El ranking Chatbot Arena+ de OpenLM ha cambiado radicalmente respecto a julio de 2026. Claude Opus 5.5 de Anthropic se coloca en el primer puesto con 1.526 puntos Arena Elo solo uno por delante de Gemini 4 Argon, de Google. Curiosamente, el tercer puesto no es para OpenAI con ChatGPT-6 Astra y se lo queda Claude Sonnet 5.5.
Un ranking que mezcla datos y preferencias humanas
Antes de entrar en materia debemos conocer lo que mide esta clasificación. El Chatbot Arena+ combina Arena+, una plataforma de enfrentamientos entre modelos en la que otro LLM actúa como juez para calcular la puntuación Elo, con métricas estandarizadas como AAII v3 y ARC-AGI v2. Es decir, ofrece una fotografía completa de rendimiento con precisión técnica, capacidad de razonamiento y valoración subjetiva de los usuarios.
- Arena+: plataforma de enfrentamientos entre modelos que utiliza otro LLM como juez para calcular la puntuación Elo.
- AAII (Artificial Analysis Intelligence Index): un índice que agrega los resultados de 10 evaluaciones exigentes para medir la inteligencia de los modelos.
- ARC-AGI v2 (Abstraction and Reasoning Challenge for AGI v2): Evalúa el razonamiento abstracto mediante rompecabezas visuales. Los humanos alcanzan resultados cercanos al 100 % y los mejores modelos de esta clasificación ya superan los 90 puntos.
La clasificación también muestra puntuaciones específicas para programación y visión. Sin embargo, un modelo puede destacar en el resultado global y quedar por detrás de otro en determinadas pruebas. Además, las puntuaciones de diferentes indicadores no deben confundirse entre sí ni interpretarse como porcentajes de acierto en tareas cotidianas.
Top 5 mundial de modelos LLM
| Posición | Modelo | Arena Elo | Codificación | Visión | AAII | ARC-AGI v2 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | 1526 | 1575 | 1320 | 58 | 93,3 |
| 2 | Gemini 4 Argon | 1525 | 1570 | 1318 | 53 | |
| 3 | Claude Sonnet 5.5 | 1521 | 1568 | 1315 | 56 | |
| 4 | Claude Fable 5.1 | 1520 | 1570 | 1315 | 53 | 90 |
| 5 | GPT-6 Astra | 1520 | 1568 | 1316 | 53 | 95 |
La batalla entre gigantes: diferencias mínimas y estrategias distintas
El liderazgo vuelve a cambiar de manos en octubre. Claude Opus 5.5 alcanza los 1.526 puntos Arena Elo, seguido de Gemini 4 Argon con 1.525. A continuación aparece Claude Sonnet 5.5 con 1.521, mientras que Claude Fable 5.1 y GPT-6 Astra empatan a 1.520. Entre los cinco primeros apenas hay seis puntos de diferencia.
La mejor puntuación de codificación es también para Claude Opus 5.5 con 1.575 puntos. Esta IA también es líder en visión con 1.320. Sin embargo, GPT-6 Astra consigue el resultado más alto en ARC-AGI v2 con 95 puntos por delante de los 93,3 de Claude Opus 5.5. En AAII, Opus también lidera con 58 puntos, seguido de Claude Sonnet 5.5 con 56.
Con respecto a los datos de julio, vemos un cambio considerable. Claude Fable 5 lideraba entonces con 1.510 puntos y ahora baja hasta la novena posición con esa misma puntuación. GPT-5.6 Sol baja de la segunda a la duodécima plaza y Kimi-K3, que ocupaba el tercer puesto, aparece ahora en la decimosexta. Esto pone de manifiesto lo que avanza la tecnología de la inteligencia artificial en unos pocos meses.
Si salimos del top cinco, destacan Muse Wonder Full, de Meta, con 1.518 puntos; GPT-6.1 Sol, de OpenAI, con 1.516; y Grok-4.7, de xAI, con 1.507 puntos.
Los modelos chinos mantienen su presencia, pero Kimi-K3 sale del podio
Una de las novedades más importantes del ranking de julio fue la entrada de Kimi-K3 en tercera posición. Se trata de una IA china desarrollada por Moonshot que ahora ha caído hasta la posición número 16. Los nuevos competidores lo han adelantado, aunque su puntuación anterior sigue intacta.
Ahora, otro modelo chino, como es MiMo-V2.6-Pro de Xiaomi, consigue 1.507 puntos. Es el modelo con una licencia abierta MIT que alcanza la posición más alta en la clasificación actual. Otras alternativas chinas del ranking son: Qwen3.8-Max, de Alibaba, con 1.506 puntos; GLM-5.3, de Z.ai, con 1.505; y DeepSeek-V4.1-Flash, con 1.503.
Qué significa este resultado para la industria
La actualización de octubre vuelve a cambiar el panorama de hace unos pocos meses. Anthropic marca el pulso con Claude Opus 5.5 y sitúa otros dos modelos entre los cuatro primeros. Google lanzó el 12 de octubre Gemini 4 Argon y ya lo ha colocado en segunda posición. Curiosamente, OpenAI solo logra colarse en el top cinco con GPT-6 Astra, que es quinto, empatado a puntos con Claude Fable 5.1.
En resumen, esto es lo que estamos viendo ahora mismo:
- Anthropic lidera con Claude Opus 5.5 y coloca a Claude Sonnet 5.5 en tercera posición, Claude Fable 5.1 en cuarta empatada y Claude Opus 5 en octava.
- OpenAI sitúa a GPT-6 Astra en quinta posición, GPT-6.1 Sol en séptima y GPT-6 Sol en undécima.
- Google alcanza el segundo puesto con Gemini 4 Argon, mientras que Gemini 3.8 Flash ocupa la vigesimoprimera posición.
- Meta irrumpe en la zona alta con Muse Wonder Full en sexta posición y Muse Wonder en décima.
- xAI coloca a Grok-4.7 en decimotercera posición, mientras que Grok-4.5 aparece en la vigesimoquinta.
Para el usuario son todo buenas noticias. Cada vez más y mejor competencia que nos permite ir probando cada uno de los modelos hasta encontrar el que mejor se ajusta a nuestras necesidades. Incluso, podemos optar por tener varios al mismo tiempo, dedicando cada uno de ellos a un tipo de tareas.
¿Qué modelo de IA usar según la tarea?
| Modelo | Fortaleza principal | Dato del ranking | Ideal para... |
|---|---|---|---|
| Claude Opus 5.5 | Programación y rendimiento global | 1575 en Coding y 1526 Arena Elo | Probar tareas complejas de desarrollo y razonamiento |
| Gemini 4 Argon | Rendimiento general competitivo | 1525 Arena Elo | Compararlo en tareas generales con Claude y GPT |
| GPT-6 Astra | Razonamiento abstracto | 95 en ARC-AGI v2 | Explorar problemas de razonamiento y planificación compleja |
| Claude Sonnet 5.5 | Buen rendimiento en distintas evaluaciones | 1521 Arena Elo y 56 AAII | Valorar una alternativa a Opus para tareas de uso habitual |
| Grok-4.7 | Alternativa competitiva fuera del top cinco | 1507 Arena Elo | Contrastar respuestas con otros modelos avanzados |
¿Cuánto cuesta usar estos modelos?
Los modelos de Anthropic, OpenAI, Google y xAI pueden utilizarse mediante diferentes servicios y modalidades comerciales. Gemini 4 Argon, GPT-6, Claude Opus 5.5 y Grok-4.7 tienen distintas suscripciones de pago, además de versiones gratis. Eso sí, las versiones gratuitas no garantizan la disponibilidad de los modelos más avanzados.
En relación con las suscripciones de pago básicas, parten de un coste que ronda los 20 euros al mes dependiendo de la plataforma. Google AI Pro ofrece acceso ampliado a Gemini 4 Argon; ChatGPT Plus cuesta 20 dólares mensuales y permite utilizar GPT-6, mientras que GPT-6 Astra requiere un plan Pro. Claude Pro cuesta 18 euros mensuales o unos 15 euros al mes con facturación anual. Por su parte, X Premium y Premium+ ofrecen mayores límites de uso de Grok, aunque sus precios varían según el país y la modalidad contratada.
Los precios y funciones pueden cambiar, por lo que conviene consultar las condiciones de cada compañía antes de contratar. También hay que distinguir las suscripciones de los servicios de API, que suelen facturarse según el consumo.
Un punto separa a Claude y Gemini: la lucha por la mejor IA está más igualada que nunca
La clasificación de octubre confirma que la lucha por el liderazgo de la inteligencia artificial sigue extremadamente igualada. Claude Opus 5.5 lidera el ranking, pero Gemini 4 Argon queda a un solo punto y GPT-6 Astra destaca en razonamiento abstracto pese a ocupar la quinta posición global.
Las grandes inteligencias artificiales del mercado ya no se separan por potencia bruta, sino que lo hacen por sutiles diferencias de integración, API y filosofía de diseño.