↑↓moverte↵abriresccerrarEntiende errores y sinónimos

El ranking de los mejores modelos de IA hoy: Claude Opus 4.8 destrona a todos (5 de junio de 2026)

La carrera por el mejor modelo de inteligencia artificial vive una de sus semanas más reñidas. Hoy, 5 de junio de 2026, los principales leaderboards coinciden en algo que hace apenas un mes parecía improbable: Anthropic manda en casi todos los frentes, con OpenAI pisándole los talones y Google peleando el tercer puesto. Te contamos quién lidera, con qué números y, lo más importante, cuál te conviene a ti.

El ranking de hoy de un vistazo

Combinando los grandes benchmarks (Artificial Analysis Intelligence Index, Chatbot Arena, SWE-bench Verified y GPQA Diamond), este es el podio del día. Mención aparte para Claude Mythos Preview, que encabeza SWE-bench Verified (93,9%) y GPQA Diamond (94,6%), pero al ser un preview cerrado de acceso restringido no compite en igualdad con los modelos disponibles para todos.

PuestoModeloÍndice IADestaca en
1Claude Opus 4.8 (Anthropic)61,4Nº1 del Intelligence Index y líder en Chatbot Arena (99/100); el modelo más equilibrado del momento.
2GPT-5.5 (OpenAI)60,2Segundo del índice (variante xhigh); pelea voto a voto el primer lugar.
3Claude Opus 4.7 Adaptive (Anthropic)57,3Programación: 87,6% en SWE-bench Verified. Una bestia para código.
4Gemini 3.1 Pro Preview (Google)57Razonamiento científico: 94,1% en GPQA Diamond entre modelos públicos.
5GPT-5.4 xhigh (OpenAI)—Madurez y solidez: 92,0% en GPQA Diamond mientras GPT-5.5 se despliega.

¿Cuál uso según mi caso?

Para uso general y conversación: ve a Claude Opus 4.8 o GPT-5.5. Lideran el índice general y el ranking por votos humanos, así que rara vez decepcionan.

Para programar: prioriza la familia Claude Opus (4.8 con 88,6% o 4.7 Adaptive con 87,6%), la mejor en SWE-bench Verified entre modelos públicos.

Para ciencia, matemáticas o razonamiento duro: prueba Gemini 3.1 Pro Preview o GPT-5.4, ambos por encima del 92% en GPQA Diamond.

Regla de oro: no te cases con un solo modelo. Los líderes cambian casi cada semana, así que elige según la tarea y trata las cifras como una señal de dirección, no como una medida exacta.

¿Qué es un benchmark? (en simple)

Un benchmark es un examen estandarizado para la IA: la misma prueba para todos los modelos, para compararlos con justicia.

  • Artificial Analysis Intelligence Index
    Qué es: una nota global que promedia varias pruebas de razonamiento, conocimiento, ciencia y código.
    Te sirve para: saber de un vistazo qué modelo es más capaz en general.
  • Chatbot Arena (LMArena)
    Qué es: un ranking por votos ciegos de personas reales que comparan dos respuestas y eligen la mejor.
    Te sirve para: ver qué modelo prefiere la gente en el uso diario.
  • SWE-bench Verified
    Qué es: una prueba que mide si el modelo resuelve problemas reales de programación.
    Te sirve para: elegir el mejor modelo si tu trabajo es escribir o depurar código.
  • GPQA Diamond
    Qué es: preguntas de ciencia de nivel experto, de las difíciles de verdad.
    Te sirve para: saber qué modelo razona mejor en química, física o biología.

Truco: nunca mires un solo benchmark; cruzar dos o tres da la foto real, porque cada uno mide cosas distintas.

En resumen

Claude Opus 4.8 es hoy el modelo más completo, GPT-5.5 le respira en la nuca y los preview de Claude (Mythos) marcan el techo técnico en código y ciencia. La carrera está tan apretada que mañana esta tabla podría verse distinta, y por eso este ranking se actualiza cada día.


Metodología: ranking elaborado el 5 de junio de 2026 combinando cuatro benchmarks: Artificial Analysis Intelligence Index (datos al 2 de junio de 2026), Chatbot Arena / LMArena (Elo por votos), SWE-bench Verified (código) y GPQA Diamond (razonamiento científico). Los puntajes corresponden a las cifras públicas más recientes; los previews de acceso restringido se señalan como tales y no se mezclan en igualdad con los modelos abiertos al público.
Fuentes: Artificial Analysis Intelligence Index, Artificial Analysis (leaderboards), OpenAI GPT-5.5 (Artificial Analysis), Chatbot Arena / LMArena, Arena AI (texto), SWE-bench Verified, GPQA Diamond, GPQA (LLM Stats).

¿Te sirvió? CompárteloCon tu equipo o con esa persona que todavía le teme a la IA.

Alejandro Arias-Salazar, PhD, fundador de IA Lab

Sobre el autor

Alejandro Arias-Salazar, PhD

Fundador y director de IA Lab

Primer doctor en Gestión de la Innovación Tecnológica de la Universidad de los Andes e Investigador Asociado de Minciencias. Fundó IA Lab para que personas y empresas usen IA de punta sin programar.

  • 12años creando innovación con IA
  • 3libros publicados
  • 38empresas impactadas
  • 1.203estudiantes impactados

Sigue explorando el blog

Lo más reciente de IA Lab. Elige un tema y sigue bajando: se carga solo.

Ver todo el blog