Arena publica el ranking semanal de modelos grandes de IA de la semana 42 de 2026: los modelos nacionales se afianzan en puestos de…

IT之家 19 de octubre: la plataforma Arena (arena.ai) ha publicado el ranking de prueba a ciegas de modelos grandes de IA de la semana 42 de 2026 ( 2026-10-12 ~ 2026-10-18 ). En esta edición la estructura de la cabeza de la tabla se mantiene estable en general, los modelos nacionales conservan posiciones estables de media-alta tabla en varias listas por categorías; kimi-k3-max se estabiliza por primera vez en el top 10 del ranking de código, mimo-v2.6-pro entra por primera vez al top 20 del ranking de desarrollo front-end, y el desempeño general es destacable. En esta edición tres nuevos modelos entran oficialmente en las listas: gemini-3.5-flash-medium, mimo-v2.6-pro y flux-2-flex.

Nota de IT之家: este ranking se basa en votaciones anónimas a ciegas de la plataforma Arena (arena.ai), con clasificaciones calculadas mediante ELO (en la lista de agentes se usa una señal porcentual), y refleja las preferencias subjetivas de los usuarios, no una prueba de capacidad absoluta; las distintas listas son independientes entre sí y no deben compararse entre ellas, las diferencias dentro del margen de error se consideran empates, y los nuevos modelos solo entran oficialmente en las listas tras acumular cierta cantidad de votos.

Lista general

La cabeza del ranking general se mantiene estable en esta edición: gemini-4-argon-high revalida el primer puesto con 1525 puntos, claude-opus-5.5-high es segundo con 1507 puntos, claude-opus-4-6-high y claude-fable-5-high empatan en el tercer puesto con 1504 puntos ambos, con diferencias dentro de los 30 puntos, consideradas competencia cercana dentro del margen de error. Los 10 primeros superan todos los 1494 puntos, y la competencia sigue being reñida. El nuevo modelo de la semana es gemini-3.5-flash-medium, que entra directamente al top 30, en el puesto 30, con una puntuación ELO de 1476 puntos, un rendimiento notable.

Los modelos nacionales se sitúan en general en puestos de media-alta tabla, con una estructura de niveles relativamente estable:

• kimi-k3-max de Moonshot AI ocupa el puesto más alto, el 16, con 1488 puntos de ELO, sin cambios en el ranking;

• qwen3.8-max de Alibaba es el número 22, con 1483 puntos de ELO, sin cambios;

• mimo-v2.6-pro de Xiaomi es el número 26, con 1480 puntos de ELO, sin cambios;

• glm-5.3-max de Zhipu es el número 27, con 1478 puntos de ELO, sin cambios.

Tabla de clasificación de código

La composición de la cabeza de la tabla de código sigue siendo estable: gemini-4-argon-high continúa liderando con 1562 puntos, claude-fable-5-high ocupa el segundo puesto con 1551 puntos, y claude-opus-4-7-high, claude-opus-4-6-high y claude-opus-5.5-high empatan en el tercer puesto con 1550 puntos; entre los tres primeros, salvo gemini-4-argon-high, todos son modelos de Anthropic, y la cabeza sigue dominada por fabricantes extranjeros. Lo más destacado de esta semana es que el modelo nacional kimi-k3-max se mantiene firme en el décimo puesto, con 1540 puntos ELO, logrando la posición más alta de un modelo nacional en la tabla de código; Xiaomi mimo-v2.6-pro le sigue de cerca en el undécimo puesto, con 1539 puntos ELO, con un desempeño brillante.

Ya varios modelos nacionales han entrado al top 30 de la tabla de código, con los siguientes puestos concretos:

• Moonshot (月之暗面) kimi-k3-max ocupa el puesto 10, con 1540 puntos ELO, sin cambios en el ranking;

• Xiaomi mimo-v2.6-pro ocupa el puesto 11, con 1539 puntos ELO, sin cambios en el ranking;

• DeepSeek (深度求索) deepseek-v4.1-flash-max ocupa el puesto 26, con 1528 puntos ELO, sin cambios en el ranking;

• Zhipu (智谱) glm-5.3-flash ocupa el puesto 27, con 1525 puntos ELO, sin cambios en el ranking;

• Alibaba qwen3.7-max-preview ocupa el puesto 28, con 1524 puntos ELO, sin cambios en el ranking;

• Alibaba qwen3.8-max ocupa el puesto 29, con 1524 puntos ELO, sin cambios en el ranking.

Ranking de desarrollo frontend

El panorama de la cima del ranking de desarrollo frontend se mantiene estable: claude-opus-5.5-max lidera con solidez con 1813 puntos, gpt-6-astra-max ocupa el segundo lugar con 1786 puntos y claude-sonnet-5.5-xhigh ocupa el tercer lugar con 1774 puntos. Los modelos que entran esta semana en el ranking incluyen mimo-v2.6-pro y claude-haiku-5.5-high; entre ellos, mimo-v2.6-pro de Xiaomi debuta directamente en el puesto 19, con un ELO de 1629 puntos, logrando entrar al top 20 y continuando su buen desempeño en el ámbito del código.

Los modelos nacionales ocupan varias posiciones de media-alta tabla en el ranking de desarrollo frontend, concretamente los siguientes:

• Alibaba qwen3.8-max-0902 ocupa el puesto 10, con un ELO de 1674 puntos, sin cambios en su posición;

• Alibaba qwen3.8-max ocupa el puesto 11, con un ELO de 1672 puntos, sin cambios en su posición;

• Moonshot AI kimi-k3-max ocupa el puesto 14, con un ELO de 1654 puntos, sin cambios en su posición;

• Xiaomi mimo-v2.6-flash ocupa el puesto 16, con un ELO de 1637 puntos, sin cambios en su posición;

• Alibaba qwen3.8-flash-next ocupa el puesto 17, con un ELO de 1633 puntos, sin cambios en su posición;

• Tencent hy4-preview ocupa el puesto 18, con un ELO de 1632 puntos, sin cambios en su posición;

• Xiaomi mimo-v2.6-pro debuta en el puesto 19, con un ELO de 1629 puntos;

• Zhipu glm-5.3-max ocupa el puesto 22, con un ELO de 1622 puntos, sin cambios en su posición.

Ranking de agentes

El ranking de agentes utiliza un sistema de puntuación basado en señales porcentuales; esta semana Claude Opus 5.5 (Max) mantiene el primer puesto con un aumento neto del 15.53%, GPT 6 Astra (Max) sube un puesto al segundo lugar con un aumento neto del 13.09%, y Claude Fable 5.1 (Max) ocupa el tercer lugar con un aumento neto del 12.66%; la cima sigue estando dominada por modelos extranjeros. En cuanto a las métricas, Claude Opus 5.5 (Max) presenta una tasa de alucinación de herramientas de solo 0.37%, la más baja entre los modelos líderes, con un desempeño destacado. Los modelos nacionales se encuentran en general en el tramo medio-alto, y varios ya han entrado en el top 30.

El desempeño específico de los modelos nacionales en el ranking de agentes es el siguiente:

• Deepseek V4.1 Flash (Max) de DeepSeek ocupa el puesto 15, con un aumento neto del 3.80% y una tasa de éxito de confirmación de tareas del 7.44%, subiendo 2 posiciones respecto a la semana pasada;

• Kimi K3 (Max) de Moonshot AI ocupa el puesto 16, con un aumento neto del 3.78% y una tasa de éxito de confirmación de tareas del 6.46%, subiendo 2 posiciones respecto a la semana pasada;

• Hy4 preview de Tencent ocupa el puesto 17, con un aumento neto del 3.61% y una tasa de éxito de confirmación de tareas del 5.96%, subiendo 2 posiciones respecto a la semana pasada;

• MiMo V2.6 Pro de Xiaomi ocupa el puesto 18, con un aumento neto del 3.52% y una tasa de éxito de confirmación de tareas del 8.03%, subiendo 2 posiciones respecto a la semana pasada;

• GLM 5.2 (Max) de Zhipu ocupa el puesto 19, con un aumento neto del 3.19% y una tasa de éxito de confirmación de tareas del 4.11%, subiendo 2 posiciones respecto a la semana pasada;

• Qwen3.8 Max de Alibaba ocupa el puesto 22, con un aumento neto del 2.35% y una tasa de éxito de confirmación de tareas del 5.09%, subiendo 2 posiciones respecto a la semana pasada;

• GLM 5.3 (Max) de Zhipu ocupa el puesto 23, con un aumento neto del 2.15% y una tasa de éxito de confirmación de tareas del 4.78%, subiendo 2 posiciones respecto a la semana pasada.

Ranking de generación de imágenes con IA

La estructura de la parte alta del ranking de generación de imágenes con IA se mantiene estable: gpt-image-2.5-sunburst conserva el primer puesto con 1425 puntos, gpt-image-2.5-flare ocupa el segundo lugar con 1398 puntos y gpt-image-2 (medium) el tercero con 1383 puntos; los tres primeros puestos son modelos de OpenAI. El modelo recién ingresado esta semana es flux-2-flex, que entra por primera vez directamente en el puesto 30 con una puntuación ELO de 1157. Los modelos chinos muestran un desempeño estable en este ranking: seedream-5.0-pro de ByteDance y qwen-image-3.0-pro de Alibaba empatan con 1255 puntos en los puestos 12 y 13, ambos dentro del top 15, en una posición de media-alta tabla.

Ranking de video IA

La parte superior del ranking de video IA sigue dominada por modelos de Google: gemini-omni-1.1-flash ocupa el primer puesto con 1516 puntos, gemini-omni-flash el segundo con 1513 puntos, y flux-3-video el tercero con 1493 puntos. Los modelos nacionales destacan, ocupando dos de los cinco primeros puestos: dreamina-seedance-2.0-720p de ByteDance se sitúa quinto con un ELO de 1479 puntos, seguido de cerca por wan3.0 de Alibaba en sexto lugar con un ELO de 1476 puntos. En total, cuatro modelos nacionales figuran entre los 10 primeros, lo que demuestra una fuerza general que no debe subestimarse.

Esta semana, la clasificación semanal de grandes modelos de IA de Arena muestra pocos cambios en la estructura de cabeza; los modelos extranjeros siguen ocupando los primeros puestos, pero los modelos nacionales se han consolidado de manera estable en la franja media-alta en varias listas especializadas: kimi-k3-max entró al top 10 de la lista de código, mimo-v2.6-pro tuvo un desempeño destacado tanto en la lista de desarrollo front-end como en la de agentes inteligentes, y los modelos nacionales de ByteDance y Alibaba también mantuvieron buenos resultados en los puestos del top 5 y top 10 en los campos de generación de imágenes con IA y de video con IA. Continuaremos siguiendo de cerca los avances de los grandes modelos nacionales para informarles de los últimos cambios en las clasificaciones.