Benchmark de razonamiento de IA: 28 modelos clasificados por resultados medidos

1. N.º 1Claude Fable 5.2AnthropicPrecio de lista 8,00 US$ / 40,00 US$3,20 US$ / 16,00 US$con crédito de API de AIGROWUsa Claude Fable 5.2 hasta un 60% por debajo del precio de listaCertificado como auténtico por AIGROW el 11 de noviembre de 2026
2. N.º 3GPT-6 AstraOpenAIPrecio de lista 10,00 US$ / 50,00 US$2,50 US$ / 12,50 US$con crédito de API de AIGROWUsa GPT-6 Astra hasta un 75% por debajo del precio de listaCertificado como auténtico por AIGROW el 11 de noviembre de 2026
3. N.º 4Claude Opus 5.5AnthropicPrecio de lista 4,00 US$ / 20,00 US$1,60 US$ / 8,00 US$con crédito de API de AIGROWUsa Claude Opus 5.5 hasta un 60% por debajo del precio de listaCertificado como auténtico por AIGROW el 11 de noviembre de 2026

Dólares estadounidenses por millón de tokens de entrada / salida. Certificado como auténtico por AIGROW significa que el modelo superó la comprobación propia de AIGROW frente al mismo modelo en su fabricante el 11 de noviembre de 2026. Ningún fabricante de modelos lo revisó ni lo avaló.

Qué mide

Tres pruebas que ejecuta la propia Epoch AI: el mejor movimiento en posiciones de ajedrez nuevas, el mejor movimiento en un juego cuyo nombre se mantiene en secreto para que sea menos probable que los modelos se hayan preparado, y cuántas metas alcanza un modelo en un juego de mesa poco conocido tras practicarlo.

Qué deja fuera

Epoch usa puzles y juegos como indicadores de la planificación y del aprendizaje sobre la marcha; no evalúan la escritura, la programación ni los conocimientos.

Cómo leer el margen

Cada resultado lleva un intervalo del 95%, con 1,96 errores estándar a cada lado, tal como los publica Epoch AI; un promedio combina los errores de sus pruebas. Cuando dos intervalos se solapan, las pruebas no pueden decir qué modelo es mejor. Las filas siguen numeradas por puntuación, y cada fila indica cuántos modelos situados por encima se solapan con ella.

Configuración

Bajo cada resultado figura el ajuste de razonamiento con el que Epoch AI ejecutó el modelo, tal como lo nombra, y el día de la ejecución. Si un modelo se ejecutó con varios ajustes, cuenta el mejor resultado.

Solo resultados completos

Un modelo solo se numera cuando tiene resultados en las tres pruebas, y su puesto es el promedio simple de las tres, sin ponderaciones. Los modelos con menos resultados aparecen debajo de la clasificación, sin número.

Sin actualizar desde hace más de 120 días

Un resultado obtenido más de 120 días antes de los datos más recientes de estas páginas lleva esta marca, para poder sopesar un resultado antiguo como tal.

Precios

El precio de lista por millón de tokens, tomado de la página de precios del propio fabricante y consultado el 12 de noviembre de 2026. Es un precio por token, no por respuesta: un nivel de razonamiento más alto gasta más tokens en la misma pregunta. Cuando el crédito de API de AIGROW vende un modelo, el precio de lista aparece tachado y el precio con el crédito figura debajo.

Fuente: Epoch AI, Chess Puzzles, Mystery Game Puzzles, EBR-bench (datos del 12 de noviembre de 2026), con licencia CC BY 4.0. No modificamos ninguna puntuación: añadimos los precios y los enlaces a nuestras páginas de modelos.