Clases de modelos S/A/B/C/D

🧠 Razonamiento

Precios de estos modelos en el catálogo: clase S y superior · clase A y superior · clase B y superior

Por ahora una fuente - solo puntuación

DeepSeek V4.1 Flash 1017 89.1, DeepSeek V4 Flash 0731 76.3, Kimi K2.7 Code 70.4, Qwen3.8 27B 63.6, DeepSeek V4 Flash 49.5, MiniMax-M2.7 47.6, MiniMax-M2.5 30.6

Cómo calculamos

Cada resultado de prueba se lleva a una escala 0-100 frente a los modelos recientes más fuertes. La puntuación de una fuente es la media de sus pruebas; la de la dirección, la media de las fuentes, para que una fuente con muchas pruebas no pese más que otra. Se usa la variante publicada más fuerte del modelo. Los umbrales se fijan por medio año (edición 2026H2); se recalcula cuando una fuente publica resultados nuevos.

Umbrales de las clases

• S desde 95
• A desde 80
• B desde 62
• C desde 42
• D desde 0

Fuentes

• LMArena leaderboard dataset (CC BY 4.0) - blind human preference: math, expert prompts
• Epoch AI Benchmarking Hub (own runs) (CC BY 4.0) - GPQA Diamond, OTIS Mock AIME, FrontierMath

Próximas direcciones: código, agentes, visión - una a una, cuando cada una tenga dos fuentes independientes.

Los mismos datos: /v1/classes (API) y la herramienta MCP models_by_class.

Una clase dice cómo puntúa un modelo en pruebas públicas, no si sirve para su tarea: pruébelo con sus propios casos.