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


