Ayuda a mantener correctos los datos públicos
¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.
¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Puntuaciones individuales de la evaluación a lo largo del tiempo.
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Muse Spark 1.1 | 09 jul 2026 | 88,10 % | MCP Atlas; scaled tool use | Sí | Fuente | |
| Kimi K3 | 16 jul 2026 | 84,20 % | 500-task public subset; 100-turn limit; Gemini 3.1 Pro judge. | Sí | Fuente | |
| Gemini 3.5 Flash | 19 may 2026 | 83,60 % | MCP Atlas | Sí | Fuente | |
| LongCat 2.5 | 02 nov 2026 | 83,10 % | MCP Atlas; reasoning max, temperature 0.7, top_p 0.95, 256K context; thinking enabled, temperature 1.0, top_p 0.95 unless stated; Meituan-reported in the LongCat-2.5 launch blog (accessed 2026-11-02) | Sí | Fuente | |
| Beam | 05 oct 2026 | 78,70 % | Reflection-reported launch score. Source row: MCP Atlas. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | Sí | Fuente | |
| Claude Opus 4.7 | 16 abr 2026 | 77,30 % | - | Sí | Fuente | |
| Qwen 3.7 Max | 21 may 2026 | 76,40 % | MCP-Atlas public set; Gemini 2.5 Pro judge | Sí | Fuente | |
| Muse Glimmer 30B | 10 ago 2026 | 75,50 % | MCP Atlas public set; high reasoning; mean pass rate over four runs | Sí | Fuente | |
| GPT 5.5 | 23 abr 2026 | 75,30 % | April 2026 update | Sí | Fuente | |
| MiniMax M3 | 01 jun 2026 | 74,20 % | Public Set | Sí | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 74,10 % | - | Sí | Fuente | |
| DeepSeek V4 Pro | 24 abr 2026 | 73,60 % | MCPAtlas Public; Pass@1; DeepSeek-V4-Pro Max | Sí | Fuente | |
| GLM 5.1 | 07 abr 2026 | 71,80 % | Public Set | Sí | Fuente | |
| Gemini 3.1 Pro Preview | 19 feb 2026 | 69,20 % | - | Sí | - | |
| DeepSeek V4 Flash | 24 abr 2026 | 69 % | MCPAtlas; Pass@1; DeepSeek-V4-Flash Max | Sí | Fuente | |
| GLM 5 | 11 feb 2026 | 67,80 % | - | Sí | Fuente | |
| GPT 5 Pro | 07 ago 2025 | 67,20 % | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | Sí | Fuente | |
| GPT 5 Search API | 14 oct 2025 | 67,20 % | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | Sí | Fuente | |
| GPT 5.4 | 05 mar 2026 | 67,20 % | - | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 62,70 % | High effort | Sí | Fuente | |
| LongCat 2.0 | 30 jun 2026 | 61,80 % | MCP Atlas; reasoning max, temperature 0.7, top_p 0.95, 256K context; thinking enabled, temperature 1.0, top_p 0.95 unless stated; Meituan-reported in the LongCat-2.5 launch blog (accessed 2026-11-02) | Sí | Fuente | |
| Nova 2 Pro | 02 dic 2025 | 61,60 % | - | Sí | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 61,30 % | - | Sí | Fuente | |
| GPT 5.2 Chat | 11 dic 2025 | 60,60 % | inferred alias from gpt-5.2-2025-12-11 | Sí | Fuente | |
| GPT 5.4 Mini | 17 mar 2026 | 57,70 % | - | Sí | Fuente |
