↑↓moverte↵abriresccerrarEntiende errores y sinónimos

GPT Image 2 arrasa y Opus 5.5 sorprende: el ranking de IA de hoy

Hoy, 27 de septiembre de 2026, el mapa de la inteligencia artificial se movió en tres frentes a la vez. En texto, Anthropic y OpenAI acaban de lanzar modelos más baratos y más rápidos. En imagen, OpenAI se llevó por delante a toda la competencia con una ventaja que los propios analistas calificaron de «récord». Y en video, Google consolidó su liderazgo mientras China empuja fuerte por abajo. Si quieres entender, en español y pensando en cómo se usa esto en Colombia (desde Bogotá hasta Medellín), cuáles son los modelos que de verdad valen la pena hoy, aquí tienes los tres rankings del día: texto/LLM, imagen y video.

El ranking de hoy de un vistazo

Hay ranking de modelos de texto (LLM), de imagen (texto-a-imagen) y de video, cada uno con su propia tabla. El titular del día: Claude Opus 5.5 y GPT-6 Sol/Luna llegaron más baratos, y GPT Image 2 se tomó el primer puesto de imagen por la mayor diferencia que se ha visto en ese ranking.

Mejores modelos de texto (LLM)

Según el Artificial Analysis Intelligence Index, que combina varios benchmarks en un solo puntaje, así queda hoy el top de texto:

PuestoModeloÍndice IADestaca en
1GPT-5.6 Sol (OpenAI)58.9%El equilibrio más sólido del momento entre razonamiento general, velocidad y costo
2Claude Opus 5.5 (Anthropic)57.6%Rendimiento de gama alta hasta un 40% más barato que su predecesor Opus 5
3GPT-5.6 Terra (OpenAI)55.0%Tareas de razonamiento extendido
4Claude Fable 5.1 (Anthropic)53.4%El más elegido por humanos en Chatbot Arena (13.8% de los votos) y top en GPQA Diamond (93.7%)
5DeepSeek V4 Pro 0813 (DeepSeek)53.2%El mejor modelo de peso abierto/económico de esta camada

Menciones aparte: en programación real (SWE-bench Verified) lidera Claude Fable 5 con 95.0% de tareas resueltas, seguido de Claude Mythos Preview (93.9%); y en ciencia de nivel doctorado (GPQA Diamond) manda GPT-6 Astra con 96.1%, con Gemini 3.8 Flash (95.3%) y Grok 4.6 (94.9%) muy cerca.

Mejores modelos de imagen (texto-a-imagen)

Según el Text-to-Image Arena de Arena.ai, con votos humanos ciegos y puntaje Elo, GPT Image 2 se tomó el primer lugar con la mayor ventaja vista en ese ranking:

PuestoModeloPuntaje ArenaDestaca en
1GPT-Image-2.5 Sunburst (OpenAI)1424 EloPrecisión tipográfica casi perfecta y mezcla de fuentes impecable
2GPT-Image-2.5 Flare (OpenAI)1401 EloFotorrealismo, muy cerca de su variante hermana
3GPT-Image-2 (medium) (OpenAI)1383 EloVersión intermedia, ya suficiente para superar a la competencia anterior
4MAI-Image-2.6 (Microsoft AI)1335 EloDiseño de interfaces y color
5Reve 2.1 (Reve)1302 EloLa mejor opción independiente fuera del ecosistema de los grandes

Aclaración: no encontramos puntajes frescos y confiables en benchmarks automáticos clásicos como GenEval o DPG-bench para esta ronda de modelos; el dato de tipografía citado arriba proviene de una comparativa propia (no estandarizada) que sitúa a GPT Image 2 en 98.5% de precisión de texto, frente a 94.8% de Nano Banana Pro, 91.2% de Nano Banana 2 y 89.5% de Seedream 5.0 en la misma prueba.

Mejores modelos de video

Según el Text-to-Video Arena de Arena.ai, con más de 718.000 votos entre 48 sistemas, Google se mantiene arriba:

PuestoModeloPuntaje ArenaDestaca en
1Gemini Omni 1.1 Flash (Google)1516 EloEl más preferido por humanos; edición conversacional rápida con audio nativo
2Gemini Omni Flash (Google)1513 EloPrácticamente empatado con su hermano mayor; ideal para iteración veloz
3FLUX.3 Video (Black Forest Labs)1493 EloCoherencia visual y estética
4Grok Imagine Video 1.5 Agent (SpaceXAI/xAI)1492 EloFlujos «agénticos» de edición de video
5Seedance 2.0 720p «Dreamina» (ByteDance)1479 EloEl representante chino más alto del ranking de Arena

Dato aparte: con la metodología de Artificial Analysis (distinta a Arena), el líder es Wan 3.0 (Alibaba), destacado por generar hasta 30 segundos en una sola pasada con audio nativo y pesos abiertos. También sobresalen MiniMax H3 / Hailuo 3.0 (2K nativo, audio estéreo, gran movimiento humano) y Seedance 2.5 (hasta 50 imágenes de referencia, 4K, 30 segundos), mientras Kling 3.0 Turbo se perfila como la opción de mejor valor por precio.

¿Cuál uso según mi caso?

Para programar o construir agentes: Claude Opus 5.5 o Claude Fable 5 (líder de SWE-bench Verified) son hoy la apuesta más segura para tareas de código complejas.

Para conversar, escribir o trabajar en español todo el día sin gastar de más: DeepSeek V4 Pro o los recién llegados GPT-6 Luna/Sol ofrecen buena relación capacidad-precio.

Para imágenes con texto, carteles o piezas de marca: GPT Image 2 (cualquiera de sus variantes) es hoy el más confiable en tipografía y en seguir el prompt al pie de la letra.

Para video con audio integrado y buena relación calidad-costo: Gemini Omni Flash si priorizas calidad Arena, o Wan 3.0 si buscas pesos abiertos y clips largos de 30 segundos.

Regla de oro: ningún modelo gana en todo; conviene elegir según la tarea puntual (código, texto, imagen o video) y no por fama general.

Los benchmarks de hoy, en lenguaje supersimple

Así se miden estos rankings, explicado sin jerga:

  • Artificial Analysis Intelligence Index
    Qué es: un índice que combina varios benchmarks públicos y datos de los propios fabricantes en un solo puntaje de 0 a 100.
    Te sirve para: comparar de un vistazo la «inteligencia general» entre modelos de texto.
  • Arena.ai / Chatbot Arena (LMArena)
    Qué es: la gente compara a ciegas las respuestas de dos modelos y vota cuál prefiere; con miles de votos se calcula un puntaje Elo, igual que en ajedrez.
    Te sirve para: saber cuál modelo prefiere la gente de verdad, no solo en el papel.
  • SWE-bench Verified
    Qué es: problemas reales tomados de repositorios de GitHub, donde el modelo debe generar un parche de código que resuelva el issue y pase las pruebas automáticas.
    Te sirve para: saber qué tan bueno es un modelo programando de verdad, no solo en teoría.
  • GPQA Diamond
    Qué es: preguntas de física, química y biología a nivel de doctorado, hechas para que no se puedan resolver buscando en Google.
    Te sirve para: medir razonamiento científico profundo, útil si usas la IA para investigación o análisis técnico.
  • Text-to-Image Arena / Image Arena
    Qué es: la misma lógica de Chatbot Arena pero comparando pares de imágenes generadas a partir del mismo texto.
    Te sirve para: elegir el mejor generador de imágenes según el gusto real de la gente.
  • Text-to-Video Arena / Video Arena
    Qué es: igual, pero comparando clips de video generados a partir de texto o de una imagen inicial.
    Te sirve para: saber qué herramienta de video conviene más antes de pagar una suscripción.

Truco: si vas a usar un modelo para trabajo real (código, un cliente, una campaña), mira primero el benchmark más parecido a tu tarea, no solo el puesto general del ranking.

En resumen

El 27 de septiembre de 2026 deja un mapa claro: en texto, GPT-5.6 Sol lidera pero Claude Opus 5.5 sorprende por precio; en imagen, GPT Image 2 manda con una ventaja histórica; y en video, Gemini Omni sigue arriba mientras Wan 3.0 gana terreno como opción abierta. Para quien trabaja con IA en español desde Colombia, hoy hay opciones sólidas en las tres categorías, cada una con su propio punto fuerte.


Metodología: estos rankings se armaron el 27 de septiembre de 2026 con datos públicos de Artificial Analysis Intelligence Index, Arena.ai (Chatbot Arena, Image Arena y Video Arena), SWE-bench Verified y GPQA Diamond, más cobertura de prensa especializada sobre los lanzamientos del 22 de septiembre de 2026. Los puntajes de leaderboards cambian con frecuencia, así que trátalos como una fotografía de hoy, no como un dato fijo.

Fuentes: Artificial Analysis Intelligence Index, Arena.ai — Leaderboard general, Arena.ai — Text-to-Image Arena, Arena.ai — Text-to-Video Arena, SWE-bench Verified, GPQA Diamond, 9to5Google — lanzamiento de Claude Opus 5.5 y GPT-6 Sol/Luna, Arena.ai — GPT Image 2 #1 en Image Arena, Artificial Analysis — GPT Image 2 vs Nano Banana 2, FLUX.2, Seedream 4.0, BuildMVPFast — mejores modelos de video, septiembre 2026, Atlas Cloud — benchmark de modelos de imagen 2026.

¿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