Los modelos de pesos abiertos quedan aún más atrás en v5. El líder, Kimi K3.1 Pro (cuyos pesos aún no se han publicado), obtiene 46, 12 puntos por detrás del líder, en comparación con una brecha de 3 puntos en v4.3. De los modelos con pesos publicados, DeepSeek V4.1 Flash 1017 (max) y GLM-5.3 (max) obtienen la puntuación más alta con 32, y Claude Haiku 5.5 (max) supera a todos ellos.
La brecha es mayor en HLE-Diamond y Terminal-Bench-Science, donde Kimi K3.1 Pro obtiene 37% y 34%, en comparación con 68% de Claude Opus 5.5 (max) y 63% de GPT-6 Astra (max).