones de versiones de más modelos nacionales de gran tamaño, por lo que vale la pena seguir atentamente los cambios en la clasificación.